top of page

人工智慧 x 傳統林業調查:探究機器學習應用於UAV影像


forest
Forest, Photo by Geran de Klerk on Unsplash

森林經營者為求合理的經營決策,須掌握關於森林資源的適當資訊,作為後續疏伐撫育與整體經營規劃等處理之依據。近年來,無人機的技術蓬勃發展,因其能拍攝高解析度影像,而逐漸成為評估森林狀況和變化的重要工具。


然而,森林面積大且複雜性高,無人機解決了資料蒐集的問題,但普遍仍是靠人工在辨識及分析影像,所花費的時間與成本太過高昂。


所幸,隨著機器學習的應用越來越廣泛,也開始有人將其應用在林業中,因為它能夠以如同專家等級的辨識技術,以自動化的方法去分類、分析影像,進而減少大量調查的工作時間。


什麼是人工智慧

人工智慧 (Artificial Intelligence,或常稱之為 AI),主要是在研究如何運用電腦的高速運算功能,來處理一些本來必須由人類才能執行的工作;簡單來說,就是藉由電腦來執行人類智慧的過程,讓機器在經過程式設計之後,能表現出與人類相似的智慧來運作。


什麼是機器學習

機器學習 (Machine Learning,又稱為 ML) 則是透過演算法將收集到的資料進行分類並訓練出預測模型,當未來得到新的資料時,便可以透過訓練出的模型進行預測,如果這些效能評估可以透過過往的資料來提升的話,就叫機器學習。


當林業檢測遇見無人機技術

forest survey
實地林業調查 (影像來源:https://en.wikipedia.org/wiki/Surveying#/media/File:-BLMcareers_(21678771368)_crop.jpg)

最傳統的林業檢測方式為人工實地測量,需要派人到現場以肉眼或儀器進行觀測與蒐集數據,不但耗時、耗力,且礙於視野關係,只能獲取小面積資料,難以獲取更大面積尺度的訊息。因此,演變成應用衛星影像或是以飛行器搭載攝影器材進行測量,卻容易受限於飛行高度而受到雲層遮擋。


最終,無人機成本較低、輕巧靈敏且能在雲下低空飛行的能力受到青睞,彌補了遙測影像和普通航空攝影的不足,更能降低三維資料如點雲等的獲取成本,成為主流。


無人機結合機器學習

無人機可以掛載一般可見光鏡頭或是光達 (LiDAR) 去拍攝,光達是近年來發展迅速的主動遙感技術,非常適合應用於森林的紋理特性和樹冠層結構的估算,然而,光達蒐集數據的成本過高,較難在林業調查廣泛應用,為了效益最大化,將無人機影像結合機器學習是最好的方法。


機器學習是一種行之有效的檢測和識別 RGB 圖像中物體的方法,但它近期才被廣泛應用於植物檢測,雖然過去已經提出諸多單獨的樹木分割等演算法,但這些演算法的開發和測試通常侷限在特定樣站,卻很少有方法是能夠針對來自多種森林類型的數據進行評估。因此我們採用 DeepForest 演算法,構建了一個基於神經網絡的管道,用於識別 RGB 圖像中的每顆樹木。


為何採用 DeepForest 演算法

DeepForest 使用深度學習對象檢測網絡來預測對應於 RGB 圖像中每棵樹木的邊界框。DeepForest 建立在torchvision 封包中的 RetinaNet 模型之上,旨在簡化樹木檢測的訓練模型。

DeepFroest
DeepFroest AI 模型 (來源:http://weecology.westus.cloudapp.azure.com/neon/)

鑑於全球範圍內樹木外觀之多樣性,為樹冠定義單一模型具有挑戰性。為了解決這個問題,DeepForest提供一種明確的訓練方法,允許使用者決定需要什麼級別的準確度,然後對資料進行註釋並重新訓練模型以具備足夠準確度之預測。


我們的成果

透過Python和機器學習,從無人機正射影像中進行樹木計數的應用範例,本次範圍為2022年6月21日於南投縣草屯鎮拍攝,林相為雜木林,包含荔枝樹、龍眼樹及各種果樹等,並將其辨識到的樹木量以程式呈現。


草屯林區拍攝範例
草屯林區拍攝範例

Tree counting
將 DeepForest 數到的數量統計出來

分析應用價值,提供更高品質的服務

綜合以上所述,窺探出在這波人工智慧的浪潮下,為 UAV 影像分析所帶來的效益是相當巨大,當然除了林業調查之外,更可以應用在許多需要大範圍的資訊,例如目前最夯碳權及碳排放量,要用幾棵樹來抵?單木材積及固碳量計算等,毫無疑問都需要具體量化的林木數量,透過 Python 和機器學習的應用,即可解決當前棘手的數樹問題,進而大幅改善生物多樣性和林業調查的速度、規模和成本。


Drone
UAV
 

影像處理、數據轉換,DataXquad 一站滿足所有需求!

DataXquad 是一個按量計費的線上影像數據轉換平台,零學習成本,所有程序都能滿足。我們為您簡化了影像數據轉換中最複雜的部份,讓更多數據能夠被應用,讓更多產業能夠從數據中受惠!






參考資料:

Comments


Commenting has been turned off.
bottom of page