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

Skymaps یک استارتاپ فناوری کشاورزی است که از فناوری های سنجش از دور و تجزیه و تحلیل تصویر پیشرفته برای کشاورزی دقیق استفاده می کند. ماموریت آنها بهبود روش ها در مداخلات کشاورزی و در نتیجه دستیابی به تولید پایدار کشاورزی است.

در این چالش دو ماهه ، 50 عامل تغییر فناوری برای شناسایی گونه های علف های هرز و همچنین انواع محصولات ، یک مدل بینایی کامپیوتری ایجاد می کنند.

مشکل

علف کش های قوی می توانند برای مدت طولانی در محیط فعال باقی بمانند و به طور بالقوه باعث آلودگی خاک و آب و اثرات مضر بر ارگانیسم های غیر هدف شوند. علف کش ها چه با اثر مستقیم و چه به صورت غیرمستقیم می توانند بر روی ارگانیسم ها و سلامتی انسان اثرات زیان‌باری بگذارند. در این پروژه، شما یک راه حل برای کاهش قابل توجه استفاده از علف کش ها خواهید ساخت.

اهداف پروژه

در عرض هشت هفته ، شما یک مدل پیشرفته خواهید ساخت که با برنامه Skymaps ادغام می شود.

تحویل پروژه به شرح زیر است:

 

1. تشخیص و شناسایی علف های هرز و محصولات زراعی

مدل یادگیری ماشین به موارد زیر نیاز دارد:

  • شناسایی گونه های علف های هرز را بر اساس تشخیص‌های قبلی.
  • شناسایی محصولات مختلف (ذرت ، غلات ، آفتابگردان و غیره).
  • ویژگی های اضافه:
    • کاربر باید بتواند برای “کمک” به مدل ، محصول را انتخاب کند.
    • کاربر برای “کمک” به مدل ، علفهای هرز محتمل / متمرکز را انتخاب می کند.

علاوه بر این ، تیم پروژه از نمونه های اضافی علف های هرز در مزرعه نمونه برداری خواهند کرد.

تشخیص علف هرز

نمونه‌ای از شناسایی علف هرز

تأثیر راه‌حل: استفاده کمتر از علف کش ها

weed-detection

منبع Skymaps

 

خروجی مدل یک فایل بُرداری با ارجاع جغرافیایی (شکل فایل) با مناطق علف های هرز شناسایی شده (چند ضلعی) خواهد بود.

نیازمندی‌های اجرایی خاص در ابتدای پروژه به اشتراک گذاشته می شود.

2. ساخت یک ابزار شناسایی برای طبقه بندی سایر ویژگی ها

یکی از بخش‌‌های فرعی پروژه ایجاد ابزار شناسایی برای نمونه های مختلف برای طبقه بندی انواع ویژگی ها (بیماری ، آسیب محصول ، آب و غیره) خواهد بود.

 

مشخصات و ویژگی‌های داده‌ها

تمام داده ها در این پروژه ارائه می شود. ما از ترکیبی از لایه های RGB و چند طیفی با وضوح 5-30 میلی متر در پیکسل (فاصله نمونه برداری زمینی) و با وضوح 10-100 میلی متر در پیکسل (فاصله نمونه برداری زمینی) استفاده خواهیم کرد.

جزئیات در فراخوانی شروع پروژه به اشتراک گذاشته خواهد شد.

 

چرا به ما ملحق شوید؟ به‌خاطر چالش‌های هوش مصنوعی منحصر به‌فردمان

تجربه همکاری که هرگز در زندگی کاری خود تجربه نکرده اید! برای هشت هفته آینده ، شما با 50 مهندس از سراسر جهان کار خواهید کرد تا نه تنها راه حل های هوش مصنوعی برای اثرگذاری در دنیای واقعی بسازید ، بلکه چرخه حیات پروژه علوم داده را نیز طی کنید. این شامل محدوده سنجی ، جمع آوری داده ها و آماده سازی مسائل و همچنین مدل سازی برای استقرار است.

چالش های هوش مصنوعی ما 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 می رساند.

میزبانی این چالش با دوستان ماست در