Landbouwperceeldetectie uit satellietbeelden
Een instance-segmentatiemodel dat landbouwpercelen nauwkeurig afbakent op satellietbeelden, als basis voor geoptimaliseerd planten en het aansturen van een autonome tractor.
Het probleem
VeXtronics wilde het planten van gewassen optimaliseren en een autonome tractor kunnen laten werken binnen de grenzen van een specifiek perceel. Perceel- en gewasgrenzen handmatig inmeten of bijhouden is arbeidsintensief en sluit slecht aan op een omgeving die per seizoen verandert.
De oplossing
Ik heb een YOLO instance-segmentatiemodel getraind dat landbouwpercelen herkent en afbakent op satellietbeelden. De beelden zijn afkomstig van het Satellietdataportaal, het Nederlandse satellietdataportaal. In tegenstelling tot een gewone bounding-box detector levert instance segmentatie een nauwkeurige polygoon per perceel, wat nodig is om er zowel plantoptimalisatie als tractorbesturing op te baseren.
Hoe het werkt
- Satellietbeelden worden opgehaald via het Satellietdataportaal.
- Een YOLO instance-segmentatiemodel segmenteert individuele percelen op de beelden tot nauwkeurige polygonen.
- De resulterende perceelgrenzen worden gebruikt om het planten van gewassen binnen het perceel te optimaliseren.
- Dezelfde perceelgrenzen sturen een autonome tractor aan, die binnen het gesegmenteerde gebied moet opereren.
Architectuurkeuzes
Voor instance segmentatie is gekozen boven eenvoudige classificatie of bounding-box detectie omdat zowel de plantoptimalisatie als de tractorbesturing een precieze perceelvorm nodig hebben, niet alleen een globale locatie. YOLO is gekozen vanwege de snelheid, wat belangrijk is bij het verwerken van grote hoeveelheden satelliettegels.
Status
Prototype, gebouwd voor VeXtronics om de pijplijn van perceelsegmentatie tot plantoptimalisatie en tractorbesturing te demonstreren.
Wil je weten of satellietbeelden en instance segmentatie ook jouw akkerbouw- of precisielandbouwproces kunnen ondersteunen?
Neem contact op →