Att bygga tredimensionella punktmoln från högupplösta foton tagna från obemannade flygbilar eller drönare kan snart hjälpa växtförädlare och agronomer att spara tid och pengar jämfört med att mäta grödor manuellt.

Dr Lonesome Malambo, postdoktor vid forsknings- och förvaltningsavdelningen vid Texas A&M University vid College Station, nyligen publicerat om detta ämne i Internationalen Journal of Applied Earth Observation and Geoinformation .

Han fick sällskap i studien av Texas A&M AgriLife Research -forskare Dr Sorin Popescu, Dr Seth Murray och Dr. Bill Rooney, sina doktorander och andra inom Texas A&M University System. Finansiering lämnades av AgriLife Research, U.S. Department of Agriculture National Institute of Food and Agriculture, Texas Corn Producers Board och United Sorghum Checkoff Program.

"Vad detta tvärvetenskapliga partnerskap har utvecklat är transformerande för majs- och sorghumforskning, inte bara för att ersätta våra vanliga arbetsintensiva höjdmätningar, men att hitta nya sätt att mäta hur olika sorter reagerar på stress vid olika tidpunkter under växtsäsongen, "Sa Murray." Detta kommer att hjälpa växtförädlare att identifiera högre avkastning, fler stresståliga växter snabbare än någonsin tidigare. "

Växtforskare och uppfödare behöver två typer av data när de bestämmer vilka grödor som ska göras:genetiska och fenotypiska, vilka är växtens fysiska egenskaper, Sa Malambo.

Stora framsteg har gjorts inom genetik, han sa, men det finns fortfarande mycket arbete kvar att mäta de fysiska egenskaperna hos någon gröda i tid och effektivt. För närvarande, de flesta mätningarna tas från marken genom att gå genom fält och mäta.

Under de senaste åren, UAV -foton har testats för att se vilken roll de kan spela för att bestämma egenskaper som växthöjd, som, mätt över tid, kan hjälpa till att bedöma påverkan av miljöförhållanden på anläggningens prestanda.

Malambo sa att denna studie kan vara den första som använder konceptet att generera 3D-punktmoln med hjälp av "struktur från rörelse, "eller SfM, tekniker över majs och sorghum under en växtsäsong. Dessa två grödor valdes ut eftersom de har en stor variation i höjd och tak över säsongen.

Även om SfM inte är nytt, tekniken har historiskt underutvärderats för upprepad uppskattning av växthöjd i studier begränsade till ett enda datum eller korta UAV-kampanjer, han sa.

I jordbruksmiljöer där förhållandena ändras på grund av grödmognad, Malambo sa att nästa logiska steg var att avgöra om metoderna var konsekventa, repeterbar och noggrann under grödornas tillväxtcykel.

Han sa att SfM-tekniken använder överlappande bilder för att rekonstruera 3D-vyn av en scen, går utöver de vanliga plattfotona genom att möjliggöra automatisk kalibrering av inre och yttre orientering. Små referensmål placerades i fält före varje flygning.

När ett foto tas från UAV, det överför i princip en 3D-scen till 2-D, Malambo förklarade. SfM försöker vända denna process med hjälp av egenskaper som geometri, egenskaper hos ljus och modellering.

"När vi återskapat scenen, det ser ut som det gjorde när vi fångade det, flerdimensionell, " han sa.

"I den här studien, vi var intresserade av att observera hela odlingscykeln för dessa grödor. Vi flög över grödorna på 12 olika datum och fick samtidigt människor att mäta tillväxten på marken på sex av datumen. "

Popescu sa på två av datumen, för fältmätningar, en markbunden laserscanningssensor, även känd som lidar, användes för att samla in referensdata för växthusets höjd.

"Detta är en annan unik aspekt av vår studie, "sa han." Så vitt jag vet, ingen annan publicerad studie jämförde SfM -punktmolnmätningar med lidarscanning, men endast för manuella fältmätningar av växthöjder.

"Den markbundna lidaren ger de mest exakta mätningarna av baldakinen, vilket resulterar i ett punktmoln med direkta 3D-mätningar, "Sa Popescu.

Han sa att SfM tillhandahåller rekonstruerade 3D-punktmoln genom fotogrammetriska metoder, medan lidar ger direkta mätningar med laserskanning. Den terrestriska lidarsensorn, eller TLS, har en begränsad täckning och måste placeras på höga fordon för att se taket ovanifrån.

"Det är verkligen inte praktiskt att använda TLS för växthöjdsmätningar, mestadels endast för valideringsstudier som vår, "Popescu sa." Lidar kan placeras på en UAV, men sensorerna är väldigt dyra. Vi håller just nu på att montera en UAV -lidarsensor och kommer att ha den i drift i slutet av detta år. "

Malambo sa att fysiska mätningar gjordes från maj till juli, medan flygfoton togs från april till augusti.

"Vi fick en mycket bra korrelation från mätningarna i fältet och de bilder vi kunde ta fram, "sa han." Det finns en stor potential att minska tiden och kostnaden för att samla in data med prisvärd teknik som kan användas av bönder och forskare. "

Denna förbättring av bildanalyser har öppnat en väg för billigare icke-metriska kameror som kan användas på UAV-plattformar för pålitlig kartläggning och 3D-modellering än genom dyr luftburna och markbundna laserskanning, Sa Malambo. SfM -programvara är lätt att lära sig, automatiserad och lättillgänglig.

Systemet är inte utan utmaningar, fastän, han sa. I försöket att se om det är korrekt över tiden, Malambo sa att tekniken beror på kvaliteten på bilderna. Med sorghum, som huvudsakligen är lövverk, det gick bra. Majs, som torkar och förlorar kontrast när den mognar, tenderar att smälta in i marken.

"Vår allmänna slutsats är att struktur från rörelse erbjuder stor potential för att mäta anläggningshöjd, men vi måste göra det mer robust under växtsäsongen, "sa han." Förändringar i vindhastigheten kan påverka drönarkamerorna när de tar bilder. Och det, i tur och ordning, påverkar resultaten av 3D-funktionerna. "

Malambo sa att han söker efter sätt att förbättra det övergripande programmet, inklusive att minska handläggningstiden. Data som samlats in under den senaste växtsäsongen är massiv och tar flera dagar att bearbeta.

En idé han diskuterade är att arbeta med andra avdelningar på campus för att kunna ha realtidsanalyser av fältet i realtid. Den drone-fångade bilden skulle skickas direkt till en bärbar dator där avancerade dataanalysmetoder som maskininlärning eller djupinlärning kan användas för att tillåta höjddata att vara tillgängliga omedelbart.