شناسایی علف های هرز و محصولات زراعی با استفاده از تصویربرداری پهبادی برای کاهش استفاده از علف‌کش‌های مخرب محیط زیست – آلاوان

شناسایی علف های هرز و محصولات زراعی با استفاده از تصویربرداری پهبادی برای کاهش استفاده از علف‌کش‌های مخرب محیط زیست

درخواست کن

اسکای مپس (Skymaps) یک استارتاپ کشاورزی است که از فناوری‌های سنجش از دور و تجزیه و تحلیل پیشرفته تصویر برای افزایش دقت در کشاورزی استفاده می‌کند. ماموریت آن‌ها بهبود روش‌ها در مداخلات کشاورزی و در نتیجه دستیابی به تولید پایدار کشاورزی است. در این چالش دو ماهه، ۵۰ عامل تغییر فناوری برای شناسایی گونه‌های علف‌های هرز و همچنین انواع محصولات، یک مدل بینایی کامپیوتری ایجاد می‌کنند.

مسئله

علف‌کش‌های قوی می‌توانند برای مدت طولانی در محیط فعال باقی بمانند و به طور بالقوه باعث آلودگی خاک و آب و اثرات مضر بر ارگانیسم‌های غیرهدف شوند. علف‌کش‌ها چه با اثر مستقیم و چه به صورت غیرمستقیم می‌توانند بر روی ارگانیسم‌ها و سلامتی انسان اثرات زیان‌باری بگذارند. در این پروژه، شما یک راه‌حل برای کاهش قابل توجه استفاده از علف‌کش‌ها خواهید ساخت.

اهداف پروژه

در عرض هشت هفته، شما یک مدل پیشرفته خواهید ساخت که با برنامه اسکای مپس ادغام می‌شود. تحویل پروژه به شرح زیر است:

۱. تشخیص و شناسایی علف‌های هرز و محصولات زراعی

مدل یادگیری ماشین به موارد زیر نیاز دارد:

  • شناسایی گونه‌های علف‌های هرز بر اساس تشخیص‌های قبلی
  • شناسایی محصولات مختلف (ذرت، غلات، آفتابگردان و…)

ویژگی‌های اضافه:

  • کاربر باید بتواند برای «کمک» به مدل، محصول را انتخاب کند
  • کاربر برای «کمک» به مدل، علف‌های هرز محتمل/متمرکز را انتخاب می‌کند

علاوه بر این، تیم پروژه از نمونه‌های اضافی علف‌های هرز در مزرعه نمونه‌برداری خواهند کرد.

تشخیص علف هرز

نمونه‌ای از شناسایی علف هرز

تأثیر راه‌حل: استفاده کمتر از علف کش ها

weed-detection

منبع: اسکای مپس

خروجی مدل یک فایل بُرداری با ارجاع جغرافیایی با مناطق علف‌های هرز شناسایی‌شده (چند ضلعی) خواهد بود. نیازمندی‌های اجرایی خاص در ابتدای پروژه به اشتراک گذاشته می‌شود.

۲. ساخت یک ابزار شناسایی برای طبقه‌بندی سایر ویژگی‌ها

یکی از بخش‌‌های فرعی پروژه ایجاد ابزار شناسایی برای نمونه‌های مختلف برای طبقه‌بندی انواع ویژگی‌ها (بیماری، آسیب محصول، آب و…) خواهد بود.

مشخصات و ویژگی‌های داده‌ها

تمام داده‌ها در این پروژه ارائه می‌شود. ما از ترکیبی از لایه‌های RGB و چند طیفی با وضوح ۳۵-۵ میلی‌متر در پیکسل (فاصله نمونه‌برداری زمینی) و با وضوح ۱۰۰-۱۰ میلی‌متر در پیکسل (فاصله نمونه‌برداری زمینی) استفاده خواهیم کرد. جزئیات در فراخوانی شروع پروژه به اشتراک گذاشته خواهد شد.

چرا آلاوان؟ به‌خاطر حل چالش‌های این‌چنین منحصربه‌فرد با کمک هوش مصنوعی

این جنس از همکاری را هرگز در زندگی کاری خود تجربه نکرده‌اید. با ثبت یک چالش، طی ۸ هفته بعدی آن، شما با مهندسین و اساتید هوش مصنوعی کار خواهید کرد تا نه تنها راه‌حل هوشمندی برای اثرگذاری در مسئله خود بسازید، بلکه چرخه حیات پروژه علوم داده را نیز طی کنید. این مهم شامل محدوده‌سنجی، جمع‌آوری داده‌ها و آماده‌سازی مسائل و همچنین مدل‌سازی برای استقرار است.

بهترین قسمت این است که شما به یک تیم بزرگ از اساتید و خبره‌های هوش مصنوعی خواهید پیوست. چالش‌های هوش مصنوعی یک مسابقه یا ماراتن برنامه‌نویسی نیستند، بلکه یک پروژه در دنیای واقعی هستند که تجربه شما از آنچه ممکن است از طریق همکاری باشد را به سطح جدیدی می‌رساند.

 

 

 

میزبانی این چالش با دوستان ماست در