Construir nuvens de pontos tridimensionais a partir de fotos de alta resolução tiradas de veículos aéreos não tripulados ou drones pode em breve ajudar os criadores de plantas e agrônomos a economizar tempo e dinheiro em comparação com a medição manual de safras.

Dr. Lonesome Malambo, associado de pesquisa de pós-doutorado no departamento de gestão e ciência do ecossistema da Texas A&M University em College Station, publicado recentemente sobre este assunto na International Journal of Applied Earth Observation and Geoinformation .

Ele participou do estudo dos cientistas da Texas A&M AgriLife Research, Dr. Sorin Popescu, Dr. Seth Murray e Dr. Bill Rooney, seus alunos de pós-graduação e outros dentro do Texas A&M University System. O financiamento foi fornecido pela AgriLife Research, o Instituto Nacional de Alimentos e Agricultura do Departamento de Agricultura dos Estados Unidos, Texas Corn Producers Board e United Sorghum Checkoff Program.

"O que esta parceria multidisciplinar desenvolveu é transformador para a pesquisa de milho e sorgo, não apenas para substituir nossas medidas de altura de trabalho intensivo padrão, mas para encontrar novas maneiras de medir como as diferentes variedades respondem ao estresse em momentos diferentes durante a estação de crescimento, "Murray disse." Isso ajudará os melhoristas a identificar maior rendimento, plantas mais resistentes ao estresse mais rápido do que antes. "

Os pesquisadores e melhoristas de cultivo precisam de dois tipos de dados ao determinar quais seleções de melhoramento de safra fazer:genético e fenotípico, quais são as características físicas da planta, Disse Malambo.

Grandes avanços foram feitos na genética, ele disse, mas ainda há muito trabalho a ser feito para medir as características físicas de qualquer colheita de maneira oportuna e eficiente. Atualmente, a maioria das medições são feitas no solo, caminhando pelos campos e medindo.

Ao longo dos últimos anos, As fotos de UAV foram testadas para ver que papel podem desempenhar para ajudar a determinar características como a altura da planta, que, medido ao longo do tempo, pode ajudar a avaliar a influência das condições ambientais no desempenho da planta.

Malambo disse que este estudo pode ser o primeiro a usar o conceito de geração de nuvens de pontos 3-D usando "estrutura de movimento, "ou SfM, técnicas sobre milho e sorgo ao longo de uma estação de cultivo. Essas duas culturas foram selecionadas por apresentarem uma grande variação de altura e copa ao longo da temporada.

Embora SfM não seja novo, a tecnologia tem sido historicamente subavaliada para estimativa repetida da altura da planta em estudos limitados a uma única data ou campanhas curtas de UAV, ele disse.

Em ambientes agrícolas onde as condições mudam devido à maturidade da cultura, Malambo disse que o próximo passo lógico é determinar se os métodos são consistentes, repetível e preciso ao longo do ciclo de crescimento das culturas.

Ele disse que a tecnologia SfM usa imagens sobrepostas para reconstruir a visão 3-D de uma cena, indo além das fotos planas típicas, permitindo a calibração automatizada da orientação interna e externa. Alvos de referência pequenos foram colocados em campos antes de cada voo.

Quando uma foto é tirada do UAV, é basicamente a transferência de uma cena 3-D para 2-D, Malambo explicou. SfM está tentando reverter este processo utilizando propriedades como geometria, propriedades de luz e modelagem.

"Depois de recriar a cena, parece como estava quando o capturamos, multidimensional, " ele disse.

"Neste estudo, tínhamos interesse em observar todo o ciclo de crescimento dessas culturas. Voamos sobre as plantações em 12 datas diferentes e, ao mesmo tempo, pedimos que as pessoas medissem o crescimento no solo em seis das datas. "

Popescu disse em duas das datas, para as medições de campo, um sensor de varredura a laser terrestre, também conhecido como lidar, foi usado para coletar dados de referência para a altura do dossel da planta.

"Este é outro aspecto único do nosso estudo, "disse ele." Até onde sei, nenhum outro estudo publicado comparou medições de nuvem de pontos SfM com varredura lidar, mas apenas para medições de campo manuais de alturas de plantas.

"O lidar terrestre fornece as medições mais precisas do dossel, resultando em uma nuvem de pontos de medições 3-D diretas, "Popescu disse.

Ele disse que o SfM fornece nuvens de pontos 3-D reconstruídas por meio de métodos fotogramétricos, enquanto LIDAR fornece medições diretas usando varredura a laser. O sensor lidar terrestre, ou TLS, tem uma cobertura limitada e deve ser colocado em veículos altos para ver o dossel de cima.

"Realmente não é prático usar o TLS para medições de altura de plantas, principalmente apenas para estudos de validação como o nosso, "Popescu disse." Lidar pode ser colocado em um UAV, mas esses sensores são muito caros. No momento, estamos montando um sensor UAV lidar e o teremos operacional até o final deste ano. "

Malambo disse que as medições físicas foram feitas de maio a julho, enquanto as fotos do voo foram tiradas de abril a agosto.

"Obtivemos uma correlação muito boa com as medições em campo e as imagens que conseguimos produzir, ", disse ele." Há um grande potencial para reduzir o tempo e o custo da coleta de dados com tecnologia acessível que pode ser usada por agricultores e pesquisadores ".

Essa melhoria nas análises de imagem abriu um caminho para câmeras não métricas mais acessíveis a serem usadas em plataformas UAV para mapeamento confiável e modelagem 3-D do que por meio de varredura a laser terrestre e aérea cara. Disse Malambo. O software SfM é fácil de aprender, automatizado e prontamente disponível.

O sistema não está isento de desafios, no entanto, ele disse. No esforço de ver se é preciso ao longo do tempo, Malambo disse que a tecnologia depende da qualidade das imagens. Com sorgo, que é principalmente folhagem, foi bem. Milho, que seca e perde contraste à medida que amadurece, tende a se misturar com o solo.

"Nossa conclusão geral é que a estrutura a partir do movimento oferece um grande potencial de trabalho para medir a altura de plantas, mas precisamos torná-lo mais robusto durante a estação de crescimento, "disse ele." Mudanças na velocidade do vento podem afetar as câmeras drones na captura de imagens. E essa, por sua vez, afeta os resultados dos recursos 3-D. "

Malambo disse que está procurando maneiras de melhorar o programa geral, incluindo a redução do tempo de processamento. Os dados capturados na safra anterior são enormes e levam vários dias para serem processados.

Uma ideia que ele discutiu é trabalhar com outros departamentos no campus para poder ter análises online em tempo real do campo. A imagem capturada pelo drone seria enviada diretamente para um laptop, onde métodos avançados de análise de dados, como aprendizado de máquina ou aprendizado profundo, poderiam ser usados ​​para ajudar a permitir que os dados de altura estivessem disponíveis imediatamente.