Im vorigen Artikel haben wir gesehen, wie man Karten auf der Basis von Vegetationsindizes erstellt. Diese Art von Karte ist für die Analyse von Feldern sehr wichtig, aber für einige Anwendungen müssen die Daten auf eine andere Weise analysiert werden. Daher ist es, wie oben erwähnt, wichtig, von dem gewünschten Ergebnis auszugehen und dann ein Verfahren zu entwickeln, das zu dem gewünschten Ergebnis führt.

Nehmen wir das Beispiel der Erkennung von Früchten an Bäumen. Das Endziel ist es, eine genaue Zählung der durchschnittlichen Anzahl von Früchten pro Pflanze und pro Feld zu erhalten. Zunächst einmal müssen wir also damit beginnen, wie die Fotos gesammelt werden, ob mit einer Drohne, mit einer an einem Traktor montierten Kamera oder auf andere Weise. Je nachdem, wie die Daten erfasst werden, muss das System in Bezug auf die Ausrichtung der Kamera (Drohne von oben, Traktor von der Seite) kalibriert werden. Anschließend muss sichergestellt werden, dass die genaue Position der Anlage im Feld bestimmt werden kann, daher muss jedes Foto über GPS-Koordinaten verfügen. Schließlich müssen wir verstehen, wie die Fotos verarbeitet werden: Werden wir die Form der Frucht in Relation zur Umgebung verwenden oder werden wir ein System der künstlichen Intelligenz einsetzen, das uns auf der Grundlage einer Historie von erfassten und klassifizierten Daten die Identifizierung der Frucht ermöglicht?

Wenn alle diese Parameter definiert sind, beginnt die Arbeit am Algorithmus mit Testbildern. Schließlich werden die Tests zur endgültigen Validierung in der realen Umgebung durchgeführt.

Es gibt unzählige Dienste, die sich die Eigenschaften von Feldfotos zunutze machen, wie z. B. die automatische Erkennung von Feldern anhand der angebauten Pflanzen, die Ausfallkarte für Obstplantagen oder die Erkennung von Löchern in Tropfbewässerungssystemen.

Alle diese Dienste wurden untersucht und im Laufe der Zeit immer weiter verfeinert, um die größtmögliche Übereinstimmung mit der Realität zu erreichen.

Mit diesem Artikel ist die Erläuterung der Datenverarbeitung abgeschlossen. In den kommenden Wochen werden wir sehen, wie die Daten mit unserer Columbus-Plattform auf einfachste Weise visualisiert werden können.

Das TerraSharp Team