הערכת ביומסה מבוססת ראייה ממוחשבת לצמחים פולשים
9 בפברואר 2024
אנו מדווחים על נהלים מפורטים לשיטת הערכת ביומסה של צמחים פולשים, המשתמשת בנתונים המתקבלים מחישה מרחוק של כלי טיס בלתי מאוישים (כטב"מים) כדי להעריך ביומסה וללכוד את ההתפלגות המרחבית של מינים פולשים. גישה זו הוכחה כמועילה ביותר לביצוע הערכת סיכונים והתרעה מוקדמת על צמחים פולשים.
השיטה שלנו משתמשת בחישה מרחוק של מל"טים ובראייה ממוחשבת כדי להעריך ביעילות ביומסה פולשת של צמחים, תוך התגברות על חוסר היעילות והסובייקטיביות של סקרים ידניים מסורתיים ואיסוף נתונים בסביבות מורכבות. ההתקדמות האחרונה בחישה מרחוק של מל"טים להערכת ביומסה של צמחים כוללת הדמיה ברזולוציה גבוהה ושילוב נתונים רב-מודאליים. התפתחויות אלה משפרות את המחקר המדעי, ניטור סביבתי וניהול חקלאי על ידי הצעת תמיכה מדויקת יותר בנתונים.
ההתקדמות בחישה מרחוק של מל"טים להערכת ביומסה של צמחים כוללת חיישנים ברזולוציה גבוהה, הדמיה היפרספקטרלית מולטיספקטרלית, GPS, INS, תוכנות מיוחדות לעיבוד נתונים, בינה מלאכותית ולמידה עמוקה, סוללות משופרות, אחסון נתונים משופר ומחשוב ענן. התייחסות לביומסה מסורתית של צמח היא שיטות מסורתיות. השיטה המוצעת שלנו אינה דורשת שירות וסריקת נתונים ועבור שיטות הערכה היפרספקטרליות מולטיספקטרליות אחרות, איננו זקוקים לדרישה מיוחדת.
השיטה שלנו יכולה להעריך במדויק את הביומסה של הצמח ללא צורך בניסיון, וזה היתרון שלנו. המעבדה שלנו תמשיך לחקור חיישנים מרחוק של מל"טים, הערכת ביומסה של צמחים. בעתיד נתמקד בקושחה של אלגוריתמים מדהימים של למידה עמוקה, המיושמים בסינון נתונים המאוחסנים מרחוק.
המשך מחקר מעמיק על העדפת שגשוג והחידושים בטכנולוגיית החיישנים.
סקירה כללית
מחקר זה מציג שיטה חדשנית להערכת ביומסה של צמחים פולשים באמצעות חישוש מרחוק בעזרת כלי טיס בלתי מאוישים (UAV). גישה זו משפרת את דיוק הערכת הביומסה ואת מיפוי ההפצה המרחבית של מינים פולשים, ובכך מסייעת בהערכת סיכונים ובמערכות התרעה מוקדמת.
מרכיבי מפתח של המחקר
תחום מדע
- חישוש מרחוק
- ניטור סביבתי
- ניהול חקלאי
רקע
- שיטות מסורתיות להערכת ביומסה הן לרוב לא יעילות וסובייקטיביות.
- טכנולוגיית כטב"מים מציעה יכולות דימוי ברזולוציה גבוהה.
- אינטגרציה של נתונים מולטי-מודאליים משפרת את הדיוק של הערכות ביומסה.
- התקדמויות בחיישני כטב"מים (UAV) ובעיבוד נתונים משנות את המחקר הסביבתי.
מטרת המחקר
- פיתוח שיטה יעילה יותר להערכת הביומסה של צמחים פולשים.
- שימוש בחישוש מרחוק באמצעות UAV לשיפור איסוף הנתונים.
- אספקת כלי אמין למתן התרעה מוקדמת על מינים פולשים.
שיטות שהשתמשו בהן
- טכנולוגיית חישוש מרחוק באמצעות כטב"ם לאיסוף נתונים.
- טכניקות דימוי ברזולוציה גבוהה.
- דימוי מולטיספקטרלי והיפרספקטרלי.
- שילוב של בינה מלאכותית ולמידה עמוקה לניתוח נתונים.
תוצאות עיקריות
- השיטה המוצעת מפחיתה באופן משמעותי את הסובייקטיביות של סקרים מסורתיים.
- נתונים ברזולוציה גבוהה משפרים את הדיוק של הערכת הביומסה.
- טכנולוגיית UAV מאפשרת ניטור יעיל של סביבות מורכבות.
- השיטה נגישה למשתמשים ללא ניסיון רב.
מסקנות
- השיטה המבוססת על UAV היא כלי מבטיח לניהול מינים פולשים.
- היא משפרת את הדיוק של הערכות ביומסה בנופים שונים.
- מחקרים עתידיים ימשיכו לשכלל את יישומי החישוש מרחוק באמצעות UAV.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
הערכה מדויקת של המסה הביולוגית של צמחים פולשים היא קריטית להערכת סיכונים סביבתיים ולהקצאת משאבים במחקר ופיתוח של ביו-פרמה. שילוב של חישוש מרחוק באמצעות רחפנים (UAV) עם ראייה ממוחשבת ולמידת מכונה מאפשר מיפוי כמותי וניתן להרחבה של המסה הביולוגית של הצמחים, ובכך תומך בביטחון חזוי באסטרטגיות של התערבות אקולוגית. גישה זו משפרת את הזיהוי המוקדם של מפגעים ומסייעת בקבלת החלטות לגבי פורטפוליו של תוכניות בביוטכנולוגיה סביבתית וחקלאית.
יישומים אסטרטגיים במחקר ופיתוח בביופארמה
גילוי מוקדם ותיקוף מטרה
- מאפשר הערכה כמותית של השפעת צמחים פולשים עבור מחקרים אקולוגיים מונחי-השערה.
- תומך בתיקוף פונקציונלי של יעדי התערבות באמצעות מיפוי התפלגות הביומסה בקנה מידה רחב.
- משפר את הביטחון החזוי בבחירת אזורים בסיכון גבוה לצורך הפחתה ממוקדת.
סריקה ופיתוח בדיקות (Assay)
- מספק מערכי נתונים של תמונות שעברו תיקוף לצורך פיתוח מודלים של למידה חישובית (machine learning) בשלבים הבאים.
- מנרמל את הכימות של הביומסה, ובכך משפר את השחזוריות בין מחקרי שטח שונים.
- מאפשר סריקה ניתנת להרחבה של יעילות ההתערבות באמצעות קבלת תוצאי ביומסה ברזולוציה מרחבית.
מחקר תרגומי ופרה-קליני
- מבצע התאמה בין תוצרי חישוש מרחוק לבין ביומסה שנמדדה בשטח לצורך רציפות תרגומית.
- מאפשר קידום של התערבויות אקולוגיות מותאם סיכון, בהסתמך על נתונים מרחביים כמותיים.
- תומך בפיתוח של מודלים ניבויים להערכת סיכונים אזורית.
שילוב תהליכי עבודה וצנרת עיבוד
שיטה זו להערכת ביומסה המבוססת על UAV מתאימה החל משלב הגילוי האקולוגי המוקדם ועד לתיקוף תרגומי, ובכך היא מגשרת בין איסוף נתונים בשטח לבין מידול חיזוי.
- ביולוגיה של הגילוי: תומכת בבחינת השערות ובבירור מסלולים על ידי כימות התפשטות צמחים פולשים ומסביומה.
- סריקה: מספקת פלטים כמותיים הניתנים לשחזור המבוססים על תמונות לצורך אימון ותיקוף של מודלים.
- אנליטיקה: מספקת מדדי צמיחה ופלטי רגרסיה להשוואה סטטיסטית חזקה של תנאים.
- מחקר תרגומי: מקשרת בין נתוני חישוש מרחוק למדידות שטח (ground-truth), ובכך תומכת במידול סיכונים פרה-קליני.
- שימוש חוזר ארגוני: מבססת תהליך עבודה (workflow) ניתן להרחבה ולשימוש חוזר לצורך ניטור סביבתי שוטף והערכת התערבויות.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החזוי ומפחית עמימות בהערכת סיכונים אקולוגיים.
- ערך תפעולי: מבצע סטנדרטיזציה של הערכת הביומסה, ובכך משפר את השחזוריות והיכולת להרחבה (scalability) בין אתרים שונים.
- ערך אסטרטגי: מאפשר קבלת החלטות מבוססת נתונים לגבי יישום התערבויות ותיעדוף משאבים.
- השפעה על הפורטפוליו: תומך בתיעדוף מותאם-סיכון של יוזמות מחקר ופיתוח בתחומי האקולוגיה והחקלאות.
שיקולי יישום
- נדרשת מומחיות בתפעול UAV, עיבוד תמונה ופיתוח מודלים של למידת מכונה.
- נדרשת גישה לציוד דימות ברזולוציה גבוהה ולתשתית חישובית לניתוח נתונים.
- נדרשים פרוטוקולים סטנדרטיים של דגימה ותיוג לצורך השוואה בין מחקרים.
- ייתכן שיהיה צורך בהתאמה עבור מיני צמחים שונים או הקשרים סביבתיים שונים.
- ביצועי המודל תלויים באיכות נתוני הדימות ובמדידות ביומסה של אמת קרקעית (ground-truth).
שאלות נפוצות בתחום הביו-פארמה
Chapters in this video
0:00
Introduction
2:08
Creating a UAV Image Dataset for the Estimation of Invasive Plant Biomass
3:43
Collecting the Aboveground Biomass of Mikania micrantha Samples After UAV Data Collection
4:59
Identification and Biomass Estimation of Mikania micrantha Using Data Obtained from an Unmanned Aerial Vehicle (UAV)
