La creazione di nuvole di punti tridimensionali da foto ad alta risoluzione scattate da veicoli aerei senza equipaggio o droni potrebbe presto aiutare i coltivatori di piante e gli agronomi a risparmiare tempo e denaro rispetto alla misurazione manuale delle colture.

Dottor Lonesome Malambo, associato di ricerca post-dottorato nel dipartimento di scienza e gestione dell'ecosistema della Texas A&M University a College Station, recentemente pubblicato su questo argomento nell'International Journal of Applied Earth Observation and Geoinformation .

È stato affiancato allo studio dagli scienziati della Texas A&M AgriLife Research Dr. Sorin Popescu, Il dottor Seth Murray e il dottor Bill Rooney, i loro studenti laureati e altri all'interno del Texas A&M University System. Il finanziamento è stato fornito da AgriLife Research, l'Istituto nazionale per l'alimentazione e l'agricoltura del Dipartimento dell'agricoltura degli Stati Uniti, Texas Corn Producers Board e United Sorghum Checkoff Program.

"Ciò che questa partnership multidisciplinare ha sviluppato è trasformativo per la ricerca su mais e sorgo, non solo per sostituire le nostre misurazioni standard dell'altezza ad alta intensità di manodopera, ma per trovare nuovi modi per misurare come le diverse varietà rispondono allo stress in momenti diversi durante la stagione di crescita, " Murray ha detto. "Questo aiuterà i coltivatori di piante a identificare rese più elevate, piante più resistenti allo stress più velocemente che mai".

I ricercatori e gli allevatori di colture hanno bisogno di due tipi di dati per determinare quali selezioni di miglioramento delle colture effettuare:genetici e fenotipici, quali sono le caratteristiche fisiche della pianta, disse Malambo.

Grandi passi avanti sono stati fatti nella genetica, Egli ha detto, ma c'è ancora molto lavoro da fare per misurare le caratteristiche fisiche di qualsiasi coltura in modo tempestivo ed efficiente. Attualmente, la maggior parte delle misurazioni vengono prese da terra camminando attraverso i campi e misurando.

Negli ultimi anni, Le foto degli UAV sono state testate per vedere quale ruolo possono svolgere nell'aiutare a determinare caratteristiche come l'altezza della pianta, quale, misurato nel tempo, può aiutare a valutare l'influenza delle condizioni ambientali sulle prestazioni dell'impianto.

Malambo ha affermato che questo studio potrebbe essere il primo a utilizzare il concetto di generazione di nuvole di punti 3D utilizzando "struttura dal movimento, " o SfM, tecniche su mais e sorgo durante una stagione di crescita. Queste due colture sono state selezionate perché hanno una grande variazione di altezza e chioma nel corso della stagione.

Mentre SfM non è nuovo, la tecnologia è stata storicamente sottostimata per la stima ripetuta dell'altezza delle piante in studi limitati a una singola data o brevi campagne UAV, Egli ha detto.

In ambienti agricoli dove le condizioni cambiano a causa della maturità delle colture, Malambo ha detto che il prossimo passo logico era determinare se i metodi fossero coerenti, ripetibile e preciso durante il ciclo di crescita delle colture.

Ha detto che la tecnologia SfM utilizza immagini sovrapposte per ricostruire la vista 3D di una scena, andando oltre le tipiche foto piatte consentendo la calibrazione automatica dell'orientamento interno ed esterno. Piccoli bersagli di riferimento sono stati posizionati nei campi prima di ogni volo.

Quando viene scattata una foto dall'UAV, è fondamentalmente il trasferimento di una scena 3D in 2D, ha spiegato Malambo. SfM sta cercando di invertire questo processo utilizzando proprietà come la geometria, proprietà della luce e modellazione.

"Una volta ricreata la scena, sembra com'era quando l'abbiamo catturato, multidimensionale, " Egli ha detto.

"In questo studio, ci interessava osservare l'intero ciclo di crescita di queste colture. Abbiamo sorvolato i raccolti in 12 date diverse e allo stesso tempo abbiamo chiesto alle persone di misurare la crescita sul terreno in sei date".

Popescu ha detto in due delle date, per le misurazioni sul campo, un sensore di scansione laser terrestre, noto anche come lidar, è stato utilizzato per raccogliere dati di riferimento per l'altezza della chioma delle piante.

"Questo è un altro aspetto unico del nostro studio, " ha detto. "Per quanto ne so, nessun altro studio pubblicato ha confrontato le misurazioni della nuvola di punti SfM con la scansione lidar, ma solo alle misurazioni manuali sul campo delle altezze delle piante.

"Il lidar terrestre fornisce le misurazioni più accurate della chioma, risultante in una nuvola di punti di misurazioni 3D dirette, "Ha detto Popescu.

Ha detto che SfM fornisce nuvole di punti 3D ricostruite attraverso metodi fotogrammetrici, mentre il lidar fornisce misurazioni dirette utilizzando la scansione laser. Il sensore lidar terrestre, o TLS, ha una copertura limitata e deve essere posizionato su veicoli alti per vedere la tettoia dall'alto.

"Non è davvero pratico utilizzare il TLS per le misurazioni dell'altezza delle piante, principalmente solo per studi di validazione come il nostro, " ha detto Popescu. "Lidar può essere posizionato su un UAV, ma quei sensori sono molto costosi. Attualmente stiamo assemblando un sensore lidar UAV e lo renderemo operativo entro la fine di quest'anno".

Malambo ha affermato che le misurazioni fisiche sono state effettuate da maggio a luglio, mentre le foto di volo sono state scattate da aprile ad agosto.

"Abbiamo ottenuto un'ottima correlazione dalle misurazioni sul campo e dalle immagini che siamo stati in grado di produrre, " ha detto. "C'è un grande potenziale per ridurre il tempo e il costo della raccolta dei dati con una tecnologia a prezzi accessibili che può essere utilizzata da agricoltori e ricercatori".

Questo miglioramento nell'analisi delle immagini ha aperto la strada a fotocamere non metriche più convenienti da utilizzare su piattaforme UAV per una mappatura affidabile e una modellazione 3D rispetto alla costosa scansione laser aerea e terrestre, disse Malambo. Il software SfM è facile da imparare, automatizzato e facilmente disponibile.

Il sistema non è privo di sfide, anche se, Egli ha detto. Nello sforzo di vedere se è accurato nel tempo, Malambo ha affermato che la tecnologia dipende dalla qualità delle immagini. Con il sorgo, che è principalmente fogliame, ha fatto bene. Mais, che inaridisce e perde contrasto man mano che matura, tende a fondersi con il terreno.

"La nostra conclusione generale è che la struttura dal movimento offre un grande potenziale di lavoro per misurare l'altezza delle piante, ma dobbiamo renderlo più robusto durante la stagione di crescita, " ha detto. "I cambiamenti nella velocità del vento possono influenzare le telecamere dei droni nella cattura delle immagini. E quello, a sua volta, influisce sui risultati delle capacità 3D."

Malambo ha detto che sta cercando modi per migliorare il programma generale, compresa la riduzione dei tempi di elaborazione. I dati acquisiti durante la passata stagione di crescita sono enormi e richiedono diversi giorni per essere elaborati.

Un'idea di cui ha discusso è lavorare con altri dipartimenti del campus per poter avere un'analisi online in tempo reale del campo. L'immagine acquisita dal drone verrebbe inviata direttamente a un computer portatile dove potrebbero essere utilizzati metodi avanzati di analisi dei dati come l'apprendimento automatico o l'apprendimento profondo per consentire l'immediata disponibilità dei dati sull'altezza.