นับต้นไม้จากท้องฟ้า: เรือนเพาะชำและสวนผลไม้ใช้ AI อย่างไร

เรือนเพาะชำที่มีต้นไม้ 50,000 ต้นเคยใช้เวลาสามวันในการนับ ทีมงานเดินตามแถวพร้อมคลิปบอร์ด หลงนับในความร้อนตอนบ่าย แล้วเริ่มนับใหม่ ตอนนี้แค่บินโดรนครั้งเดียวและโมเดล AI ที่ทำแผนที่ต้นไม้ทุกต้นจากด้านบนก็เพียงพอ

การนับต้นไม้และพืชเป็นหนึ่งในงานที่ใช้เวลามากที่สุดในเรือนเพาะชำ สวนผลไม้ และโครงการปลูกป่า บริษัทประกันต้องการตัวเลขที่แม่นยำ ผู้ซื้อต้องยืนยันจำนวนการจัดส่ง ผู้จัดการต้องรู้ว่าอะไรรอดจากฤดูหนาว การนับด้วยมือในขนาดนี้ช้า ไม่สม่ำเสมอ และมีค่าใช้จ่ายสูง การนับทางอากาศด้วย AI เสนอเส้นทางที่เร็วกว่าสู่คำตอบเดียวกัน

ทำไมจำนวนต้นไม้ที่แม่นยำจึงสำคัญ

การนับต้นไม้ไม่ใช่แค่การจัดการสินค้าคงคลัง มันขับเคลื่อนการตัดสินใจทางการเงินจริง

เรือนเพาะชำขายต้นไม้ตามจำนวนที่แน่นอน คำสั่งซื้อกล้าไม้ 10,000 ต้นต้องจัดส่งอย่างแม่นยำ และเรือนเพาะชำต้องรู้ว่ามี 10,000 หรือ 9,400 ต้นก่อนที่จะให้สัญญา การเรียกร้องค่าสินไหมทดแทนหลังพายุหรือโรคระบาดต้องมีการนับที่จัดทำเป็นเอกสารเพื่อพิสูจน์ความเสียหาย ผู้จัดการสวนผลไม้ประมาณผลผลิตจากจำนวนต้นไม้ และความผิดพลาด 5% ในการนับแปลงตรงเป็นความผิดพลาด 5% ในการวางแผนเก็บเกี่ยว

สำหรับโครงการปลูกป่า การนับต้นไม้ที่ปลูกแล้วช่วยยืนยันการปฏิบัติตามกฎระเบียบด้านสิ่งแวดล้อมและข้อผูกพันคาร์บอนเครดิต การนับเหล่านี้มักต้องครอบคลุมพื้นที่หลายร้อยเฮกตาร์ของภูมิประเทศที่ไม่เรียบซึ่งการเดินทุกแถวไม่เป็นจริง

การนับทางอากาศด้วย AI ทำงานอย่างไร

กระบวนการมีสามขั้นตอน: บิน, ถ่าย และนับ

โดรนที่ติดตั้งกล้อง RGB บินในรูปแบบตารางเหนือพื้นที่เป้าหมายที่ความสูง 30 ถึง 80 เมตร ขึ้นอยู่กับขนาดและความหนาแน่นของต้นไม้ เที่ยวบินถ่ายภาพซ้อนทับที่ครอบคลุมทุกส่วนของแปลง สำหรับเรือนเพาะชำ 10 เฮกตาร์ เที่ยวบินใช้เวลา 15 ถึง 30 นาที

ภาพถูกอัปโหลดไปยังโมเดล AI ที่ได้รับการฝึกฝนในการตรวจจับต้นไม้ทางอากาศ โมเดลสแกนภาพแต่ละภาพ ระบุทรงพุ่มหรือลำต้นของต้นไม้แต่ละต้น และทำเครื่องหมายด้วยจุดตรวจจับ ภาพซ้อนทับถูกเย็บต่อกันเพื่อให้ต้นไม้แต่ละต้นถูกนับเพียงครั้งเดียว ไม่ซ้ำซ้อนระหว่างเฟรม

ผลลัพธ์คือจำนวนรวมบวกแผนที่อ้างอิงพิกัดภูมิศาสตร์แสดงตำแหน่งที่แน่นอนของต้นไม้ที่ตรวจพบแต่ละต้น ผู้จัดการเรือนเพาะชำสามารถซูมเข้า ตรวจสอบการตรวจจับ และค้นหาช่องว่างที่ต้นไม้หายไปหรือตาย

เกณฑ์มาตรฐานความแม่นยำ

ความแม่นยำขึ้นอยู่กับความหนาแน่นของทรงพุ่ม ความละเอียดของภาพ และระยะห่างของต้นไม้ ตัวเลขจากการศึกษาล่าสุดน่าพอใจ

รูปแบบสม่ำเสมอ: ต้นไม้ที่เว้นระยะดีในแถวสม่ำเสมอบรรลุความแม่นยำมากกว่า 95% ทรงพุ่มหนาแน่นและซ้อนทับลดความแม่นยำลงเหลือต้น 90% เพราะโมเดลมีปัญหาในการแยกทรงพุ่มแต่ละต้นที่รวมกันทางสายตาเมื่อมองจากด้านบน

แนวทางปฏิบัติที่ดีสำหรับการถ่ายภาพต้นไม้ทางอากาศ

นอกเหนือจากการนับ: AI ทางอากาศเผยอะไรอีก

การนับต้นไม้จากภาพโดรนสร้างผลข้างเคียงที่มีประโยชน์: แผนที่ช่องว่าง ต้นไม้ที่หายไป ต้นไม้ที่ตาย และพื้นที่ที่เติบโตไม่ดีปรากฏเป็นช่องโหว่ในรูปแบบการตรวจจับ ผู้จัดการเรือนเพาะชำใช้แผนที่ช่องว่างเหล่านี้เพื่อวางแผนการปลูกทดแทน กำหนดตารางการปรับการชลประทาน และระบุการระบาดของศัตรูพืชหรือโรคก่อนที่จะแพร่กระจาย

บางระบบรวมการนับกับการจำแนกสุขภาพ โดยใช้การถ่ายภาพหลายช่วงคลื่นเพื่อทำเครื่องหมายต้นไม้ที่แสดงอาการเครียด เที่ยวบินโดรนเดียวสามารถให้จำนวนสินค้าคงคลัง การประเมินสุขภาพ และการวิเคราะห์ช่องว่าง สามงานที่แต่ละงานต้องใช้ความพยายามด้วยมือแยกต่างหากบนพื้นดิน

ข้อจำกัดที่ควรทราบ

• ทรงพุ่มหนาแน่นและซ้อนทับ ลดความแม่นยำเพราะต้นไม้แต่ละต้นรวมกันทางสายตาจากด้านบน พันธุ์ผลัดใบที่มีใบเต็มแยกยากกว่าต้นไม้ที่มีกิ่งเปล่าในฤดูหนาว
• กล้าไม้อ่อนมาก ที่ต่ำกว่า 30 เซนติเมตรอาจเล็กเกินไปที่จะตรวจจับได้อย่างน่าเชื่อถือจากความสูงโดรนมาตรฐาน การบินต่ำกว่าช่วยแต่ลดพื้นที่ครอบคลุม
• การปลูกพันธุ์ผสม ที่ต้นไม้ขนาดต่างกันซ้อนทับอาจทำให้โมเดลที่ฝึกบนแถวสม่ำเสมอสับสน
• ข้อจำกัดด้านกฎระเบียบ ในการบินโดรนใกล้สนามบิน พื้นที่เมือง หรือน่านฟ้าที่ได้รับการคุ้มครองอาจจำกัดที่ที่คุณสามารถบินได้

บทสรุป

การนับต้นไม้ด้วย AI ผ่านโดรนเปลี่ยนงานด้วยมือหลายวันเป็นเที่ยวบินเดียว ความแม่นยำเพียงพอสำหรับการเรียกร้องค่าสินไหมทดแทน คำสั่งซื้อ และการปฏิบัติตามกฎระเบียบ และปรับปรุงดีขึ้นกับทุกรุ่นโมเดลใหม่

หากปฏิบัติงานของคุณนับต้นไม้โดยเดินตามแถวพร้อมคลิปบอร์ด ลองบินโดรนเหนือพื้นที่เดียวกัน จำนวนจะอยู่บนหน้าจอของคุณก่อนที่โดรนจะลงจอด และแผนที่จะแสดงสิ่งที่การเดินบนพื้นดินไม่มีทางเผยได้