Drevesnica s 50,000 drevesi je nekoc porabila tri dni za njihovo stetje. Ekipe so hodile po vrstah s podlogami, v popoldanski vrocini izgubile pregled in zacele znova. Zdaj zadostuje en dronski let in AI model, ki kartira vsako drevo od zgoraj.
Stetje dreves in rastlin je ena casovno najbolj zahtevnih nalog v drevesnicah, sadovnjakih in projektih pogozdovanja. Zavarovalnice hocejo natancna stevila. Kupci potrebujejo potrditev kolicin posiljk. Vodstvo mora vedeti, kaj je prezivelo zimo. Rocno stetje v tem obsegu je pocasno, nedosledno in drago. AI letalsko stetje ponuja hitrejso pot do istih odgovorov.
Zakaj so natancna stevila dreves pomembna
Stetje dreves ni le upravljanje inventarja. Poganja dejanske financne odlocitve.
Drevesnice prodajajo drevesa po natancnem stevilu. Narocilo za 10,000 sadik mora biti izpolnjeno natanko, drevesnica pa mora vedeti, ali ima 10,000 ali 9,400, preden daje obljube. Zavarovalniske zahtevke po neurjih ali boleznih zahtevajo dokumentirana stevila za dokazovanje izgub. Vodje sadovnjakov ocenjujejo pridelek na podlagi stevila dreves, 5% napaka v stevilu dreves pa se neposredno pretvori v 5% napako pri nacrtovanju zetve.
Pri projektih pogozdovanja stetje posajenih dreves preverja skladnost z okoljskimi predpisi in zavezami ogljicnih kreditov. Ta stetja pogosto morajo pokriti stotine hektarjev neravnega terena, kjer je hoja po vsaki vrsti neprakticna.
Kako deluje letalsko AI stetje
Postopek ima tri korake: leti, zajemi in prestej.
Dron, opremljen z RGB kamero, leti v mreznem vzorcu nad ciljnim obmocjem na 30 do 80 metrih visine, odvisno od velikosti in gostote dreves. Let zajema prekrivajoce se slike, ki pokrijejo vsak odsek polja. Za 10-hektarsko drevesnico let traja 15 do 30 minut.
Slike se nalozijo v AI model, usposobljen za letalsko zaznavanje dreves. Model pregleda vsako sliko, identificira posamezne krosnje ali debla in jih oznaci z zaznavnimi tockami. Prekrivajoce se slike se sestavijo, tako da se vsako drevo presteje enkrat, ne podvojeno med kadri.
Rezultat je skupno stevilo in georeferenciran zemljevid, ki prikazuje natancno lokacijo vsakega zaznanega drevesa. Vodje drevesnic lahko priblizajo, preverijo zaznave in opazijo vrzeli, kjer drevesa manjkajo ali so odmrla.
Merila natancnosti
Natancnost je odvisna od gostote krosnje, locljivosti slik in razdalj med drevesi. Stevilke iz nedavnih studij so spodbudne.
93 do 95% natancnost v pogojih goste krosnje. Zmanjsa rocno delo za vec kot 70% in obdela slike skoraj 5-krat hitreje kot tradicionalne metode.
Sistem za stetje UAS med letom je dosegel F1 oceno 99.09%, pravilno identificiral drevesa med letom z rezultati, dostopnimi sekunde po vzletu.
95% natancnost za zaznavanje drevesnih debel in povprecna natancnost 0.977, s 515% izboljsavo hitrosti v primerjavi z rocnimi metodami.
Vzorec je dosleden: dobro razmaknjenna drevesa v enakomernih vrstah dajejo 95%+ natancnost. Goste, prekrivajoce se krosnje zmanjsajo natancnost na nizke 90%, ker se model muci lociti posamezne krosnje, ki se od zgoraj vizualno zlijejo.
Najboljse prakse za letalske fotografije dreves
- Letite na 40 do 60 metrih visine za najboljse ravnovesje pokritosti in locljivosti
- Uporabite 70 do 80% prekrivanje slik za zagotovitev popolne pokritosti in natancnega sestavljanja
- Letite opoldne ali v oblacnih pogojih za zmanjsanje senc, ki motijo zaznavanje krosenj
- Izogibajte se vetrovnim dnevom, ko se veje zibljejo in zameglijo slike
- Za goste krosnje letite nizje za povecanje locljivosti na drevo
- Zajemajte slike na enakomerni visini za ohranjanje enotnega merila po celotnem naboru podatkov
Onkraj stetja: kaj se letalski AI razkrije
Stetje dreves iz dronskih slik ustvari koristen stranski ucinek: zemljevid vrzeli. Manjkajoca drevesa, odmrla drevesa in obmocja s slabo rastjo se prikazejo kot luknje v zaznavnem vzorcu. Vodje drevesnic te zemljevide vrzeli uporaobijo za nacrtovanje ponovnega sajenja, nacrtovanje prilagoditev namakanja in prepoznavanje izbruhov skodljivcev ali bolezni, preden se razsirijo.
Nekateri sistemi zdruzujejo stetje z zdravstveno klasifikacijo z uporabo multispektralnega slikanja za oznacevanje dreves, ki kazejo znake stresa. En sam dronski let lahko zagotovi inventarno stetje, zdravstveno oceno in analizo vrzeli - tri naloge, ki bi na tleh zahtevale locena rocna prizadevanja.
Omejitve, ki jih je treba poznati
- Goste, prekrivajoce se krosnje zmanjsajo natancnost, ker se posamezna drevesa od zgoraj vizualno zlijejo. Listavce v polnem listu je tezje lociti kot drevesa z golimi vejami pozimi.
- Zelo mlade sadike pod 30 centimetri so lahko premajhne za zanesljivo zaznavanje s standardne dronske visine. Nizji leti pomagajo, a zmanjsajo pokritost.
- Mesani nasadi vrst, kjer se razlicne velikosti dreves prekrivajo, lahko zmedejo modele, usposobljene na enakomerne vrste.
- Regulativne omejitve dronskih letov blizu letalisc, mestnih obmocij ali zascitenegnea letalskega prostora lahko omejijo, kje lahko letite.
Zakljucek
Dronsko AI stetje dreves spremeni vecdnevno rocno delo v en sam let. Natancnost je dovolj visoka za zavarovalniske zahtevke, prodajna narocila in regulativno skladnost, izboljsuje pa se z vsako novo generacijo modelov.
Ce vasa operacija steje drevesa s hojo po vrstah s podlogo, poskusite namesto tega preleteti dron nad istim obmocjem. Stevilo bo na vasem zaslonu, preden dron pristane, zemljevid pa vam bo pokazal stvari, ki jih noben sprehod po tleh nikoli ne bi razkril.