Kraften ved at se ud over det menneskelige øjes evner

De forskellige farver, vi kan se, er baseret på forskellige bølgelængder af lys. Det menneskelige øje kan detektere og differentiere bølgelængder i tre bånd (rød, grøn og blå), der dækker området fra 450 til 650 nanometer, men vi kan ikke se lys fra de hundredvis af andre lysbånd, der eksisterer uden for dette område. Der er en teknologi kaldet hyperspektral billeddannelse, der kan give et forbedret overblik over, hvad der foregår i verden omkring os. Der er specialiserede kameraer, der adskiller op til 300 lysbånd med prismer og derefter digitaliserer den energi, de registrerer på en bølgelængdespecifik basis. Disse kameraer har et stort udvalg af potentielle anvendelser. For eksempel kan de bruges til at overvåge drivhusgasemissioner, se forskel på blandet klar plast eller måle frugtens modenhed på en pakkelinje.

Der er flere producenter af disse hyperspektrale kameraer, men i det mindste for nu er de ret dyre - starter ved omkring $20,000. Den kameraspecifikke software, de bruger, er ikke så nem at integrere med andre systemer. Den anden udfordring, der følger med dette udvidede syn på verden, har at gøre med mængden af ​​data – disse kameraer genererer omkring en gigabit data i sekundet!

Der er et firma kaldet Metaspectral, der søger at udvide potentialet for hyperspektral billeddannelse ved at tilbyde en kombination af hardware og software for at gøre denne datakilde mere brugervenlig. De bruger "enhedsagnostiske" kant-enheder, der kører komprimeringsalgoritmer, der kan forbindes til ethvert hyperspektralt kamera og forvandler dets dataoutput til et overskueligt flow. Deres proprietære Fusion AI-platform kan bruges til at interface med velkendt brugersoftware, drive robotteknologi eller fodre kunstig intelligens og deep learning-systemer.

Metaspectral rejste for nylig $4.7 millioner i seed-runde af finansiering fra SOMA Capital, Acequia Capital, Canadas regering og engleinvestorer, herunder Jude Gomila og Alan Rutledge. Virksomheden blev grundlagt af Francis Doumet (CEO) og Migel Tissera (CTO). Tissera beskriver deres tilbud som følger: "Vi har udviklet nye datakomprimeringsalgoritmer, som giver os mulighed for at overføre hyperspektrale data bedre og hurtigere, uanset om det er fra kredsløb til jord eller inden for jordbaserede netværk. Vi kombinerer det med vores fremskridt inden for dyb læring for at udføre analyse på subpixelniveau, hvilket giver os mulighed for at udtrække mere indsigt end konventionelt computersyn, fordi vores data indeholder mere information om den spektrale dimension."

Faktisk kan hyperspektral billeddannelse anvendes i meget forskellige skalaer. For eksempel er en af ​​de mest udviklede anvendelser af Metaspectrals system med nærkameraer på sorteringslinjer for blandet genbrugsmateriale, hvor det kan differentiere klar plast ved kemisk sammensætning, så de kan sorteres i de ekstremt rene strømme, der kræves til genforarbejdning .

Den største canadiske affaldsgenbruger bruger nu dette system. Der findes andre nærbilleder til kvalitetssikring i samlebånd eller frugtsortering.

I den anden yderlighed kan kameraet generere data fra en satellit, hvor hver pixel af billedet repræsenterer 30m x 30m kvadrat (900 kvadratmeter). Det canadiske rumfartsagentur bruger denne tilgang til at spore drivhusgasemissioner og endda til at estimere jordens kulstofbinding i opdrættet eller skovbevokset jord ved at sammenligne fluxrater over tid. Teknologien er også beregnet til fremtidig indsættelse på den internationale rumstation. Risikovurderinger af skovbrande er en anden potentiel anvendelse til at vejlede handlinger som foreskrivende forbrændinger.

En anden mulighed, der vil være særlig nyttig for landbruget, er at sætte kameraerne ud med droner, der flyver på 50-100 meter. I så fald kan hver pixel af data repræsentere et område på 2 cm gange 2 cm, og evnen til at overvåge så mange forskellige bølgelængder kan tillade tidlig påvisning af invasivt ukrudt, insektaktivitet, svampeinfektioner i stadier, før de er synlige for mennesker, tidlige tegn på vand eller næringsstofmangel eller afgrødemodenhedsparametre til at styre høsttidspunktet. Det kan være muligt at spore drivhusgas- eller ammoniakemissioner fra opdrættede jorde for bedre at forstå, hvordan de påvirkes af specifikke landbrugsmetoder som reduceret jordbearbejdning, dækafgrøde, gødskning med variabel hastighed eller "kontrolleret hjultrafik." På nuværende tidspunkt er det nødvendigt med en hel del "ground truthing"-forskning for at forbinde billeddataene med målinger af de pågældende variabler, men dette vil være meget nemmere med de datakomprimerings- og grænsefladefunktioner, der er tilgængelige fra Metaspectral.

Et håb er, at de forskellige anvendelser af hyperspektral billeddannelse, der er faciliteret af Metaspectral-platformen, vil skabe tilstrækkelig efterspørgsel efter kameraerne til at skubbe produktionen længere ned i omkostningsindlæringskurven.