Moć gledanja nadilazi mogućnosti ljudskog oka

Različite boje koje možemo vidjeti temelje se na različitim valnim duljinama svjetlosti. Ljudsko oko može otkriti i razlikovati valne duljine u tri pojasa (crveno, zeleno i plavo) koji pokrivaju raspon od 450 do 650 nanometara, ali ne možemo vidjeti svjetlost od stotina drugih svjetlosnih pojasa koji postoje izvan tog raspona. Postoji tehnologija koja se naziva hiperspektralna slika koja može dati bolji pogled na ono što se događa u svijetu oko nas. Postoje specijalizirane kamere koje prizmama odvajaju do 300 vrpci svjetlosti i zatim digitaliziraju energiju koju detektiraju na temelju specifične valne duljine. Ove kamere imaju ogroman raspon potencijalnih primjena. Na primjer, mogu se koristiti za praćenje emisija stakleničkih plinova, uočavanje razlike između miješane prozirne plastike ili mjerenje zrelosti voća na liniji za pakiranje.

Postoji nekoliko proizvođača ovih hiperspektralnih kamera, ali barem za sada, prilično su skupe – počevši od oko 20,000 USD. Softver specifičan za kameru koji koriste nije tako lako integrirati s drugim sustavima. Drugi izazov koji dolazi s ovim proširenim pogledom na svijet povezan je s količinom podataka – ove kamere generiraju oko jedan gigabit podataka u sekundi!

Postoji tvrtka pod nazivom Metaspectral koja nastoji proširiti potencijal hiperspektralne slike nudeći kombinaciju hardvera i softvera kako bi ovaj izvor podataka učinio lakšim za korištenje. Oni koriste rubne uređaje "agnostike uređaja" koji pokreću algoritme kompresije koji se mogu spojiti na bilo koju hiperspektralnu kameru i pretvoriti njezin izlaz podataka u tok kojim se može upravljati. Njihova vlasnička platforma Fusion AI može se koristiti za sučelje s poznatim korisničkim softverom, pokretanje robotike ili napajanje umjetne inteligencije i sustava dubokog učenja.

Metaspectral je nedavno prikupio 4.7 milijuna dolara u početnom krugu financiranja od SOMA Capitala, Acequia Capitala, Vlade Kanade i anđeoskih investitora uključujući Judea Gomilu i Alana Rutledgea. Tvrtku su suosnivali Francis Doumet (CEO) i Migel Tissera (CTO). Tissera opisuje svoju ponudu na sljedeći način: “Razvili smo nove algoritme za kompresiju podataka koji nam omogućuju bolji i brži transfer hiperspektralnih podataka, bilo iz orbite u zemlju ili unutar zemaljskih mreža. Kombiniramo to s našim napretkom u dubokom učenju kako bismo izvršili analizu razine subpiksela, što nam omogućuje da izvučemo više uvida od konvencionalnog računalnog vida jer naši podaci sadrže više informacija o spektralnoj dimenziji.”

Doista, hiperspektralno oslikavanje može se koristiti u vrlo različitim razmjerima. Na primjer, jedna od najrazvijenijih primjena Metaspectralovog sustava je s kamerama iz velike blizine na linijama za sortiranje mješovitog materijala za recikliranje gdje može razlikovati prozirnu plastiku prema kemijskom sastavu tako da se može sortirati u iznimno čiste tokove potrebne za ponovnu obradu .

Najveći kanadski reciklirač otpada sada koristi ovaj sustav. Postoje i druge primjene izbliza za osiguranje kvalitete u montažnim trakama ili sortiranju voća.

S druge strane, kamera može generirati podatke sa satelita gdje svaki piksel slike predstavlja kvadrat od 30m x 30m (900 četvornih metara). Kanadska svemirska agencija koristi taj pristup za praćenje emisija stakleničkih plinova, pa čak i za procjenu sekvestracije ugljika u zemljištu obrađenom ili šumskom zemljištu uspoređujući stope toka tijekom vremena. Tehnologija je također predviđena za buduću primjenu na Međunarodnoj svemirskoj postaji. Procjene rizika od šumskih požara još su jedna potencijalna primjena za usmjeravanje radnji kao što su propisane opekline.

Druga opcija koja bi bila od posebne koristi za poljoprivredu je postavljanje kamera s dronovima koji lete na 50-100 metara. U tom slučaju svaki piksel podataka može predstavljati područje veličine 2 cm x 2 cm, a mogućnost praćenja toliko različitih valnih duljina mogla bi omogućiti rano otkrivanje invazivnih korova, aktivnosti insekata, gljivičnih infekcija u stadijima prije nego što su vidljive ljudima, rane indikacije vode ili nedostatke hranjivih tvari, ili parametre zrelosti usjeva koji usmjeravaju vrijeme žetve. Moglo bi biti moguće pratiti emisije stakleničkih plinova ili amonijaka iz obrađivanog tla kako bi se bolje razumjelo kako na njih utječu specifične poljoprivredne prakse poput smanjene obrade tla, obrade usjeva, varijabilne količine gnojidbe ili "kontroliranog prometa kotačima". U ovom trenutku ono što je potrebno je dobar dio istraživanja "ispravnosti tla" kako bi se slikovni podaci povezali s mjerenjima dotičnih varijabli, ali to će biti puno lakše s kompresijom podataka i mogućnostima sučelja koje nudi Metaspectral.

Jedna je nada da će raznolike primjene hiperspektralnog snimanja koje omogućuje platforma Metaspectral stvoriti dovoljnu potražnju za kamerama da gurnu proizvodnju dalje niz krivulju učenja troškova.