隨著科技化時代的到來,影像技術也出現新突破,除了衛星影像、航空影像之外,「無人飛行載具」(UAV,簡稱無人機)成為時下最熱門的高空拍攝器材,各國皆嘗試將其結合人工智慧(AI)創新技術,朝向更精準、智慧化且安全的方向發展,臺灣也不例外,而在無人機於各產業的實際應用中,在農業相關領域更有顯著表現。
現今的農田意象,已經不再全是農民頂著烈日、彎著腰,滴著汗水種下每株作物,農業開始走向機械化、自動化發展,農機具進入田間幫助農民耕種、施肥、採收,也緩解了臺灣農業目前面臨高齡化與缺工的困境。隨著農機具發展日趨成熟,在田間也越來越常看見農民運用無人機,來進行監測、噴灑農藥或施肥,其體積小、機動性高,可快速、大面積的取得田間作物影像的特性,逐漸受到各界注目,甚至有地方政府積極使用無人機來勘查農業災損、防治禽流感。
UAV影像結合AI辨識,準確掌握作物生長情況與病蟲害防治
無人機在40公尺的高空,影像解析度可以細膩至2公分等級,所拍攝的影像除了可見光之外,亦可運用物體對不同波段的光譜有著不同的反射特性,便能以無人機作為多光譜感測儀器的載具,獲取多光譜影像,如近紅外光影像。也可以結合可見光影像與近紅外光影像,分析計算後轉換成標準差植被指數(NDVI)影像,更能清楚找到作物異常的位置。
無人機甚至可以隨著地形高低起伏貼地飛行,拍攝影像經過幾何校正處理,或與現有地形圖、航空照片及衛星影像等資料整合套疊。亦可結合遙感探測技術,將資料轉化為3D影像,快速掌握地貌變化,當天然災害發生後,是觀察淹水、土石流等災情的重要工具。
隨著智慧科技的發展,人工智慧成為現今最熱門的話題之一,市場預估時至2020年,人工智慧將在全球創造230萬個工作機會,朝向思考、解決問題,且優於人類智慧的方向發展,而這項創新技術也能應用於農業。為了精準辨識,人工智慧須先經過訓練,訓練方式是透過數據樣本,例如辨識蟲害,必須先建立各種病徵型態的圖片資料庫。透過資料庫提供機器學習的訓練樣本,藉以強化影像辨識功能,即可將無人機蒐集的田間影像資料,進行深度學習演算法處理,提供影像數據化分析。
以大面積種植的水稻為例,藉由無人機蒐集各生長階段影像,並導入人工智慧辨識技術,從秧苗期、生長期、抽穗開花期至成熟採收期,觀察辨識作物株數、高度、分布情形、水分、健康狀況等。並持續關注各生長階段情形,例如評估倒伏面積、白葉枯病感染範圍、稻熱病面積、結合環境因子權重評估預期產量等。
為使管理更為精確,除了無人機所拍攝的影像之外,還須蒐集環境採樣及遙測影像等更多相關資料的投入,像是定期土壤採樣、肥料及農藥施用調查、氣象監測等,密切注意作物生長環境,以輔助農民進行施肥、噴藥、病蟲害防治、產量預估與災損評估,做出因應策略。
更多內容請見《豐年》2018年07月號