航空图像是精准农业的重要组成部分，为农民提供有关作物健康和产量的重要信息。图像通常是通过连接到无人机的昂贵多光谱相机获得的。但伊利诺伊大学和密西西比州立大学(MSU)的一项新研究表明，来自标准红绿蓝(RGB)相机的图片与AI深度学习相结合，可以提供等效的作物预测工具，而成本只是其中的一小部分。

多光谱相机提供表示植被的彩色地图，以帮助农民监测植物健康状况并发现问题区域。植被指数(如归一化差值植被指数 (NDVI) 和归一化差值红边指数 (NDRE))将健康区域显示为绿色，而问题区域显示为红色。

“通常，要做到这一点，你需要有一个近红外相机(NIR)，成本约为5美元。但我们已经证明，我们可以训练人工智能使用连接到低成本无人机的RGB相机生成类似NDVI的图像，这大大降低了成本，“农业和生物工程系副教授Girish Chowdhary说。

(资料图片仅供参考)

在这项研究中，研究小组使用多光谱和RGB相机从玉米，大豆和棉花田的不同生长阶段收集了航拍图像。他们使用Pix2Pix(一种专为图像转换而设计的神经网络)将RGB图像转换为带有红色和绿色区域的NDVI和NDRE彩色图。在首先用大量多光谱和常规图片训练网络后，他们测试了它从另一组常规图像生成NDVI / NDRE图像的能力。

“照片中有一个反射绿色指数，表明光合效率。它在绿色通道中反射了一点，在近红外通道中反射了很多。但是我们已经创建了一个网络，可以通过在NIR通道上训练它来从绿色通道中提取它。这意味着我们只需要绿色通道，以及其他上下文信息，如红色、蓝色和绿色像素，“Chowdhary解释说。

为了测试人工智能生成的图像的准确性，研究人员要求一组作物专家并排查看相同区域的图像，这些图像要么由人工智能生成，要么用多光谱相机拍摄。专家们指出他们是否可以分辨出哪一个是真正的多光谱图像，以及他们是否注意到任何会影响他们决策的差异。

专家们发现两组图像之间没有可观察到的差异，他们表示他们将从两组图像中做出类似的预测。研究小组还通过统计程序测试了图像的比较，确认它们之间几乎没有可测量的差异。

密歇根州立大学副研究教授、该论文的合著者Joby Czarnecki警告说，这并不意味着这两组图像是相同的。

“虽然我们不能说这些图像在所有条件下都能提供相同的信息，但对于这个特定问题，它们允许做出类似的决定。近红外反射率对于某些工厂决策可能非常关键。然而，在这种特殊情况下，令人兴奋的是，我们的研究表明，你可以用廉价的人工智能取代昂贵的技术，并且仍然可以做出同样的决定，“她解释道。

鸟瞰图可以提供难以从地面获得的信息。例如，风暴破坏或营养缺乏的区域在视线水平上可能不容易看到，但可以从空中轻松发现。拥有适当授权的农民可以选择驾驶自己的无人机，也可以与私人公司签约。无论哪种方式，彩色图都提供了管理决策所需的重要作物健康信息。