ພະລັງຂອງການເບິ່ງເກີນຄວາມສາມາດຂອງຕາຂອງມະນຸດ

ສີທີ່ແຕກຕ່າງກັນທີ່ພວກເຮົາສາມາດເຫັນໄດ້ແມ່ນອີງໃສ່ຄວາມຍາວຂອງແສງທີ່ແຕກຕ່າງກັນ. ຕາຂອງມະນຸດສາມາດກວດພົບ ແລະຈຳແນກຄວາມຍາວຂອງຄື້ນເປັນສາມແຖບ (ສີແດງ, ສີຂຽວ, ແລະສີຟ້າ) ເຊິ່ງກວມເອົາໄລຍະລະຫວ່າງ 450 ຫາ 650 ນາໂນແມັດ, ແຕ່ພວກເຮົາບໍ່ສາມາດເຫັນແສງຈາກຫຼາຍຮ້ອຍແຖບຂອງແສງອື່ນໆທີ່ຢູ່ນອກຂອບເຂດນັ້ນ. ມີເທກໂນໂລຍີທີ່ເອີ້ນວ່າການຖ່າຍຮູບ hyperspectral ທີ່ສາມາດໃຫ້ທັດສະນະທີ່ດີຂຶ້ນກ່ຽວກັບສິ່ງທີ່ເກີດຂື້ນໃນໂລກອ້ອມຮອບພວກເຮົາ. ມີກ້ອງຖ່າຍຮູບພິເສດທີ່ແຍກອອກໄດ້ເຖິງ 300 ແຖບຂອງແສງທີ່ມີ prisms ແລະຫຼັງຈາກນັ້ນເຮັດໃຫ້ເປັນດິຈິຕອນຂອງພະລັງງານທີ່ເຂົາເຈົ້າກໍາລັງກວດພົບບົນພື້ນຖານສະເພາະຄວາມຍາວຄື່ນ. ກ້ອງຖ່າຍຮູບເຫຼົ່ານີ້ມີຄໍາຮ້ອງສະຫມັກທີ່ມີທ່າແຮງຫຼາຍ. ສໍາລັບຕົວຢ່າງ, ພວກເຂົາສາມາດຖືກນໍາໃຊ້ເພື່ອຕິດຕາມການປ່ອຍອາຍພິດເຮືອນແກ້ວ, ບອກຄວາມແຕກຕ່າງລະຫວ່າງພາດສະຕິກທີ່ຊັດເຈນປະສົມ, ຫຼືວັດແທກຄວາມສຸກຂອງຫມາກໄມ້ໃນເສັ້ນຫຸ້ມຫໍ່.

ມີຫຼາຍຜູ້ຜະລິດຂອງກ້ອງຖ່າຍຮູບ hyperspectral ເຫຼົ່ານີ້, ແຕ່ຢ່າງຫນ້ອຍສໍາລັບໃນປັດຈຸບັນ, ພວກເຂົາເຈົ້າແມ່ນຂ້ອນຂ້າງລາຄາແພງ - ເລີ່ມຕົ້ນປະມານ $ 20,000. ຊອບແວສະເພາະກ້ອງຖ່າຍຮູບທີ່ພວກເຂົາໃຊ້ບໍ່ແມ່ນເລື່ອງງ່າຍທີ່ຈະປະສົມປະສານກັບລະບົບອື່ນໆ. ສິ່ງທ້າທາຍອີກອັນໜຶ່ງທີ່ມາພ້ອມກັບມຸມມອງທີ່ກວ້າງໃຫຍ່ຂອງໂລກນີ້ ແມ່ນກ່ຽວຂ້ອງກັບປະລິມານຂໍ້ມູນ – ກ້ອງຖ່າຍຮູບເຫຼົ່ານີ້ສ້າງຂໍ້ມູນປະມານໜຶ່ງກິກາບິດຕໍ່ວິນາທີ!

ມີບໍລິສັດທີ່ເອີ້ນວ່າ Metaspectral ທີ່ກໍາລັງຊອກຫາການຂະຫຍາຍທ່າແຮງຂອງຮູບພາບ hyperspectral ໂດຍສະເຫນີການປະສົມປະສານຂອງຮາດແວແລະຊອບແວເພື່ອເຮັດໃຫ້ແຫຼ່ງຂໍ້ມູນນີ້ເປັນມິດກັບຜູ້ໃຊ້ຫຼາຍ. ເຂົາເຈົ້າໃຊ້ອຸປະກອນຂອບ “devicnostic” ທີ່ໃຊ້ລະບົບການບີບອັດທີ່ສາມາດເຊື່ອມຕໍ່ກັບກ້ອງຖ່າຍຮູບ hyperspectral ໃດກໍໄດ້ ແລະປ່ຽນຂໍ້ມູນຂໍ້ມູນຂອງມັນໄປສູ່ການໄຫຼເຂົ້າທີ່ຈັດການໄດ້. ແພລດຟອມ Fusion AI ທີ່ເປັນກຳມະສິດຂອງພວກມັນສາມາດໃຊ້ເພື່ອໂຕ້ຕອບກັບຊອບແວຜູ້ໃຊ້ທີ່ຄຸ້ນເຄີຍ, ຂັບຫຸ່ນຍົນ, ຫຼືໃຫ້ອາຫານປັນຍາປະດິດ ແລະລະບົບການຮຽນຮູ້ທີ່ເລິກເຊິ່ງ.

ບໍ່ດົນມານີ້, Metaspectral ໄດ້ລະດົມທຶນ 4.7 ລ້ານໂດລາຈາກ SOMA Capital, Acequia Capital, ລັດຖະບານການາດາ, ແລະນັກລົງທຶນເທວະດາລວມທັງ Jude Gomila ແລະ Alan Rutledge. ບໍລິສັດໄດ້ຖືກຮ່ວມກໍ່ຕັ້ງໂດຍ Francis Doumet (CEO) ແລະ Migel Tissera (CTO). Tissera ອະທິບາຍການສະເຫນີຂອງພວກເຂົາດັ່ງຕໍ່ໄປນີ້: "ພວກເຮົາໄດ້ພັດທະນາລະບົບການບີບອັດຂໍ້ມູນໃຫມ່ທີ່ຊ່ວຍໃຫ້ພວກເຮົາສາມາດສົ່ງຂໍ້ມູນ hyperspectral ໄດ້ດີກວ່າແລະໄວຂຶ້ນ, ບໍ່ວ່າຈະຈາກວົງໂຄຈອນໄປຫາພື້ນດິນຫຼືພາຍໃນເຄືອຂ່າຍບົກ. ພວກເຮົາສົມທົບກັບຄວາມກ້າວຫນ້າຂອງພວກເຮົາໃນການຮຽນຮູ້ເລິກເຊິ່ງເພື່ອປະຕິບັດການວິເຄາະລະດັບ pixels ລວງຍ່ອຍ, ເຮັດໃຫ້ພວກເຮົາສາມາດສະກັດເອົາຄວາມເຂົ້າໃຈຫຼາຍກວ່າວິໄສທັດຄອມພິວເຕີທົ່ວໄປເພາະວ່າຂໍ້ມູນຂອງພວກເຮົາມີຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບຂະຫນາດ spectral.”

ແທ້ຈິງແລ້ວ, ການຖ່າຍຮູບ hyperspectral ສາມາດຖືກນໍາໃຊ້ໃນລະດັບທີ່ແຕກຕ່າງກັນຫຼາຍ. ສໍາລັບຕົວຢ່າງ, ຫນຶ່ງໃນຄໍາຮ້ອງສະຫມັກທີ່ພັດທະນາທີ່ສຸດຂອງລະບົບ Metaspectral ແມ່ນກັບກ້ອງຖ່າຍຮູບທີ່ໃກ້ຊິດຢູ່ໃນສາຍການຈັດລຽງສໍາລັບວັດສະດຸລີໄຊເຄີນປະສົມທີ່ມັນສາມາດແຍກຄວາມແຕກຕ່າງຂອງພາດສະຕິກທີ່ຊັດເຈນໂດຍອົງປະກອບທາງເຄມີເພື່ອໃຫ້ພວກເຂົາສາມາດຈັດຮຽງເຂົ້າໄປໃນນ້ໍາບໍລິສຸດທີ່ຕ້ອງການສໍາລັບການປຸງແຕ່ງຄືນໃຫມ່. .

ເຄື່ອງລີໄຊເຄີນຂີ້ເຫຍື້ອທີ່ໃຫຍ່ທີ່ສຸດຂອງການາດາໃນປັດຈຸບັນກໍາລັງໃຊ້ລະບົບນີ້. ມີຄໍາຮ້ອງສະຫມັກອື່ນໆທີ່ໃກ້ຊິດສໍາລັບການຮັບປະກັນຄຸນນະພາບໃນສາຍການປະກອບຫຼືການຈັດລຽງຫມາກໄມ້.

ໃນທາງກົງກັນຂ້າມ, ກ້ອງຖ່າຍຮູບສາມາດສ້າງຂໍ້ມູນຈາກດາວທຽມທີ່ແຕ່ລະ pixels ຂອງຮູບສະແດງເຖິງ 30m x 30m square (900 ຕາແມັດ). ອົງການອະວະກາດການາດາກໍາລັງໃຊ້ວິທີການດັ່ງກ່າວເພື່ອຕິດຕາມການປ່ອຍອາຍພິດເຮືອນແກ້ວແລະແມ້ກະທັ່ງປະເມີນການກັກຕົວຄາບອນໃນດິນໃນພື້ນທີ່ກະສິກໍາຫຼືປ່າໄມ້ໂດຍການປຽບທຽບອັດຕາການຟອກຕາມເວລາ. ເຕັກ​ໂນ​ໂລ​ຊີ​ດັ່ງ​ກ່າວ​ຍັງ​ມີ​ແຜນ​ທີ່​ຈະ​ນຳ​ໃຊ້​ໃນ​ອະ​ນາ​ຄົດ​ຢູ່​ສະ​ຖາ​ນີ​ອະ​ວະ​ກາດ​ສາ​ກົນ. ການປະເມີນຄວາມສ່ຽງໄຟໄໝ້ປ່າແມ່ນເປັນອີກໜຶ່ງຄໍາຮ້ອງສະຫມັກທີ່ມີທ່າແຮງທີ່ຈະນໍາພາການປະຕິບັດເຊັ່ນ: ການເຜົາໄຫມ້ຕາມໃບສັ່ງແພດ.

ທາງເລືອກອື່ນທີ່ຈະເປັນປະໂຫຍດໂດຍສະເພາະສໍາລັບການກະສິກໍາແມ່ນການນໍາໃຊ້ກ້ອງຖ່າຍຮູບທີ່ມີ drones ບິນໃນ 50-100 ແມັດ. ໃນກໍລະນີດັ່ງກ່າວ, ແຕ່ລະ pixels ລວງຂອງຂໍ້ມູນສາມາດເປັນຕົວແທນຂອງພື້ນທີ່ 2cm x 2cm ແລະຄວາມສາມາດໃນການຕິດຕາມກວດກາຄວາມຍາວຄື່ນທີ່ແຕກຕ່າງກັນຫຼາຍສາມາດເຮັດໃຫ້ການກວດພົບຕົ້ນຫຍ້າຮຸກຮານ, ກິດຈະກໍາຂອງແມງໄມ້, ການຕິດເຊື້ອ fungal ໃນຂັ້ນຕອນກ່ອນທີ່ມັນຈະສັງເກດເຫັນກັບມະນຸດ, ຕົວຊີ້ວັດເບື້ອງຕົ້ນຂອງນ້ໍາ. ຫຼືການຂາດສານອາຫານ, ຫຼືຕົວກໍານົດການໃຫຍ່ເຕັມທີ່ຂອງພືດເພື່ອແນະນໍາໄລຍະເວລາການເກັບກ່ຽວ. ມັນອາດຈະເປັນໄປໄດ້ທີ່ຈະຕິດຕາມການປ່ອຍອາຍພິດເຮືອນແກ້ວຫຼືແອມໂມເນຍຈາກດິນກະສິກໍາເພື່ອເຂົ້າໃຈດີວ່າສິ່ງເຫຼົ່ານັ້ນມີອິດທິພົນຈາກການປະຕິບັດກະສິກໍາສະເພາະເຊັ່ນ: ການຂຸດດິນຫຼຸດລົງ, ການປູກພືດປົກຄຸມ, ການໃສ່ປຸ໋ຍອັດຕາການປ່ຽນແປງຫຼື "ການຈະລາຈອນລໍ້ຄວບຄຸມ." ໃນເວລານີ້ສິ່ງທີ່ຕ້ອງການແມ່ນການຄົ້ນຄວ້າ "ຄວາມຈິງພື້ນຖານ" ທີ່ດີເພື່ອເຊື່ອມຕໍ່ຂໍ້ມູນຮູບພາບກັບການວັດແທກຕົວແປໃນຄໍາຖາມ, ແຕ່ນີ້ຈະງ່າຍຂຶ້ນຫຼາຍດ້ວຍການບີບອັດຂໍ້ມູນແລະຄວາມສາມາດໃນການໂຕ້ຕອບທີ່ມີຢູ່ໃນ Metaspectral.

ຄວາມຫວັງອັນໜຶ່ງແມ່ນວ່າ ການນຳໃຊ້ທີ່ຫຼາກຫຼາຍຂອງການຖ່າຍຮູບແບບ hyperspectral ທີ່ອຳນວຍຄວາມສະດວກໂດຍເວທີ Metaspectral ຈະສ້າງຄວາມຕ້ອງການທີ່ພຽງພໍສຳລັບກ້ອງຖ່າຍຮູບເພື່ອຊຸກຍູ້ການຜະລິດໃຫ້ຫລຸດລົງໃນເສັ້ນໂຄ້ງການຮຽນຮູ້.