Kraften til å se utover evnene til det menneskelige øyet

De forskjellige fargene vi kan se er basert på forskjellige bølgelengder av lys. Det menneskelige øyet kan oppdage og skille bølgelengder i tre bånd (rødt, grønt og blått) som dekker området fra 450 til 650 nanometer, men vi kan ikke se lys fra hundrevis av andre lysbånd som eksisterer utenfor dette området. Det er en teknologi kalt hyperspektral avbildning som kan gi et forbedret syn på hva som foregår i verden rundt oss. Det finnes spesialiserte kameraer som skiller opptil 300 lysbånd med prismer og deretter digitaliserer energien de oppdager på bølgelengdespesifikk basis. Disse kameraene har et stort utvalg av potensielle bruksområder. De kan for eksempel brukes til å overvåke klimagassutslipp, fortelle forskjellen mellom blandet klar plast, eller måle modenhet av frukt på en pakkelinje.

Det er flere produsenter av disse hyperspektrale kameraene, men i det minste foreløpig er de ganske dyre - starter på rundt $20,000 XNUMX. Den kameraspesifikke programvaren de bruker er ikke så lett å integrere med andre systemer. Den andre utfordringen som følger med dette utvidede synet av verden har å gjøre med datavolumet – disse kameraene genererer rundt én gigabit med data per sekund!

Det er et selskap som heter Metaspectral som søker å utvide potensialet til hyperspektral bildebehandling ved å tilby en kombinasjon av maskinvare og programvare for å gjøre denne datakilden mer brukervennlig. De bruker "device agnostic" edge-enheter som kjører komprimeringsalgoritmer som kan kobles til et hvilket som helst hyperspektralt kamera og gjør datautgangen til en håndterbar flyt. Deres proprietære Fusion AI-plattform kan brukes til å grensesnitt med kjent brukerprogramvare, drive robotikk eller mate kunstig intelligens og dyplæringssystemer.

Metaspectral samlet nylig inn 4.7 millioner dollar i seed-runde med finansiering fra SOMA Capital, Acequia Capital, Canadas regjering og engleinvestorer inkludert Jude Gomila og Alan Rutledge. Selskapet ble stiftet av Francis Doumet (CEO) og Migel Tissera (CTO). Tissera beskriver tilbudet deres som følger: «Vi har utviklet nye datakomprimeringsalgoritmer som lar oss overføre hyperspektrale data bedre og raskere, enten fra bane til bakken eller innenfor terrestriske nettverk. Vi kombinerer det med våre fremskritt innen dyp læring for å utføre analyse på underpikselnivå, slik at vi kan trekke ut mer innsikt enn vanlig datasyn fordi dataene våre inneholder mer informasjon om den spektrale dimensjonen.»

Faktisk kan hyperspektral avbildning brukes i svært forskjellige skalaer. For eksempel er en av de mest utviklede applikasjonene til Metaspectrals system med nærbildekameraer på sorteringslinjer for blandet resirkuleringsmateriale der det kan differensiere klar plast etter kjemisk sammensetning slik at de kan sorteres i de ekstremt rene strømmene som kreves for reprosessering .

Den største kanadiske avfallsgjenvinneren bruker nå dette systemet. Det finnes andre nærliggende applikasjoner for kvalitetssikring i samlebånd eller fruktsortering.

I den andre ytterligheten kan kameraet generere data fra en satellitt der hver piksel i bildet representerer 30m x 30m kvadrat (900 kvadratmeter). Den kanadiske romfartsorganisasjonen bruker denne tilnærmingen til å spore utslipp av klimagasser og til og med for å estimere karbonbinding i jorda i oppdretts- eller skogkledd land ved å sammenligne flukshastigheter over tid. Teknologien er også planlagt for fremtidig distribusjon på den internasjonale romstasjonen. Risikovurderinger av skogbrann er en annen potensiell applikasjon for å veilede handlinger som foreskrivende brannskader.

Et annet alternativ som vil være spesielt nyttig for landbruket er å sette ut kameraene med droner som flyr på 50-100 meter. I så fall kan hver piksel med data representere et område på 2 cm x 2 cm, og muligheten til å overvåke så mange forskjellige bølgelengder kan tillate tidlig oppdagelse av invasivt ugress, insektaktivitet, soppinfeksjoner i stadier før de er synlige for mennesker, tidlige indikasjoner på vann eller næringsmangel, eller avlingsmodenhetsparametere for å veilede innhøstingstidspunktet. Det kan være mulig å spore klimagass- eller ammoniakkutslipp fra oppdrettsjord for bedre å forstå hvordan disse påvirkes av spesifikke jordbruksmetoder som redusert jordbearbeiding, dekkavling, gjødsling med variabel hastighet eller "kontrollert hjultrafikk." På dette tidspunktet er det nødvendig med en god del "ground truthing"-forskning for å koble bildedataene med målinger av de aktuelle variablene, men dette vil være mye enklere med datakomprimerings- og grensesnittmulighetene tilgjengelig fra Metaspectral.

Et håp er at de mangfoldige bruksområdene for hyperspektral avbildning tilrettelagt av Metaspectral-plattformen vil skape tilstrekkelig etterspørsel etter kameraene til å presse produksjonen lenger ned i kostnadslæringskurven.