Traceable acquisition and processing workflow for multispectral drone monitoring of orchards
Diese Arbeit präsentiert einen rückverfolgbaren Erfassungs- und Verarbeitungsablauf für das Monitoring von Obstplantagen mittels einer DJI Mavic 3 Multispectral Drohne, wobei ein umfassendes Protokoll von der Missionsplanung bis zur Qualitätskontrolle detailliert wird, das unter Verwendung von Daten aus Durian-Plantagen in Malaysia evaluiert wurde, um eine reproduzierbare Datenprovenienz zu ermöglichen und Bereiche für zukünftige Validierungen zu identifizieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Im Herzen der modernen Landwirtschaft findet eine stille Revolution über den Bäumen statt. Landwirte und Wissenschaftler verlassen sich seit langem auf Satelliten, um die Ernte aus dem Weltraum zu beobachten, aber diese Ansichten sind oft zu weit entfernt, um die subtilen Unterschiede zwischen einzelnen Bäumen in einer Plantage zu erkennen. Die Erkundung am Boden, bei der eine Person durch die Reihen geht, bietet zwar Details, lässt aber das große Ganze vermissen und ist zu langsam, um große Flächen abzudecken. Hier kommt die Drohne ins Spiel, ein kleiner Flugapparat, der gerade hoch genug schweben kann, um scharfe Bilder von jedem Baum einzufangen, und doch niedrig genug, um den spezifischen Gesundheitszustand eines einzelnen Zweiges zu erkennen. Um diese Bilder nützlich zu machen, müssen sie mehr als nur hübsche Fotos sein; sie müssen präzise Messungen darstellen. Dies erfordert einen strengen Satz von Regeln dafür, wie die Drohne fliegt, wie das Licht gemessen wird und wie die Fotos zusammengesetzt werden. Ohne diese Regeln könnte eine Änderung der Farbe eines Baumes auf einem Foto lediglich eine Änderung des Wetters oder der Tageszeit sein, anstatt eine echte Veränderung der Gesundheit des Baumes.
Ein Forscherteam in Sarawak, Malaysia, setzte sich zum Ziel, eine klare, schrittweise Anleitung für den Einsatz von Drohnen zur Überwachung von Durian-Plantagen zu erstellen und zu testen. Sie konzentrierten sich auf ein spezifisches Drohnenmodell, das mit Kameras ausgestattet ist, die nicht nur die Farben sehen können, die Menschen wahrnehmen, sondern auch unsichtbares Licht, das Pflanzen reflektieren. Ihr Ziel war es nicht, eine neue Art des Fliegens zu erfinden, sondern ein zuverlässiges Aufzeichnungssystem zu schaffen. Sie wollten sicherstellen, dass, wenn jemand im nächsten Jahr dieselbe Drohne über dieselbe Plantage fliegt, die Ergebnisse mit Zuversicht vergleichen kann. Das Team blickte auf drei spezifische Durian-Plantagen zurück, die sie bereits vermessen hatten, und überprüfte ihre Notizen und Daten, um zu sehen, ob sie genügend Informationen erfasst hatten, um genau zu beweisen, wie die Bilder erstellt wurden. Sie stellten fest, dass sie zwar den gesamten Weg vom Flugplan bis zur fertigen Karte erfolgreich rekonstruieren konnten, einige entscheidende Puzzleteile jedoch fehlten, was verhinderte, dass sie behaupten konnten, die Ergebnisse seien perfekt genaue Messungen des wahren Zustands der Bäume.
Die Forscher begannen mit der Untersuchung der Flüge, die sie bereits über drei Blöcke von Durian-Bäumen in Sri Aman und Tapah durchgeführt hatten. Sie verwendeten eine Drohne, die eine Standardkamera für Farbfotos und einen speziellen Sensor trägt, der vier verschiedene Lichtbänder erfasst, einschließlich des nahen Infrarots, welches für das Verständnis der Pflanzengesundheit entscheidend ist. Das Team flog in unterschiedlichen Höhen, die zwischen 70 und 100 Metern über dem Boden lagen, abhängig von der Größe des Plantagenblocks. In diesen Höhen konnte die Kamera Details von so geringer Größe wie 3,23 Zentimeter oder 4,60 Zentimeter pro Pixel erfassen. Sie flogen in einem Gittermuster und stellten sicher, dass sich jedes Foto um etwa 75 bis 80 Prozent mit dem nächsten überschnitt, eine Technik, die es Software ermöglicht, die Bilder zu einer einzigen, nahtlosen Karte zusammenzufügen. Während dieser Flüge zeichnete die Drohne die Tageszeit, die Windgeschwindigkeit und die Helligkeit des Sonnenlichts auf, all dies Faktoren, die beeinflussen können, wie eine Pflanze auf einem Foto erscheint.
Nachdem die Daten gesammelt worden waren, verarbeitete das Team sie, um verschiedene Arten von Karten zu erstellen. Sie generierten klare, farbige Orthomosaike, die wie riesige, hochauflösende Luftaufnahmen der Plantage wirken und den Layout der Bäume, die Erdwege und die Umgebung zeigen. Sie erstellten auch Karten basierend auf den unsichtbaren Lichtbändern, was es ihnen ermöglichte, Vegetationsindizes zu berechnen. Dies sind numerische Werte, die angeben, wie grün und gesund die Pflanzen sind. Beispielsweise erstellten sie Karten, die den Normalized Difference Vegetation Index zeigten, ein gängiges Maß für die Vitalität der Pflanzen. Die Software kombinierte erfolgreich tausende einzelner Bilder zu diesen großen Karten, und das Team konnte jeden Schritt des Prozesses nachverfolgen, von den Rohfotos bis zu den fertigen Farbschichten. Dies demonstrierte, dass der von ihnen vorgeschlagene Arbeitsablauf funktional war und die gewünschten visuellen Produkte erzeugen konnte.
Dennoch deckte die Studie auch erhebliche Lücken in ihren Aufzeichnungen auf, die die Vertrauenswürdigkeit dieser Karten für ernsthafte landwirtschaftliche Entscheidungen einschränken. Während das Team über die internen Aufzeichnungen der Drohne zur Sonneneinstrahlung verfügte, verwendete es kein physisches, kalibriertes Weißbrett am Boden, um das Licht exakt zu messen. Ohne diesen Bodenbezug stellen die Zahlen in den Karten eher eine relative Helligkeit dar als eine absolute, wissenschaftlich verifizierte Reflexion. Das bedeutet, dass die Karten zwar zeigen können, welche Bäume in einem einzelnen Foto grüner aussehen als andere, es jedoch schwierig ist, mit Sicherheit zu sagen, ob ein Baum wirklich gesund ist oder ob der Unterschied lediglich durch eine Verschiebung der Wolken oder den Winkel der Sonne entstanden ist. Darüber hinaus nutzte die Drohne zwar ein hochpräzises Positionierungssystem, um zu wissen, wo sie sich befand, aber das Team richtete keine unabhängigen Kontrollpunkte am Boden ein, um den exakten Ort jedes Punktes auf der Karte zu verifizieren. Sie verwendeten dieselben Punkte, um die Karte zu führen und um sie zu überprüfen, was so ist, als würde man seine eigene Arbeit prüfen, ohne ein zweites Paar Augen zur Kontrolle zu haben.
Die Forscher kamen zu dem Schluss, dass ihr vorgeschlagener Arbeitsablauf hervorragend geeignet ist, um Daten zu organisieren und eine klare Historie darüber zu erstellen, wie eine Vermessung durchgeführt wurde, aber er ist noch kein vollständiger wissenschaftlicher Beweis für den Zustand der Bäume. Die von ihnen erstellten Karten sind wertvoll, um Bereiche zu identifizieren, die einer genaueren Inspektion bedürfen, wie etwa ein Abschnitt der Plantage, der ungewöhnlich braun oder licht gesät aussieht. Die Studie stellt jedoch ausdrücklich klar, dass diese Karten noch nicht eingesetzt werden können, um spezifische Probleme wie Nährstoffmangel, Krankheiten oder Wasserstress mit Gewissheit zu diagnostizieren. Um dies zu erreichen, müssten zukünftige Vermessungen strengere Kontrollen beinhalten, wie etwa das Platzieren bekannter lichtreflektierender Paneele am Boden und die direkte Messung der Gesundheit der Bäume mittels Boden- und Blattproben. Die Studie dient als Blaupause dafür, was dokumentiert werden muss, um die Drohnenüberwachung zuverlässig zu machen, und hebt hervor, dass die Technologie bereit zum Fliegen ist, die Wissenschaft der Interpretation der Daten jedoch noch einige weitere Beweisstücke benötigt, um vollkommen vertrauenswürdig zu sein.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.