Estamos acostumbrados a pensar que el análisis de datos de drones y satélites requiere operaciones manuales tediosas y lentas, además de una buena base en ciencia de datos o conocimientos de SIG. ¿Qué pasaría si pudiéramos detectar plagas, contar árboles y calcular áreas de cultivo en poco tiempo y a una fracción del costo?
¡Vea el seminario web para aprender a emplear la IA y convertir sus imágenes aéreas en información de agricultura de precisión sin necesidad de conocimientos de SIG o ciencia de datos!
Agenda del seminario web:
- Qué es ATLAS y cómo aplica algoritmos de IA para automatizar las tareas de análisis de datos
- Por qué los usuarios no necesitan conocimientos de SIG ni de ciencia de datos para aprovechar la IA
- Caso de éxito n.º 1 sobre el tiempo ahorrado en la localización de parches de maleza en grandes áreas de remolacha
- Caso de éxito n.º 2 sobre el procesamiento de imágenes multiespectrales aéreas para el análisis de la salud de los cultivos
- Caso de éxito n.º 3 sobre el conteo preciso de árboles.
Duración: 1,5 h
Ponente: Alexey Yankelevich, cofundador y jefe de desarrollo de software, SPH Engineering
Fecha/Hora/Idioma: el seminario web estará disponible en dos idiomas más
Preguntas y respuestas
P: Una buena anotación depende de la cualificación del ingeniero.
Es cierto. Realizamos otro seminario web donde describimos en detalle cómo anotar mejor los datos para obtener un resultado superior. La grabación#nbsp;está disponible en nuestro canal de YouTube.
P: ¿Tienen una aplicación de escritorio para Atlas?
ATLAS no es una aplicación de escritorio convencional. Atlas es una aplicación basada en la web que funciona desde cualquier navegador. Si necesita una instalación sin conexión, puede considerar Atlas en sus propias instalaciones (on-premise). Sin embargo, no es algo que pueda llevarse al campo.
P: ¿Es posible utilizar Atlas para la detección de malas hierbas en campos de cultivo?
Sí, para eso necesita entrenar su detector para la detección de malas hierbas específicas. Aquí tiene un ejemplo
P: ¿Tienen detectores preconfigurados? Por ejemplo, si me da pereza entrenar el mío propio.
No, no ofrecemos esa opción. Recomendamos entrenar su propio detector, ya que sus condiciones pueden ser únicas.
P: Si he entendido bien, el software funciona con imágenes de drones. ¿Existe alguna especificación mínima para la imagen o el tipo de dron utilizado?
Atlas admite imágenes de drones y satélites. Deben estar en formato JPEG o GeoTIFF.
P: Al empezar a usar Atlas, ¿hay algún vídeo que explique cómo proceder?
Hemos publicado vídeos tutoriales detallados en el canal de YouTube de SPH Engineering#nbsp;. También puede acceder a los manuales en vídeo en la página de inicio de Atlas#nbsp;.
P: ¿Atlas proporciona una API?
Sí, contamos con una API REST básica y seguimos trabajando en ella. Si tiene un proyecto específico en mente, contáctenos y analizaremos la disponibilidad de ciertos servicios como llamadas a la API.
P: Con respecto a los detectores, ¿en qué lenguaje de programación se desarrollarían?
Para quienes utilizan Atlas a través de nuestra interfaz de usuario, todo esto ocurre en segundo plano. No necesita usar ningún lenguaje de programación para entrenar su propio detector; solo tiene que usar la interfaz para realizar las anotaciones. Ya hemos desarrollado una arquitectura de red neuronal óptima para ciertas tareas. Todo lo que debe hacer es cargar las anotaciones y presionar "Entrenar".
Atlas tiene una arquitectura modular. Si desea utilizarlo en una instalación local o añadir su propia red neuronal a Atlas, técnicamente es posible a través de la API. Esta función no está disponible actualmente para la instalación en la nube. Por lo tanto, puede crear su propia red neuronal y utilizar Atlas como sistema de gestión de datos, así como para la anotación y el almacenamiento de resultados, implementando su propio detector en el lenguaje de programación que prefiera.
Si considera que nuestras arquitecturas de red neuronal actuales no son suficientes, envíenos un mensaje para analizar cómo podemos ayudarle con esta integración.
P: ¿El software de gestión agrícola es parte de las soluciones de Atlas o es un software de terceros?
Atlas cubre tareas de segmentación territorial, por lo que puede realizar fácilmente conteos de cultivos y plantas en Atlas, y luego exportar los resultados como capas vectoriales a la solución de gestión agrícola que prefiera, del mismo modo que interactuaría con un sistema SIG convencional. Existen muchos servicios de gestión agrícola en el mercado y no planeamos implementar otro dentro de Atlas, ya que existe una vía de integración clara entre Atlas y dicho software.
P: ¿Se puede utilizar Atlas con rásteres DEM para la detección de acopios?
Podemos utilizar ortomosaicos para la detección y admitimos datos DEM para mediciones de volumen. Además, este mes de abril introduciremos servicios adicionales para diversas tareas volumétricas. Pruebe Atlas y, si cree que falta algo, háganoslo saber; estamos muy abiertos a este tipo de conversaciones.
P: ¿Atlas procesa datos RGB, térmicos y multiespectrales para generar ortomosaicos, mapas NDVI y otros mapas de índices agrícolas?
Atlas trabaja con imágenes RGB. También podemos unir mapas que contengan un canal de infrarrojo cercano y generar un ortomosaico.
P: ¿Es posible entrenar el algoritmo para diferentes problemas (por ejemplo, malezas, desnutrición, plagas, ...) de forma simultánea o paralela y que aparezcan como áreas problemáticas separadas?
Sí, puede entrenar detectores independientes para cada tipo de problema y aplicarlos al mismo mapa, de modo que obtendrá capas separadas para cada uno.
P: ¿Las imágenes JPEG para Atlas requieren metadatos como información geoespacial?
No requerimos metadatos de georreferenciación especiales para las imágenes JPEG. Si no necesita esta información, puede cargar archivos JPEG sin metadatos y procesar imágenes tomadas incluso con una cámara convencional, no necesariamente un dron.
P: Alexei se refiere a entrenar sus detectores. ¿Podría aclarar a qué se refiere con "detector"? ¿Habla de la cámara del dron o el detector es un proceso dentro del software Atlas que debemos usar para hacer zoom en una maleza, por ejemplo, para entrenar a la IA a identificarla?
Sí, los detectores son parte del software Atlas. Usted carga el ortomosaico y las imágenes en Atlas, y luego el sistema le ayuda a identificar áreas específicas en el campo.
P: Al crear el detector, ¿podemos importar archivos shape para los objetos?
Actualmente puede importar anotaciones como archivos GeoJSON. Los archivos shape serán compatibles próximamente en una de las siguientes versiones de Atlas. Por ahora, puede convertir fácilmente su archivo shape exportándolo a GeoJSON (casi cualquier sistema SIG admite esta exportación) e importarlo a Atlas; este objeto podrá utilizarse como una anotación manual.
P: ¿Qué tipo de sistemas de referencia geográfica son compatibles? ¿Debo usar solo ortomosaicos en WGS 84 o puedo usar también el sistema UTM?
Puede utilizar casi cualquier sistema de coordenadas. No es necesario convertir los ortomosaicos a WGS 84 antes de subirlos a Atlas. Siempre que suba un sistema de coordenadas estandarizado, lo más probable es que podamos procesarlo.
P: ¿Disponen de software o hardware de mapeo para controlar el dron durante la fase de recolección de datos? En caso afirmativo, ¿cuál es el tipo mínimo de dron utilizado?
Sí, lo tenemos. Nuestro producto estrella es un software de control en tierra que funciona con casi todos los drones disponibles comercialmente en el mercado y ayuda a planificar vuelos tanto para drones DJI como para los que no lo son. Consulte la lista de drones compatibles. El software permite planificar misiones adecuadas de tal manera que los datos se adquieran con un GSD y un solapamiento correctos. Visite ugcs.com y consulte nuestro canal de YouTube para ver cómo funciona el software.
P: Si tengo el plan Starter, ¿puedo pagar por procesamiento de IA adicional por encima de los 500 MP o necesito cambiar de nivel?
Actualmente tenemos niveles fijos, pero pronto introduciremos la posibilidad de comprar paquetes adicionales de megapíxeles sin necesidad de cambiar de plan. Si cree que tiene un trabajo puntual que alcanza el límite de su plan actual, envíe un mensaje a nuestro equipo de soporte . Si es posible, lo solucionaremos sin necesidad de cambiar su plan actual.
P: ¿Es necesario entrenar el sistema para una deficiencia de cultivo específica en cada vuelo, o basta con una vez al año por cultivo? ¿Lo mismo ocurre con una mala hierba específica?
Los cultivos pueden cambiar mucho a lo largo del año y pueden tener colores y formas muy diferentes durante todo su ciclo de vida. Un solo detector podría no ser suficiente para todo el ciclo. Es posible que deba dedicar un año a entrenar varios detectores para cada temporada, pero el año siguiente podrá utilizarlos para el mismo territorio y el mismo cultivo. Comparta su flujo de trabajo con nuestro equipo de soporte y nuestros consultores le ayudarán a entender mejor cómo planificar adecuadamente su inversión en Atlas. Realizamos este tipo de consultoría con regularidad y no cobramos por ello.
P: ¿Cómo funciona el software al contar plantas muy juntas, como plataneros o bananos?
Si las plantas tienen más o menos el mismo tamaño, tras la segmentación puede aplicar un paso de posprocesamiento que separará las áreas detectadas en objetos del mismo tamaño. Puede encontrar la opción "Mostrar como círculos" en el botón "Configuración de apariencia" de la tarjeta de objeto.
P: ¿Es posible analizar imágenes hiperespectrales?
No, todavía no; esta función no está incluida en el paquete estándar. Actualmente, Atlas ofrece una herramienta para crear detectores fácilmente, pero en el caso de los datos hiperespectrales tenemos muchas más variaciones y opciones. Si está abierto a conversar con nosotros, estaremos encantados de llamarle para hablar sobre el análisis hiperespectral.
P: ¿Es Atlas capaz de combinar imágenes satelitales RGB y multiespectrales para mejorar la resolución espacial de las imágenes multiespectrales?
Todavía no.
P: ¿Es posible compartir un detector entrenado con diferentes usuarios independientes que trabajen en Atlas?
Ejemplo: Un agricultor entrena un detector para su zona, ¿puede compartirlo con otro agricultor que tenga campos similares en la misma zona y que utilice Atlas con un contrato independiente? Por supuesto, entre usuarios de la nube.
Sí, disponemos de ese mecanismo. Puede entrenar su detector y compartirlo con su vecino que tenga campos similares, por ejemplo.
P: Si tenemos suscrito el plan Explorer Plus y en un momento dado necesitamos más de 5000 MP, ¿se cambia la suscripción a Business Plus o podemos pagar la cantidad de píxeles extra analizados?
Todavía no tenemos un mecanismo para obtener más píxeles sin cambiar de plan, pero planeamos hacerlo. Si se encuentra con este problema, informe a nuestro equipo de soporte de que necesita megapíxeles adicionales y lo solucionaremos. Pronto esta posibilidad estará disponible en el sistema.
P: ¿El detector tiene en cuenta las hileras u otras formas en lugar de solo los patrones de color de los píxeles durante la discriminación? Sería una solución potente para la detección de malas hierbas en cultivos herbáceos.
No nos basamos solo en el color, ya que así no es como funcionan las redes neuronales profundas. Tenemos en cuenta muchos factores: colores, formas, posiciones relativas y especificaciones de textura. Además, durante el proceso de entrenamiento sintetizamos algunos datos adicionales que hacen que el modelo sea más fiable.
P: Mostraste la detección de árboles. ¿Qué resolución recomiendas para detectar árboles individuales y a qué altura sobre el nivel del suelo (AGL)? ¿En un bosque mixto?
Primero, debes entender el tamaño del árbol. En una plantación forestal convencional, por lo general, los árboles tienen más o menos el mismo tamaño. Por ejemplo, demostré el conteo de árboles en una imagen satelital de 50 cm por píxel, donde los árboles de la plantación tienen un radio de unos 2 metros (o un diámetro de ~4 m). Si dividimos 4 m entre 50 cm, obtenemos 8 píxeles de ancho. Como los árboles son más o menos circulares, tenemos 8 píxeles de ancho por 8 de alto. Para la detección de árboles, puedes esperar entre 5 y 8 píxeles por objeto. Así es como puedes calcular el GSD necesario. En un bosque mixto, la capacidad de realizar la detección dependerá de la distancia entre los árboles y la variación en sus tamaños, por lo que podría ser una tarea compleja.
En el software de planificación de vuelos UgCS, contamos con una herramienta de fotogrametría que ayuda a planificar misiones, donde uno de los parámetros de entrada es el GSD. Puedes calcular aproximadamente el GSD necesario siguiendo el mismo procedimiento que acabo de mostrar. Luego, introduces este valor en el planificador de fotogrametría de UgCS y este calcula automáticamente la altitud necesaria para obtener el GSD deseado. El proceso está casi totalmente automatizado y requiere un mínimo de trabajo manual.
P: ¿Tienen planeado desarrollar una aplicación de escritorio para Atlas?
No planeamos implementar esa misma funcionalidad en una aplicación de escritorio. Parte de esta funcionalidad está disponible en el procesador de fotogrametría, que ayuda a unir mapas a partir de imágenes en UgCS Mapper, pero no admite la detección de objetos. Si necesitas detección de objetos, debes acceder a la instalación en la nube de Atlas o adquirir una licencia local (on-premise) para implementar Atlas en tu propia infraestructura.
P: ¿Atlas crea ortomosaicos?
Sí, los crea.
P: ¿Podemos combinar diferentes detectores?
Por ahora no, pero puedes tener varios detectores para el mismo mapa. Los ejecutarás por separado y, de este modo, generarás múltiples capas para el mismo mapa.