Tamil
தொழில்துறை கேமரா பலவகை படங்கள்: துல்லியமும் நிலைத்தன்மையும் கொண்ட விவசாய வகைப்படுத்தலை மாற்றுதல்
创建于04.23
அறிமுகம்
உயர்தர உணவுப் தயாரிப்பு மற்றும் கழிவுகளை குறைப்பதற்கான தேடலில், பல்வேறு அலைநீளங்களில் ஒளியை பகுப்பாய்வு செய்ய முன்னணி தொழில்துறை கேமராக்களை பயன்படுத்துவதன் மூலம், விவசாயிகள் மற்றும் செயலாக்கக்காரர்கள் இப்போது பயிர் வகைப்படுத்தல், தரம் மதிப்பீடு மற்றும் குறைபாடுகளை கண்டறிதல் குறித்து தரவுகளை அடிப்படையாகக் கொண்டு முடிவுகளை எடுக்க முடிகிறது. இந்த ஆழமான ஆய்வு, இந்த தொழில்நுட்பம் விவசாய வகைப்படுத்தல் அமைப்புகளை எவ்வாறு புரட்டுகிறது, லாபத்தை மேம்படுத்துகிறது மற்றும் நிலைத்தன்மையை முன்னெடுக்கிறது என்பதை ஆராய்கிறது.
மல்டிஸ்பெக்ட்ரல் இமேஜிங் அறிவியல்: காணாத உள்ளடக்கம், காட்சியளிக்கும் முடிவுகள்
பலவகை ஒளி கேமராக்கள் காட்சி வெளிச்சம் (RGB) முதல் அருகிலுள்ள உலோக ஒளி (NIR) மற்றும் அதற்கு அப்பால் உள்ள அலைநீளங்களில் படங்களை பிடிக்கின்றன. ஒவ்வொரு பந்தும் தனித்துவமான உள்ளடக்கங்களை வழங்குகிறது:
- காணப்படும் பட்டைகள் (பச்சை/சிகப்பு) குளோரோபில் மட்டங்கள் மற்றும் மேற்பரப்பு நிறமயமாக்கலை வெளிப்படுத்துகின்றன.
- நெருங்கிய உலோகத்தொகுப்பு (NIR) தாவர திசுக்களை ஊடுருவி, நீர் உள்ளடக்கம், செல்களின் அமைப்பு மற்றும் உள்ளக குறைபாடுகளை மதிப்பீடு செய்கிறது.
- Red-edge bands (710-740 nm) photosynthesis திறனைப் பொருந்துகிறது, தாவரத்தின் ஆரோக்கியத்தை குறிக்கிறது.
இந்த ஸ்பெக்ட்ரல் கையொப்பங்களை இயந்திரக் கற்றல் ஆல்கொரிதம்களுடன் இணைத்து, முறைமைகள் மனித கண்களுக்கு தெரியாத பிரச்சினைகளை அடையாளம் காணலாம். எடுத்துக்காட்டாக, உள்ளகமாக பழுப்பு அல்லது சிதைவுள்ள ஆப்பிள்கள் குறைந்த NIR பிரதிபலிப்பு காட்சியளிக்கின்றன, இதனால் சீரமைப்பு இயந்திரங்கள் அவற்றை கெட்டுப்போகும் முன் பிரிக்க முடிகிறது. இந்த அழிக்காத பகுப்பாய்வு நேரம், தொழிலாளர்கள் மற்றும் வளங்களைச் சேமிக்கிறது.
முக்கிய பயன்பாடுகள்: விவசாய வகைப்படுத்தலில் செயல்திறனை மற்றும் தரத்தை மேம்படுத்துதல்
1. குறை கண்டறிதல் மற்றும் வகைப்படுத்துதல் பலவண்ண முறைமைகள் சிறப்பாக செயற்படுகின்றன:
- மேல்மட்ட குறைபாடுகளை (காயங்கள், பூஞ்சை, பூச்சி சேதம்) உருண்ட மற்றும் நிற மாறுபாடுகள் மூலம் அடையாளம் காணுதல்.
- உள்ளக பிரச்சினைகளை கண்டறிதல் (சர்க்கரை உள்ளடக்கம், பழம் பழுத்த நிலை, பூஞ்சை தொற்றுகள்) NIR உறிஞ்சல் மாதிரிகள் மூலம்.
- வெளிநாட்டு பொருள்களை அகற்றுதல்: உயர் வேகமான படங்களைப் பயன்படுத்தி கற்கள், பிளாஸ்டிக் அல்லது மண் துகள்களை பிரித்தல்.
2. ஊட்டச்சத்து பகுப்பாய்வு மற்றும் தரம் மதிப்பீடு கதிரியக்க தரவுகளை வேதியியல் அமைப்புடன் தொடர்புபடுத்துவதன் மூலம், உற்பத்தியாளர்கள்:
- பழங்கள் மற்றும் காய்கறிகளை சர்க்கரை, புரதம் அல்லது ஈரப்பதம் உள்ளடக்கத்தின் அடிப்படையில் தரவரிசைப்படுத்தவும்.
- உயர்ந்த பழுத்த தன்மையை உறுதி செய்ய அறுவடை நேரத்தை மேம்படுத்தவும்.
- உயர்தர தயாரிப்பு வரிசைகளை உருவாக்கவும், ஒரே மாதிரியான ஊட்டச்சத்து சித்திரங்களை கொண்டிருக்கும் (எடுத்துக்காட்டாக, "மேலும் இனிப்பான" சிட்ரஸ்).
3. நோய் மற்றும் பூச்சி மேலாண்மை முந்தைய கண்டுபிடிப்பு பயிர் இழப்புகளைத் தடுக்கும் முக்கியமானது. பல்வேறு ஸ்பெக்ட்ரல் படங்கள் சாத்தியமாக்குகிறது:
- உணவுப் பற்றாக்குறைகள் அல்லது அழுத்தம் உண்டான மாற்றங்களை இலைப் பிரதிபலிப்பில் கண்டறிதல்.
- முதற்கட்ட நோய்களின் அடையாளம் (எடுத்துக்காட்டாக, பாதிக்கப்பட்ட பகுதிகளில் குறைந்த NIR பிரதிபலிப்பு).
- பெரிய நிலங்களை பரிசோதித்து, பரவல்களை கண்டறிதல், பூச்சிக்கொல்லி அதிக பயன்பாட்டை குறைத்தல்.
சாதாரண முறைகளுக்கு மேலான நன்மைகள்: ஏன் பலவண்ண படங்கள் வெற்றி பெறுகின்றன
1. வேகம் மற்றும் அளவு: நிமிடத்திற்கு ஆயிரக்கணக்கான உருப்படிகளை வகைப்படுத்துங்கள், கைவினைச் செலவுகளை குறைக்கிறது.
2. துல்லியம்: 99% குறைபாடு கண்டறிதல், வீணாகும் பொருட்களை குறைத்து, விளைவுகளை அதிகரிக்கிறது.
3. அழிக்காத: மாதிரியில் சேதமில்லை, தயாரிப்பு முழுமையை பாதுகாக்கிறது.
4. தரவினால் இயக்கப்படும் உள்ளடக்கம்: தொடர்ச்சியான செயல்முறை மேம்பாட்டிற்காக வகைப்படுத்தும் அளவீடுகளை (NDVI, GNDVI) கண்காணிக்கவும்.
5. தற்காலிகம்: குறைந்த உணவுப் பாழாக்கம், இலக்கு அடிப்படையிலான வளப் பகிர்வு, மற்றும் சுற்றுச்சூழலுக்கு உகந்த பூச்சிக்கொல்லி கட்டுப்பாடு.
உண்மையான உலகம் மீதான தாக்கம்: செயல்பாட்டில் வழக்குகள்
அரிசி மில் மாற்றம் தாய்லாந்தில் பல்வேறு ஸ்பெக்ட்ரல் ஸ்கேனர்களை ஒருங்கிணைத்து, ஒரு அரிசி செயலாக்கம் அடைந்தது:
- 99% வகைபடுத்தும் துல்லியம் வெள்ளை மற்றும் பழுப்பு அரிசிகளுக்காக.
- வெளிநாட்டு பொருட்களின் தானியங்கி அகற்றல் (எ.கா., கற்கள், பிளாஸ்டிக்).
- செலவுகளைச் சேமிக்க $XX/டன் கையால் வகைப்படுத்துதல் மற்றும் கழிவுகளை குறைப்பதன் மூலம்.
தக்காளி வகைப்படுத்தல் உலக சந்தைகளுக்காக ஒரு ஸ்பானிய விவசாயி NIR கேமராக்களை பயன்படுத்தினார்:
- தரத்தை அடிப்படையில் தக்காளிகளை வகைப்படுத்தவும் (பச்சை, முதிர்ந்த பச்சை, பழுத்த).
- சர்க்கரை உள்ளடக்கம் மற்றும் உறுதியை அளவிடுங்கள், நுகர்வோர் விருப்பங்களுக்கு ஏற்ப அமைக்கவும்.
- 30% க்குக் குறைந்த அளவிலான பழம் கழிவுகளை குறைத்து, ஏற்றுமதி லாபங்களை அதிகரிக்கவும்.
சவால்கள் மற்றும் எதிர்கால போக்குகள் சவால்கள்:
- முதற்கட்ட உபகரண செலவுகள் (ROI பொதுவாக 1-2 ஆண்டுகளில் மீட்டுக்கொள்ளப்படுகிறது).
- இணைப்பு சிக்கல் (படமிடல் மற்றும் தரவுப் பகுப்பாய்வில் நிபுணத்துவம் தேவை).
எதிர்கால திசைகள்:
- ஹைப்பர்ஸ்பெக்ட்ரல் இமேஜிங்: >100 பாண்டுகள் மிகச் சரியான பகுப்பாய்வுக்கு.
- AI மற்றும் ரோபோட்டிக்ஸ்: முழுமையாக சுயாதீனமாக செயல்படும் வகைப்படுத்தும் அமைப்புகள் நேரடி மாற்றங்களுடன்.
- மேக பகுப்பாய்வு: தொலைநோக்கில் தரத்தை கண்காணித்தல் மற்றும் முன்னறிவிப்பு பராமரிப்பு.
தீர்வு
பலவண்ண காட்சியியல் விவசாய வகைப்படுத்தலை துல்லியம், வேகம் மற்றும் நிலைத்தன்மையை இணைத்து மறுசீரமைக்கிறது. செலவுகள் குறைவாகும் மற்றும் AI அல்காரிதங்கள் முன்னேறும் போது, இந்த தொழில்நுட்பம் உலகளாவிய விவசாயிகள், செயலாக்கர்கள் மற்றும் உணவு ஏற்றுமதியாளர்களுக்கான ஒரு தரநிலையாக மாறும். மின்காந்த ஸ்பெக்ட்ரம் முழுவதும் உள்ள உள்ளடக்கங்களை திறக்குவதன் மூலம், தொழில்துறை கேமராக்கள் புத்திசாலித்தனமான, மேலும் திறமையான உணவு அமைப்புகளுக்கான பாதையை அமைக்கின்றன.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat