Многоспектральная съемка позволяет оценивать внутренние свойства растений без разрушения образцов, но оборудование стоит десятки тысяч долларов и недоступно большинству фермеров. RGB-камеры смартфонов и простых фотоаппаратов дешевле в сотни раз, но фиксируют только видимые цвета.
Новые методы позволяют превращать обычные снимки в многоспектральные и получать данные о составе растений. Исследователи из Иллинойсского университета применили алгоритмы машинного обучения, чтобы добавить к RGB-изображениям инфракрасный диапазон. Это позволяет оценивать содержание сахара, влаги, сухого вещества и хлорофилла — ключевые показатели качества сладкого картофеля и кукурузы.
Для батата создана база Agro-HSR с 1322 парами изображений 790 образцов. Проверка показала, что реконструированные изображения хорошо коррелируют с лабораторными измерениями. Две модели — Restormer и MST++ — стабильно показывают наилучшие результаты. База доступна всем и позволяет создавать новые модели для других культур.
Для кукурузы разработан метод оценки содержания хлорофилла прямо в поле. Портативное устройство делает RGB-снимок растения, а алгоритм WASSAT преобразует его в 10-канальное многоспектральное изображение и определяет состояние культуры. Модель учитывает различия между растениями и почвой, что помогает выявлять стрессовые состояния без лабораторных исследований.
Такие технологии делают точный мониторинг урожая доступным и экономически эффективным. Фермеры получают быстрые данные о росте растений и качестве продукции, экономя время, ресурсы и сохраняя образцы. Обычная камера теперь показывает то, что раньше требовало дорогого оборудования.
Ранее Наука Mail рассказывала о том, почему тыквы накапливают загрязняющие вещества.
