Isang nursery na may 50,000 puno ay dating gumagugol ng tatlong araw sa pagbibilang. Naglalakad ang mga team sa mga hanay na may clipboard, nawawala ang bilang sa init ng hapon, at nagsisimula ulit. Ngayon, sapat na ang isang drone flight at isang AI model na nagmamapa ng bawat puno mula sa itaas.
Ang pagbibilang ng puno at halaman ay isa sa mga pinakamatagal na gawain sa mga nursery, taniman, at reforestation project. Gusto ng mga insurance company ng eksaktong numero. Kailangan ng mga buyer na kumpirmahin ang dami ng shipment. Kailangan malaman ng mga manager kung ano ang nakaligtas sa taglamig. Ang manual na pagbibilang sa ganitong sukat ay mabagal, hindi consistent, at mahal. Ang AI-powered aerial counting ay nag-aalok ng mas mabilis na landas patungo sa parehong mga sagot.
Bakit mahalaga ang tumpak na bilang ng puno
Ang pagbibilang ng puno ay hindi lang inventory management. Ito ang nagpapatakbo ng tunay na desisyon sa pananalapi.
Nagbebenta ang mga nursery ng puno sa eksaktong bilang. Ang isang order na 10,000 seedlings ay kailangang tuparin nang tumpak, at kailangan malaman ng nursery kung mayroon silang 10,000 o 9,400 bago mangako. Ang mga insurance claim pagkatapos ng bagyo o sakit ay nangangailangan ng dokumentadong bilang para patunayan ang mga pagkalugi. Tinatantya ng mga orchard manager ang ani batay sa bilang ng puno, at ang 5% na pagkakamali sa bilang ay direktang nagiging 5% na pagkakamali sa pagpaplano ng ani.
Para sa mga reforestation project, ang pagbibilang ng itinanim na puno ay nagbe-verify ng pagsunod sa mga environmental regulation at carbon credit commitment. Ang mga bilang na ito ay madalas kailangang mag-cover ng daan-daang hektarya ng hindi pantay na terrain kung saan hindi praktikal ang paglalakad sa bawat hanay.
Paano gumagana ang aerial AI counting
Ang proseso ay may tatlong hakbang: lumipad, kumuha, at magbilang.
Ang drone na may RGB camera ay lumilipad sa grid pattern sa ibabaw ng target area sa 30 hanggang 80 metrong taas, depende sa laki at density ng mga puno. Kumukuha ang flight ng overlapping images na sumasaklaw sa bawat seksyon ng field. Para sa 10-hektaryang nursery, ang flight ay tumatagal ng 15 hanggang 30 minuto.
Ina-upload ang mga images sa isang AI model na sinanay sa aerial tree detection. Ini-scan ng model ang bawat imahe, kilalanin ang mga indibidwal na canopy o trunk ng puno, at minarkahan ang mga ito ng detection points. Pinagsasama ang overlapping images upang ang bawat puno ay mabilang nang isang beses lamang, walang duplicate sa pagitan ng mga frames.
Ang output ay isang kabuuang bilang kasama ang isang georeferenced na mapa na nagpapakita ng eksaktong lokasyon ng bawat na-detect na puno. Maaaring mag-zoom in ang mga nursery manager, i-verify ang mga detection, at mahanap ang mga gaps kung saan nawawala o patay ang mga puno.
Mga benchmark ng katumpakan
Ang katumpakan ay nakadepende sa canopy density, image resolution, at tree spacing. Ang mga numero mula sa mga kamakailang pag-aaral ay nakakaenganyo.
93 hanggang 95% na katumpakan sa dense canopy conditions. Binabawasan ang manual effort ng higit sa 70% at pinoproseso ang imagery nang halos 5 beses na mas mabilis kaysa sa tradisyonal na mga pamamaraan.
Isang on-the-fly UAS counting system ay nakamit ang F1 score na 99.09%, tumpak na kinakilala ang mga puno habang lumilipad na may mga resulta na available ilang segundo pagkatapos ng takeoff.
95% na katumpakan para sa trunk detection at mean average precision na 0.977, na may 515% na speed improvement kumpara sa manual methods.
Ang pattern ay consistent: ang mga punong may magandang spacing sa uniform na mga hanay ay nakakamit ng 95%+ na katumpakan. Ang mga dense, overlapping canopy ay bumababa ang katumpakan sa mababang 90s dahil nahihirapan ang model na paghiwalayin ang mga indibidwal na crown na nagme-merge visually mula sa itaas.
Mga pinakamahusay na kasanayan para sa aerial tree photos
- Lumipad sa 40 hanggang 60 metrong taas para sa pinakamahusay na balanse ng coverage at resolution
- Gumamit ng 70 hanggang 80% image overlap para matiyak ang kumpletong coverage at tumpak na stitching
- Lumipad sa tanghali o sa makulimlim na kondisyon para mabawasan ang mga anino na nakakalito sa canopy detection
- Iwasan ang mga mahanging araw kung kailan umuuga ang mga sanga at lumabo ang mga imahe
- Para sa mga dense canopy, lumipad nang mas mababa para mapataas ang resolution sa bawat puno
- Kumuha ng mga imahe sa pare-parehong taas para mapanatili ang uniform na scale sa buong dataset
Higit pa sa pagbibilang: ano pa ang ibinubunyag ng aerial AI
Ang pagbibilang ng puno mula sa drone images ay gumagawa ng isang kapaki-pakinabang na side effect: isang gap map. Ang mga nawawalang puno, patay na puno, at mga lugar na may mahinang paglaki ay lumalabas bilang mga butas sa detection pattern. Ginagamit ng mga nursery manager ang mga gap map na ito para magplano ng replanting, mag-schedule ng irrigation adjustments, at makilala ang mga pest o disease outbreak bago kumalat.
Ang ilang sistema ay pinagsasama ang counting sa health classification, gamit ang multispectral imagery para i-flag ang mga punong nagpapakita ng mga palatandaan ng stress. Ang isang drone flight ay maaaring magbigay ng inventory count, health assessment, at gap analysis, tatlong gawain na nangangailangan ng hiwalay na manual effort sa lupa.
Mga limitasyon na dapat malaman
- Mga dense, overlapping canopy ay nagpapababa ng katumpakan dahil ang mga indibidwal na puno ay nagme-merge visually mula sa itaas. Ang mga deciduous species na puno ng dahon ay mas mahirap paghiwalayin kaysa sa mga punong walang dahon sa taglamig.
- Mga napakabatang seedling na wala pang 30 sentimetro ay maaaring masyadong maliit para ma-detect nang maaasahan mula sa standard na taas ng drone. Ang mas mababang flight ay nakakatulong ngunit binabawasan ang coverage.
- Mga mixed species planting kung saan magkaibang laki ng puno ang nag-o-overlap ay maaaring makalito sa mga model na sinanay sa uniform na mga hanay.
- Mga regulatory restriction sa drone flights malapit sa mga airport, urban area, o protected airspace ay maaaring limitahan kung saan ka maaaring lumipad.
Ang bottom line
Ang drone-based AI tree counting ay ginagawang isang flight ang isang multi-day na manual na trabaho. Ang katumpakan ay sapat na mataas para sa insurance claims, sales orders, at regulatory compliance, at bumubuti sa bawat bagong model generation.
Kung ang inyong operasyon ay nagbibilang ng puno sa pamamagitan ng paglalakad sa mga hanay na may clipboard, subukang magpalipad ng drone sa parehong lugar. Ang bilang ay nasa inyong screen bago lumapag ang drone, at ipapakita ng mapa ang mga bagay na hindi kailanman maipapakita ng anumang paglalakad sa ground level.