Moč videnja presega zmožnosti človeškega očesa

Različne barve, ki jih lahko vidimo, temeljijo na različnih valovnih dolžinah svetlobe. Človeško oko lahko zazna in razlikuje valovne dolžine v treh pasovih (rdečem, zelenem in modrem), ki pokrivajo obseg od 450 do 650 nanometrov, vendar ne moremo videti svetlobe iz stotine drugih pasov svetlobe, ki obstajajo zunaj tega območja. Obstaja tehnologija, imenovana hiperspektralno slikanje, ki lahko izboljša pogled na dogajanje v svetu okoli nas. Obstajajo specializirane kamere, ki ločijo do 300 svetlobnih pasov s prizmami in nato digitalizirajo energijo, ki jo zaznavajo na podlagi valovne dolžine. Te kamere imajo veliko možnosti uporabe. Uporabljajo se lahko na primer za spremljanje emisij toplogrednih plinov, ugotavljanje razlike med mešano prozorno plastiko ali merjenje zrelosti sadja na pakirni liniji.

Obstaja več proizvajalcev teh hiperspektralnih kamer, vendar so vsaj za zdaj precej drage – od približno 20,000 $ naprej. Programske opreme, specifične za kamero, ki jo uporabljajo, ni tako enostavno integrirati z drugimi sistemi. Drugi izziv, ki prihaja s tem razširjenim pogledom na svet, je povezan z količino podatkov – te kamere ustvarijo približno en gigabit podatkov na sekundo!

Obstaja podjetje z imenom Metaspectral, ki želi razširiti potencial hiperspektralnega slikanja s ponudbo kombinacije strojne in programske opreme, da bi ta vir podatkov naredil uporabniku prijaznejši. Uporabljajo "device agnostic" robne naprave, ki poganjajo algoritme stiskanja, ki jih je mogoče povezati s katero koli hiperspektralno kamero in pretvoriti njene podatke v obvladljiv tok. Njihovo lastniško platformo Fusion AI je mogoče uporabiti za vmesnik z znano uporabniško programsko opremo, za pogon robotike ali za napajanje sistemov umetne inteligence in globokega učenja.

Metaspectral je nedavno zbral 4.7 milijona dolarjev v začetnem krogu financiranja s strani SOMA Capital, Acequia Capital, vlade Kanade in angelskih vlagateljev, vključno z Judeom Gomilo in Alanom Rutledgeom. Podjetje sta soustanovila Francis Doumet (CEO) in Migel Tissera (CTO). Tissera svojo ponudbo opisuje takole: »Razvili smo nove algoritme za stiskanje podatkov, ki nam omogočajo boljši in hitrejši prenos hiperspektralnih podatkov, bodisi iz orbite v zemljo ali znotraj zemeljskih omrežij. To združujemo z našim napredkom pri poglobljenem učenju za izvedbo analize na ravni podpikslov, kar nam omogoča, da pridobimo več vpogledov kot običajni računalniški vid, ker naši podatki vsebujejo več informacij o spektralni dimenziji.«

Dejansko se lahko hiperspektralno slikanje uporablja na zelo različnih lestvicah. Na primer, ena najbolj razvitih aplikacij Metaspectralovega sistema je s kamerami od blizu na sortirnih linijah za mešani material za recikliranje, kjer lahko razlikuje prozorno plastiko po kemični sestavi, tako da jo je mogoče razvrstiti v izjemno čiste tokove, potrebne za ponovno predelavo. .

Največji kanadski predelovalec odpadkov zdaj uporablja ta sistem. Obstajajo še druge aplikacije od blizu za zagotavljanje kakovosti v montažnih linijah ali sortiranju sadja.

V drugi skrajnosti lahko kamera ustvarja podatke iz satelita, kjer vsaka slikovna pika slike predstavlja 30 m x 30 m kvadrat (900 kvadratnih metrov). Kanadska vesoljska agencija uporablja ta pristop za sledenje emisij toplogrednih plinov in celo za oceno sekvestracije ogljika v tleh na kmetijskih ali gozdnatih zemljiščih s primerjavo stopenj toka skozi čas. Tehnologija je predvidena tudi za prihodnjo uporabo na Mednarodni vesoljski postaji. Ocene tveganja gozdnih požarov so še ena možna aplikacija za usmerjanje ukrepov, kot so predpisane opekline.

Druga možnost, ki bi bila še posebej uporabna za kmetijstvo, je postavitev kamer z droni, ki letijo na 50-100 metrov. V tem primeru lahko vsak piksel podatkov predstavlja območje 2 cm krat 2 cm in zmožnost spremljanja toliko različnih valovnih dolžin bi lahko omogočila zgodnje odkrivanje invazivnih plevelov, aktivnosti žuželk, glivičnih okužb v stopnjah, preden so vidne ljudem, zgodnje znake vode ali pomanjkanja hranil ali parametrov zrelosti pridelka za usmerjanje časa žetve. Morda bi bilo mogoče slediti emisijam toplogrednih plinov ali amoniaka iz obdelovalnih tal, da bi bolje razumeli, kako nanje vplivajo posebne kmetijske prakse, kot so zmanjšana obdelava tal, pokrovni pridelki, gnojenje s spremenljivo dozo ali "nadzorovani promet koles". V tem času je potrebno veliko raziskav o »resničnosti tal«, da se slikovni podatki povežejo z meritvami zadevnih spremenljivk, vendar bo to veliko lažje s stiskanjem podatkov in zmožnostmi vmesnika, ki jih ponuja Metaspectral.

Eno upanje je, da bodo raznolike aplikacije hiperspektralnega slikanja, ki jih omogoča platforma Metaspectral, ustvarile zadostno povpraševanje po kamerah, da bodo proizvodnjo potisnile še navzdol po krivulji učenja stroškov.