Расадник са 50,000 стабала проводио је три дана у њиховом бројању. Тимови су ходали редовима са подлогама, губили нит у поподневној жези и почињали испочетка. Сада је потребан један лет дроном и AI модел који мапира свако стабло одозго.
Бројање стабала и биљака је један од најдуготрајнијих задатака у расадницима, воћњацима и пројектима пошумљавања. Осигуравајуће компаније желе тачне бројеве. Купци требају потврду количина за испоруку. Управитељи требају знати шта је преживело зиму. Ручно бројање у овом размеру је споро, неконзистентно и скупо. AI ваздушно бројање нуди бржи пут до истих одговора.
Зашто су тачна бројања стабала важна
Бројање стабала није само управљање инвентаром. Оно покреће стварне финансијске одлуке.
Расадници продају стабла по тачном броју. Наруџба за 10,000 садница мора бити испуњена прецизно, а расадник мора знати да ли има 10,000 или 9,400 пре него што даје обећања. Осигуравајући захтеви после олуја или болести захтевају документована бројања за доказивање губитака. Управитељи воћњака процењују принос на основу броја стабала, а 5% грешка у броју стабала директно се преводи у 5% грешку у планирању бербе.
За пројекте пошумљавања, бројање посађених стабала верификује усаглашеност са еколошким прописима и обавезама угљеничних кредита. Та бројања често треба да покрију стотине хектара неравног терена где је ходање сваког реда непрактично.
Како функционише ваздушно AI бројање
Процес има три корака: летење, снимање и бројање.
Дрон опремљен RGB камером лети у мрежном обрасцу изнад циљног подручја на 30 до 80 метара висине, у зависности од величине и густине стабала. Лет снима преклапајуће фотографије које покривају сваку секцију поља. За 10-хектарски расадник, лет траје 15 до 30 минута.
Слике се учитавају у AI модел обучен за ваздушну детекцију стабала. Модел скенира сваку слику, идентификује појединачне крошње или дебла стабала и означава их тачкама детекције. Преклапајуће слике се спајају тако да се свако стабло броји једном, а не дуплира кроз кадрове.
Резултат је укупан број плус геореферисана мапа која показује тачну локацију сваког детектованог стабла. Управитељи расадника могу зумирати, верификовати детекције и уочити празнине где стабла недостају или су угинула.
Мерила прецизности
Прецизност зависи од густине крошњи, резолуције слике и размака између стабала. Бројке из недавних студија су охрабрујуће.
93 до 95% прецизности у условима густих крошњи. Смањује ручни рад за преко 70% и обрађује слике скоро 5 пута брже од традиционалних метода.
Систем за бројање у лету са UAS постигао је F1 резултат од 99.09%, исправно идентификујући стабла током лета са резултатима доступним секунде после полетања.
95% прецизности за детекцију дебала стабала и средња просечна прецизност од 0.977, са 515% побољшањем брзине у поређењу са ручним методама.
Образац је доследан: добро размакнута стабла у уједначеним редовима дају 95%+ прецизности. Густе, преклапајуће крошње смањују прецизност на ниске 90-е јер се модел мучи да раздвоји појединачне крошње које се визуелно стапају одозго.
Добре праксе за ваздушне фотографије стабала
- Летите на 40 до 60 метара висине за најбољи баланс покривености и резолуције
- Користите 70 до 80% преклапања слика за потпуно покривање и прецизно спајање
- Летите у подне или за облачног времена да минимизујете сенке које збуњују детекцију крошњи
- Избегавајте ветровите дане када се гране њишу и замућују слике
- За густе крошње, летите ниже да повећате резолуцију по стаблу
- Снимајте слике на сталној висини да одржите уједначен размер у целом скупу података
Изван бројања: шта још открива ваздушни AI
Бројање стабала из дронских слика производи корисан нуспроизвод: мапу празнина. Недостајућа стабла, мртва стабла и подручја са слабим растом појављују се као рупе у обрасцу детекције. Управитељи расадника користе те мапе празнина за планирање поновне садње, прилагођавање наводњавања и идентификовање појаве штеточина или болести пре него што се прошире.
Неки системи комбинују бројање са класификацијом здравља, користећи мултиспектралне слике за означавање стабала која показују знаке стреса. Један лет дроном може испоручити инвентарни број, здравствену процену и анализу празнина - три задатка која би захтевала засебне ручне напоре на тлу.
Ограничења која треба знати
- Густе, преклапајуће крошње смањују прецизност јер се појединачна стабла визуелно стапају одозго. Листопадне врсте у пуном листу теже је раздвојити од голих зимских стабала.
- Врло младе саднице испод 30 центиметара могу бити премале за поуздану детекцију са стандардне висине дрона. Нижи летови помажу, али смањују покривеност.
- Мешане насаде врста где се различите величине стабала преклапају могу збунити моделе обучене на уједначеним редовима.
- Регулаторна ограничења за летове дроновима близу аеродрома, урбаних подручја или заштићеног ваздушног простора могу ограничити где можете летети.
Закључак
AI бројање стабала дроновима претвара вишедневни ручни посао у један једини лет. Прецизност је довољно висока за осигуравајуће захтеве, продајне наруџбе и регулаторну усаглашеност, и побољшава се са сваком новом генерацијом модела.
Ако ваша операција броји стабла ходајући редовима са подлогом, покушајте да пустите дрон изнад истог подручја. Број ће бити на вашем екрану пре него дрон слети, а мапа ће вам показати ствари које никакав обилазак на нивоу тла никад не би могао.