Մարդկային աչքի հնարավորություններից այն կողմ տեսնելու ուժը

Տարբեր գույները, որոնք մենք կարող ենք տեսնել, հիմնված են լույսի տարբեր ալիքների երկարությունների վրա: Մարդու աչքը կարող է հայտնաբերել և տարբերակել ալիքի երկարությունները երեք շերտերով (կարմիր, կանաչ և կապույտ), որոնք ընդգրկում են 450-ից 650 նանոմետրի միջակայքը, բայց մենք չենք կարող լույս տեսնել հարյուրավոր այլ լույսի գոտիներից, որոնք գոյություն ունեն այդ տիրույթից դուրս: Գոյություն ունի հիպերսպեկտրալ պատկերացում կոչվող տեխնոլոգիա, որը կարող է ավելի լավ պատկերացում տալ, թե ինչ է կատարվում մեզ շրջապատող աշխարհում: Կան մասնագիտացված տեսախցիկներ, որոնք առանձնացնում են մինչև 300 լույսի գոտիներ պրիզմայով և այնուհետև թվայնացնում են այն էներգիան, որը նրանք հայտնաբերում են՝ հատուկ ալիքի երկարության հիման վրա: Այս տեսախցիկներն ունեն պոտենցիալ կիրառությունների հսկայական շարք: Օրինակ, դրանք կարող են օգտագործվել ջերմոցային գազերի արտանետումները վերահսկելու, խառը թափանցիկ պլաստմասսաների միջև տարբերությունը կամ փաթեթավորման գծի վրա մրգի հասունությունը չափելու համար:

Այս հիպերսպեկտրալ տեսախցիկների մի քանի արտադրողներ կան, բայց գոնե առայժմ դրանք բավականին թանկ են՝ սկսած 20,000 դոլարից: Տեսախցիկի հատուկ ծրագրաշարը, որը նրանք օգտագործում են, այնքան էլ հեշտ չէ ինտեգրվել այլ համակարգերի հետ: Մյուս մարտահրավերը, որն առաջանում է աշխարհի այս ընդլայնված տեսակետից, կապված է տվյալների ծավալի հետ. այս տեսախցիկները վայրկյանում մեկ գիգաբիթ տվյալ են ստեղծում:

Կա մի ընկերություն, որը կոչվում է Metaspectral, որը ձգտում է ընդլայնել հիպերսպեկտրային պատկերների ներուժը` առաջարկելով ապարատային և ծրագրային ապահովման համադրություն, որպեսզի այս տվյալների աղբյուրն ավելի հարմար լինի օգտագործողի համար: Նրանք օգտագործում են «սարքի ագնոստիկ» եզրային սարքեր, որոնք աշխատում են սեղմման ալգորիթմներով, որոնք կարող են միանալ ցանկացած հիպերսպեկտրային տեսախցիկի և դրա տվյալների ելքը վերածել կառավարելի հոսքի: Նրանց սեփականատիրական Fusion AI պլատֆորմը կարող է օգտագործվել ծանոթ օգտատերերի ծրագրաշարի հետ ինտերֆեյսի, ռոբոտաշինություն վարելու կամ արհեստական ​​ինտելեկտի և խորը ուսուցման համակարգերը կերակրելու համար:

Metaspectral-ը վերջերս հավաքել է 4.7 միլիոն դոլարի հիմնական ֆինանսավորում SOMA Capital-ից, Acequia Capital-ից, Կանադայի կառավարությունից և հրեշտակ ներդրողներից, ներառյալ Ջուդ Գոմիլան և Ալան Ռաթլեջը: Ընկերությունը համահիմնադրել են Ֆրենսիս Դումեթը (գործադիր տնօրեն) և Միգել Տիսերան (CTO): Տիսերան նկարագրում է իրենց առաջարկը հետևյալ կերպ. «Մենք մշակել ենք տվյալների սեղմման նոր ալգորիթմներ, որոնք թույլ են տալիս մեզ ավելի լավ և արագ տեղափոխել հիպերսպեկտրային տվյալները՝ ուղեծրից գետնին, թե ցամաքային ցանցերում: Մենք դա համատեղում ենք խորը ուսուցման մեր առաջընթացի հետ, որպեսզի կատարենք ենթապիքսելային մակարդակի վերլուծություն, ինչը թույլ է տալիս մեզ ավելի շատ պատկերացումներ կորզել, քան սովորական համակարգչային տեսլականը, քանի որ մեր տվյալները պարունակում են ավելի շատ տեղեկատվություն սպեկտրային հարթության մասին»:

Իրոք, հիպերսպեկտրալ պատկերումը կարող է օգտագործվել շատ տարբեր մասշտաբներով: Օրինակ, Metaspectral-ի համակարգի ամենազարգացած կիրառություններից մեկն այն է, որ տեսախցիկները խառը վերամշակման նյութերի տեսակավորման գծերի վրա, որտեղ այն կարող է տարբերել թափանցիկ պլաստմասսաներն ըստ քիմիական բաղադրության, որպեսզի դրանք կարողանան դասավորվել վերամշակման համար պահանջվող չափազանց մաքուր հոսքերի մեջ: .

Կանադայի ամենամեծ թափոնների վերամշակողն այժմ օգտագործում է այս համակարգը: Գոյություն ունեն մոտիկից այլ ծրագրեր՝ հավաքման գծերում կամ մրգերի տեսակավորման որակի ապահովման համար:

Մյուս ծայրահեղության դեպքում տեսախցիկը կարող է տվյալներ արտադրել արբանյակից, որտեղ պատկերի յուրաքանչյուր պիքսելը ներկայացնում է 30 մ x 30 մ քառակուսի (900 քառակուսի մետր): Կանադական տիեզերական գործակալությունը օգտագործում է այդ մոտեցումը ջերմոցային գազերի արտանետումները հետևելու և նույնիսկ հողի ածխածնի առգրավման գնահատման համար գյուղատնտեսական կամ անտառային հողերում՝ համեմատելով հոսքի արագությունը ժամանակի ընթացքում: Տեխնոլոգիան նախատեսվում է նաև ապագա տեղակայման համար Միջազգային տիեզերակայանում: Անտառային անտառային հրդեհների վտանգի գնահատումները ևս մեկ պոտենցիալ կիրառություն են՝ ուղղորդելու այնպիսի գործողությունները, ինչպիսիք են հրահանգիչ այրվածքները:

Մեկ այլ տարբերակ, որը հատկապես օգտակար կլինի գյուղատնտեսության համար, տեսախցիկների տեղադրումն է 50-100 մետր հեռավորության վրա թռչող անօդաչու սարքերով: Այդ դեպքում տվյալների յուրաքանչյուր պիքսել կարող է ներկայացնել 2սմ-ից 2սմ տարածք, և այդքան տարբեր ալիքների երկարությունները վերահսկելու հնարավորությունը թույլ կտա վաղ հայտնաբերել ինվազիվ մոլախոտերը, միջատների ակտիվությունը, սնկային վարակները մարդկանց համար տեսանելի լինելուց առաջ, ջրի վաղ ցուցումներ։ կամ սննդանյութերի պակասը, կամ բերքի հասունության պարամետրերը, որոնք ուղղորդում են բերքահավաքի ժամանակը: Հնարավոր է, որ հնարավոր լինի հետևել ջերմոցային գազերի կամ ամոնիակի արտանետումներին գյուղատնտեսական հողերից՝ ավելի լավ հասկանալու համար, թե ինչպես են դրանց վրա ազդում գյուղատնտեսական հատուկ պրակտիկաները, ինչպիսիք են վարելահողերի կրճատումը, ծածկույթի մշակումը, պարարտացման փոփոխական արագությունը կամ «վերահսկվող անիվների երթեւեկությունը»: Այս պահին անհրաժեշտ է «հողամասի ճշմարտացիության» լավ հետազոտություն՝ պատկերային տվյալները տվյալ փոփոխականների չափումների հետ կապելու համար, բայց դա շատ ավելի հեշտ կլինի Metaspectral-ից հասանելի տվյալների սեղմման և ինտերֆեյսի հնարավորություններով:

Հույսերից մեկն այն է, որ մետասպեկտրալ պլատֆորմի կողմից օժանդակվող հիպերսպեկտրային պատկերների բազմազան կիրառությունները տեսախցիկների համար բավարար պահանջարկ կստեղծեն՝ արտադրությունն ավելի ցած մղելու ծախսերի ուսուցման կորի վրա: