Η δύναμη της όρασης πέρα ​​από τις δυνατότητες του ανθρώπινου ματιού

Τα διαφορετικά χρώματα που μπορούμε να δούμε βασίζονται σε διαφορετικά μήκη κύματος φωτός. Το ανθρώπινο μάτι μπορεί να ανιχνεύσει και να διαφοροποιήσει τα μήκη κύματος σε τρεις ζώνες (κόκκινο, πράσινο και μπλε) που καλύπτουν το εύρος από 450 έως 650 νανόμετρα, αλλά δεν μπορούμε να δούμε φως από τις εκατοντάδες άλλες ζώνες φωτός που υπάρχουν εκτός αυτής της περιοχής. Υπάρχει μια τεχνολογία που ονομάζεται υπερφασματική απεικόνιση που μπορεί να δώσει μια βελτιωμένη εικόνα του τι συμβαίνει στον κόσμο γύρω μας. Υπάρχουν εξειδικευμένες κάμερες που διαχωρίζουν έως και 300 ζώνες φωτός με πρίσματα και στη συνέχεια ψηφιοποιούν την ενέργεια που ανιχνεύουν σε συγκεκριμένη βάση για το μήκος κύματος. Αυτές οι κάμερες έχουν μια τεράστια γκάμα πιθανών εφαρμογών. Για παράδειγμα, μπορούν να χρησιμοποιηθούν για την παρακολούθηση των εκπομπών αερίων του θερμοκηπίου, τη διαφορά μεταξύ μικτών διαφανών πλαστικών ή τη μέτρηση της ωρίμανσης των φρούτων σε μια γραμμή συσκευασίας.

Υπάρχουν αρκετοί κατασκευαστές αυτών των υπερφασματικών καμερών, αλλά τουλάχιστον προς το παρόν είναι αρκετά ακριβές – ξεκινώντας από περίπου 20,000 $. Το λογισμικό που χρησιμοποιούν ειδικά για την κάμερα δεν είναι τόσο εύκολο να ενσωματωθεί με άλλα συστήματα. Η άλλη πρόκληση που συνοδεύει αυτή τη διευρυμένη άποψη του κόσμου έχει να κάνει με τον όγκο δεδομένων – αυτές οι κάμερες παράγουν περίπου ένα gigabit δεδομένων ανά δευτερόλεπτο!

Υπάρχει μια εταιρεία που ονομάζεται Metaspectral που επιδιώκει να επεκτείνει τις δυνατότητες της υπερφασματικής απεικόνισης προσφέροντας έναν συνδυασμό υλικού και λογισμικού για να κάνει αυτή την πηγή δεδομένων πιο φιλική προς το χρήστη. Χρησιμοποιούν συσκευές αιχμής "αγνωστικές συσκευές" που εκτελούν αλγόριθμους συμπίεσης που μπορούν να συνδεθούν σε οποιαδήποτε υπερφασματική κάμερα και να μετατρέψουν την έξοδο δεδομένων της σε διαχειρίσιμη ροή. Η ιδιόκτητη πλατφόρμα Fusion AI μπορεί να χρησιμοποιηθεί για τη διασύνδεση με οικείο λογισμικό χρήστη, την οδήγηση ρομποτικής ή την τροφοδοσία συστημάτων τεχνητής νοημοσύνης και βαθιάς μάθησης.

Η Metaspectral συγκέντρωσε πρόσφατα χρηματοδότηση 4.7 εκατομμυρίων δολαρίων από τη SOMA Capital, την Acequia Capital, την κυβέρνηση του Καναδά και από επενδυτές αγγέλους, όπως ο Jude Gomila και ο Alan Rutledge. Η εταιρεία ιδρύθηκε από τους Francis Doumet (CEO) και Migel Tissera (CTO). Η Tissera περιγράφει την προσφορά τους ως εξής: «Έχουμε αναπτύξει νέους αλγόριθμους συμπίεσης δεδομένων που μας επιτρέπουν να μεταφέρουμε υπερφασματικά δεδομένα καλύτερα και γρηγορότερα, είτε από τροχιά σε έδαφος είτε εντός επίγειων δικτύων. Το συνδυάζουμε με τις προόδους μας στη βαθιά μάθηση για την εκτέλεση ανάλυσης σε επίπεδο υπο-εικονοστοιχείων, επιτρέποντάς μας να εξάγουμε περισσότερες πληροφορίες από τη συμβατική όραση υπολογιστή, επειδή τα δεδομένα μας περιέχουν περισσότερες πληροφορίες σχετικά με τη φασματική διάσταση».

Πράγματι, η υπερφασματική απεικόνιση μπορεί να χρησιμοποιηθεί σε πολύ διαφορετικές κλίμακες. Για παράδειγμα, μία από τις πιο ανεπτυγμένες εφαρμογές του συστήματος Metaspectral είναι με κοντινές κάμερες σε γραμμές ταξινόμησης για ανάμεικτο υλικό ανακύκλωσης, όπου μπορεί να διαφοροποιήσει τα διαυγή πλαστικά με βάση τη χημική σύνθεση, έτσι ώστε να μπορούν να ταξινομηθούν στα εξαιρετικά καθαρά ρεύματα που απαιτούνται για την επανεπεξεργασία .

Η μεγαλύτερη καναδική εταιρεία ανακύκλωσης απορριμμάτων χρησιμοποιεί τώρα αυτό το σύστημα. Υπάρχουν και άλλες κοντινές εφαρμογές για διασφάλιση ποιότητας σε γραμμές συναρμολόγησης ή διαλογής φρούτων.

Στο άλλο άκρο, η κάμερα μπορεί να παράγει δεδομένα από έναν δορυφόρο όπου κάθε pixel της εικόνας αντιπροσωπεύει 30m x 30m τετράγωνο (900 τετραγωνικά μέτρα). Η Καναδική Διαστημική Υπηρεσία χρησιμοποιεί αυτή την προσέγγιση για την παρακολούθηση των εκπομπών αερίων του θερμοκηπίου και ακόμη και για την εκτίμηση της δέσμευσης άνθρακα του εδάφους σε καλλιεργούμενες ή δασικές εκτάσεις, συγκρίνοντας τους ρυθμούς ροής με την πάροδο του χρόνου. Η τεχνολογία σχεδιάζεται επίσης για μελλοντική ανάπτυξη στον Διεθνή Διαστημικό Σταθμό. Οι εκτιμήσεις κινδύνου δασικών πυρκαγιών είναι μια άλλη πιθανή εφαρμογή για την καθοδήγηση ενεργειών όπως τα συνταγογραφικά εγκαύματα.

Μια άλλη επιλογή που θα ήταν ιδιαίτερα χρήσιμη για τη γεωργία είναι η ανάπτυξη των καμερών με drones που πετούν στα 50-100 μέτρα. Σε αυτήν την περίπτωση, κάθε εικονοστοιχείο δεδομένων μπορεί να αντιπροσωπεύει μια περιοχή 2 cm επί 2 cm και η ικανότητα παρακολούθησης τόσων διαφορετικών μηκών κύματος θα μπορούσε να επιτρέψει την έγκαιρη ανίχνευση επεμβατικών ζιζανίων, δραστηριότητας εντόμων, μυκητιασικών λοιμώξεων σε στάδια πριν γίνουν ορατά στον άνθρωπο, πρώιμες ενδείξεις νερού ή ανεπάρκειες θρεπτικών συστατικών ή παραμέτρους ωριμότητας της καλλιέργειας που καθοδηγούν το χρονοδιάγραμμα της συγκομιδής. Ενδέχεται να είναι δυνατή η παρακολούθηση των εκπομπών αερίων θερμοκηπίου ή αμμωνίας από τα καλλιεργούμενα εδάφη για να κατανοήσουμε καλύτερα πώς επηρεάζονται από συγκεκριμένες γεωργικές πρακτικές όπως η μειωμένη άροση, η καλλιέργειες, η λίπανση με μεταβλητό ρυθμό ή η "ελεγχόμενη κυκλοφορία τροχών". Αυτή τη στιγμή, αυτό που χρειάζεται είναι αρκετή έρευνα «εδαφικής αλήθειας» για τη σύνδεση των δεδομένων απεικόνισης με τις μετρήσεις των εν λόγω μεταβλητών, αλλά αυτό θα είναι πολύ πιο εύκολο με τις δυνατότητες συμπίεσης δεδομένων και διεπαφής που είναι διαθέσιμες από το Metaspectral.

Μια ελπίδα είναι ότι οι ποικίλες εφαρμογές της υπερφασματικής απεικόνισης που διευκολύνονται από την πλατφόρμα Metaspectral θα δημιουργήσουν επαρκή ζήτηση για τις κάμερες ώστε να ωθήσουν την κατασκευή πιο κάτω από την καμπύλη μάθησης κόστους.