Ang Kapangyarihang Makakita ng Higit Pa sa Kakayahang Ng Mata ng Tao

Ang iba't ibang kulay na makikita natin ay batay sa iba't ibang wavelength ng liwanag. Ang mata ng tao ay maaaring makakita at mag-iba ng mga wavelength sa tatlong banda (pula, berde, at asul) na sumasaklaw sa hanay mula 450 hanggang 650 nanometer, ngunit hindi namin makita ang liwanag mula sa daan-daang iba pang mga banda ng liwanag na nasa labas ng saklaw na iyon. Mayroong teknolohiyang tinatawag na hyperspectral imaging na maaaring magbigay ng pinahusay na pagtingin sa kung ano ang nangyayari sa mundo sa paligid natin. May mga dalubhasang camera na naghihiwalay ng hanggang 300 banda ng liwanag gamit ang mga prisma at pagkatapos ay i-digitize ang enerhiya na nade-detect nila sa isang wavelength-specific na batayan. Ang mga camera na ito ay may malaking hanay ng mga potensyal na aplikasyon. Halimbawa, magagamit ang mga ito upang subaybayan ang mga greenhouse gas emissions, sabihin ang pagkakaiba sa pagitan ng pinaghalong malinaw na plastik, o sukatin ang pagkahinog ng prutas sa isang linya ng pag-iimpake.

Mayroong ilang mga tagagawa ng mga hyperspectral na camera, ngunit hindi bababa sa ngayon, ang mga ito ay medyo mahal - simula sa humigit-kumulang $20,000. Ang software na partikular sa camera na ginagamit nila ay hindi ganoon kadaling isama sa ibang mga system. Ang isa pang hamon na dala nitong pinalawak na pagtingin sa mundo ay may kinalaman sa dami ng data – ang mga camera na ito ay bumubuo ng halos isang gigabit ng data bawat segundo!

May isang kumpanyang tinatawag na Metaspectral na naghahangad na palawakin ang potensyal ng hyperspectral imaging sa pamamagitan ng pag-aalok ng kumbinasyon ng hardware at software upang gawing mas madaling gamitin ang data source na ito. Gumagamit sila ng "device agnostic" na mga edge na device na nagpapatakbo ng mga compression algorithm na maaaring ikonekta sa anumang hyperspectral camera at gawing isang napapamahalaang daloy ang output ng data nito. Ang kanilang pinagmamay-ariang Fusion AI platform ay maaaring gamitin para makipag-interface sa pamilyar na software ng user, magmaneho ng robotics, o magpakain ng artificial intelligence at deep learning system.

Ang Metaspectral kamakailan ay nakalikom ng $4.7 milyon sa seed round ng pagpopondo mula sa SOMA Capital, Acequia Capital, ang Gobyerno ng Canada, at mga anghel na mamumuhunan kabilang sina Jude Gomila at Alan Rutledge. Ang kumpanya ay co-founded nina Francis Doumet (CEO) at Migel Tissera (CTO). Inilalarawan ng Tissera ang kanilang alok bilang mga sumusunod: “Bumuo kami ng mga bagong algorithm ng data compression na nagbibigay-daan sa amin na mag-shuttle ng hyperspectral data nang mas mahusay at mas mabilis, mula man sa orbit-to-ground o sa loob ng mga terrestrial network. Pinagsasama namin iyon sa aming mga pag-unlad sa malalim na pag-aaral upang magsagawa ng pagsusuri sa antas ng sub-pixel, na nagbibigay-daan sa amin na kumuha ng higit pang mga insight kaysa sa karaniwang computer vision dahil naglalaman ang aming data ng higit pang impormasyon sa spectral na dimensyon."

Sa katunayan, ang hyperspectral imaging ay maaaring gamitin sa ibang mga antas. Halimbawa, ang isa sa mga pinaka-binuo na application ng Metaspectral's system ay may mga close-up na camera sa pag-uuri-uri ng mga linya para sa pinaghalong recycling material kung saan nagagawa nitong pag-iba-ibahin ang malinaw na plastik sa pamamagitan ng kemikal na komposisyon upang maiuri ang mga ito sa napakadalisay na stream na kinakailangan para sa muling pagproseso. .

Ginagamit na ngayon ng pinakamalaking Canadian waste recycler ang sistemang ito. Mayroong iba pang malapit na aplikasyon para sa kalidad ng kasiguruhan sa mga linya ng pagpupulong o pag-uuri ng prutas.

Sa kabilang dulo, ang camera ay maaaring makabuo ng data mula sa isang satellite kung saan ang bawat pixel ng imahe ay kumakatawan sa 30m x 30m square (900 square meters). Ginagamit ng Canadian Space Agency ang diskarteng iyon upang subaybayan ang mga greenhouse gas emissions at maging upang tantyahin ang soil carbon sequestration sa sakahan o gubat na lupa sa pamamagitan ng paghahambing ng mga rate ng flux sa paglipas ng panahon. Ang teknolohiya ay nakatakda rin para sa hinaharap na pag-deploy sa International Space Station. Ang mga pagtatasa sa peligro ng sunog sa kagubatan ay isa pang potensyal na aplikasyon upang gabayan ang mga aksyon tulad ng mga prescriptive burn.

Ang isa pang opsyon na partikular na magagamit para sa agrikultura ay ang pag-deploy ng mga camera na may mga drone na lumilipad sa 50-100 metro. Sa kasong iyon, ang bawat pixel ng data ay maaaring kumatawan sa isang lugar na 2cm sa pamamagitan ng 2cm at ang kakayahang subaybayan ang napakaraming iba't ibang wavelength ay maaaring magbigay-daan sa maagang pagtuklas ng mga invasive na damo, aktibidad ng insekto, impeksyon sa fungal nang paunti-unti bago sila makita ng mga tao, maagang mga indikasyon ng tubig o mga kakulangan sa sustansya, o mga parameter ng maturity ng crop upang gabayan ang timing ng ani. Maaaring posibleng subaybayan ang mga greenhouse gas o ammonia emissions mula sa mga lupang sinasaka upang mas maunawaan kung paano naiimpluwensyahan ang mga iyon ng mga partikular na kasanayan sa pagsasaka tulad ng pinababang pagbubungkal ng lupa, pagtatanim ng takip, variable rate fertilization o "controlled wheel traffic." Sa oras na ito, ang kailangan ay isang mahusay na pagsasaliksik ng "ground truthing" upang ikonekta ang data ng imaging sa mga sukat ng mga variable na pinag-uusapan, ngunit magiging mas madali ito sa data compression at mga kakayahan sa interface na makukuha mula sa Metaspectral.

Ang isang pag-asa ay na ang magkakaibang mga aplikasyon ng hyperspectral imaging na pinadali ng Metaspectral platform ay lilikha ng sapat na pangangailangan para sa mga camera na itulak ang pagmamanupaktura nang higit pa pababa sa cost-learning curve.