Kraften i att se bortom det mänskliga ögats förmåga

De olika färgerna som vi kan se är baserade på ljusets olika våglängder. Det mänskliga ögat kan upptäcka och differentiera våglängder i tre band (rött, grönt och blått) som täcker intervallet från 450 till 650 nanometer, men vi kan inte se ljus från de hundratals andra ljusband som finns utanför det området. Det finns en teknik som kallas hyperspektral avbildning som kan ge en förbättrad bild av vad som pågår i världen omkring oss. Det finns specialiserade kameror som separerar upp till 300 band av ljus med prismor och sedan digitaliserar energin de detekterar på en våglängdsspecifik basis. Dessa kameror har ett stort utbud av potentiella tillämpningar. De kan till exempel användas för att övervaka utsläpp av växthusgaser, se skillnad på blandad klar plast eller mäta fruktens mognad på en packlinje.

Det finns flera tillverkare av dessa hyperspektrala kameror, men åtminstone för närvarande är de ganska dyra – från cirka 20,000 XNUMX dollar. Den kameraspecifika programvaran de använder är inte så lätt att integrera med andra system. Den andra utmaningen som kommer med denna utökade syn på världen har att göra med datavolymen – dessa kameror genererar cirka en gigabit data per sekund!

Det finns ett företag som heter Metaspectral som försöker utöka potentialen för hyperspektral bildbehandling genom att erbjuda en kombination av hårdvara och mjukvara för att göra denna datakälla mer användarvänlig. De använder "device agnostic" edge-enheter som kör komprimeringsalgoritmer som kan anslutas till vilken hyperspektral kamera som helst och förvandla dess datautgång till ett hanterbart flöde. Deras egenutvecklade Fusion AI-plattform kan användas för att samverka med välbekant användarprogramvara, driva robotik eller mata artificiell intelligens och djupinlärningssystem.

Metaspectral samlade nyligen in 4.7 miljoner dollar i seed-runda av finansiering från SOMA Capital, Acequia Capital, Kanadas regering och ängelinvesterare inklusive Jude Gomila och Alan Rutledge. Företaget grundades tillsammans av Francis Doumet (VD) och Migel Tissera (CTO). Tissera beskriver deras erbjudande så här: "Vi har utvecklat nya datakomprimeringsalgoritmer som gör att vi kan överföra hyperspektral data bättre och snabbare, vare sig från omloppsbana till mark eller inom markbundna nätverk. Vi kombinerar det med våra framsteg inom djupinlärning för att utföra analys på subpixelnivå, vilket gör att vi kan extrahera fler insikter än konventionell datorseende eftersom vår data innehåller mer information om den spektrala dimensionen."

Faktum är att hyperspektral avbildning kan användas i mycket olika skalor. Till exempel är en av de mest utvecklade applikationerna av Metaspectrals system med närbildskameror på sorteringslinjer för blandat återvinningsmaterial där det kan särskilja klar plast genom kemisk sammansättning så att de kan sorteras i de extremt rena strömmar som krävs för återupparbetning .

Den största kanadensiska avfallsåtervinningsföretaget använder nu detta system. Det finns andra närliggande applikationer för kvalitetssäkring inom löpande band eller fruktsortering.

I den andra ytterligheten kan kameran generera data från en satellit där varje pixel i bilden representerar 30m x 30m kvadrat (900 kvadratmeter). Den kanadensiska rymdorganisationen använder det tillvägagångssättet för att spåra utsläpp av växthusgaser och till och med för att uppskatta markens kolbindning i jordbruks- eller skogsmark genom att jämföra flödeshastigheter över tid. Tekniken är också planerad för framtida utplacering på den internationella rymdstationen. Riskbedömningar av skogsbränder är en annan potentiell tillämpning för att vägleda åtgärder som föreskrivande brännskador.

Ett annat alternativ som skulle vara särskilt användbart för jordbruket är att placera ut kamerorna med drönare som flyger på 50-100 meter. I så fall kan varje pixel med data representera en yta på 2 cm gånger 2 cm och förmågan att övervaka så många olika våglängder kan möjliggöra tidig upptäckt av invasiva ogräs, insektsaktivitet, svampinfektioner i stadier innan de är synliga för människor, tidiga tecken på vatten eller näringsbrist, eller grödans mognadsparametrar för att styra skördetidpunkten. Det kan vara möjligt att spåra utsläpp av växthusgaser eller ammoniak från jordbruksjordar för att bättre förstå hur de påverkas av specifika jordbruksmetoder som minskad jordbearbetning, täckodling, gödsling med variabel hastighet eller "kontrollerad hjultrafik." För närvarande är det som behövs en hel del "ground truthing"-forskning för att koppla samman bilddata med mätningar av variablerna i fråga, men detta kommer att bli mycket enklare med datakomprimering och gränssnittsmöjligheter som finns tillgängliga från Metaspectral.

En förhoppning är att de olika tillämpningarna av hyperspektral avbildning som underlättas av Metaspectral-plattformen kommer att skapa tillräcklig efterfrågan på kamerorna för att driva tillverkningen längre ner i kostnadsinlärningskurvan.