2020年6月27日 机器视觉与计算机视觉技术

机器视觉成为防治农作物减产的新式武器

农作物的损失对农民来说是毁灭性的。随着生态波动性的增加,这也是生活中的事实。

但是,许多被统称为“精准农业”或“农业智能”的新技术可以提供帮助。一家名为Taranis的公司刚刚推出了一种新颖的杂草识别系统,该系统结合了计算机视觉,卫星和无人机图像以及人工智能,能够实时告诉农民哪些杂草正在袭击他们的作物,好让农民有能够及时进行处理。

全球农作物减产问题的范围令人震惊。在全球范围内,农民每年因农作物减产损失约7500亿美元。大约三分之一种植的粮食损失。

几十年来,解决办法一直是大量使用除草剂。但是这里有超过8000种杂草。农民们通常别无选择,只能使用大剂量的除草剂,而不是针对一个有害的物种。因此,仅在美国,除草剂和杀虫剂抗药性目前每年就要花费100亿美元。

像Taranis这样的公司正在利用计算机视觉,机器学习和商用无人机技术的进步,他们正在提出新的解决方案来提供帮助。

“Taranis公司的首席执行官兼联合创始人Ofir Schlam说:“我们的团队由120名专业农学家组成,他们不断地训练我们的人工智能数据集,现在Taranis拥有最全面的杂草识别系统。”“我们正在让农民比以往任何时候都更容易识别出数千种杂草,从而进一步推进我们的使命,使服务提供者、土地管理者和生产者能够先发制人地抗击杂草、昆虫、疾病等造成的作物产量损失。”

Taranis的平台从卫星、飞机和无人机上收集的图像开始,提供三种不同的分辨率尺度来挖掘数据。该组合结合了田间图像,并使用人工智能深度学习技术来识别作物健康问题。

随着农业领域被自动化和物联网(IoT)改造,农民变得越来越精通技术,他们得到的读数提醒他们注意作物健康。该公司的计算机视觉算法可以识别领域中的模式,从而推断疾病的存在,并识别特定的杂草品种。

在2000万美元的B轮融资之后,Taranis推出了新的杂草识别功能。。 Taranis总部位于以色列,迄今已拥有超过3000万美元的资金。到目前为止,该公司一直专注于大宗商品作物,如玉米,棉花,甘蔗,大豆,小麦,马铃薯,占全球作物产量的70%。

Banner
Related Posts

机器视觉检测系统完整解决方案以及开发流程

2019年4月25日

2019年4月25日

机器视觉一词可以想象是具有一组眼睛的计算机进行检测或检验行为。为了开发机器视觉应用的完整解决方案,视觉工程师执行一系列通常分为五个类别的任务:计划,设计,构建,集成和验证。

用机器视觉法监测石榴成熟过程

2019年11月19日

2019年11月19日

瓦伦西亚农业调查研究所(IVIA)、米格尔·埃尔南德斯·德埃尔切大学和巴伦西亚理工大学的科学家们研究了两种用于石榴质量监测的机器视觉技术。

反光物体机器人机器视觉解决方案

2019年4月9日

2019年4月9日

SwRI和ROS-Industrial integrated intelligent parts reconstruction在ROS2框架内,用于提高工业机器人的三维图像感知能力,用于路径规划和路径点密集操作,如零件打磨。

自动化金属表面缺陷检测系统

2019年6月25日

2019年6月25日

近年来,生产制造企业对于金属的需求快速增长,对于产品质量的要求也是日益严格。如何对金属产品质量进行有效控制,我们的方法很简单:提供针对每种金属产品应用优化的表面缺陷检测解决方案,以高效一致方法的进行在线检查。事实证明,实时信息在为客户解决问题方面具有无可估量的价值,通过消除对生产后物理带材检验的依赖,制造商能够克服重大障碍。

机器视觉系统集成发展的现状和前景

2019年7月10日

2019年7月10日

机器视觉系统集成是一门学科,随着新成像技术的不断发展,这门学科的发展势头依然强劲。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

机器视觉这条河,未来也会浑浊吗?

2019年3月21日

2019年3月21日

机器视觉的实质是一种计算机图像处理在工业领域的应用,其在机器人行业的应用方向有两种。AGV和机械臂,AGV上的应用已经很明了,主要存在于导航上面,但是在机械臂上的应用可谓是越来越广。

用于食品标签的光学字符识别(OCR)视觉系统

2019年4月24日

2019年4月24日

在食品制造工厂,系统需要从传送器中剔除带有错误打印数据代码的包装食品。虽然以前的系统运行还算正常,但它已经陈旧,原始软件开发的升级换代也无法得到支持。

机器视觉技术发展的五大趋势

2019年6月21日

2019年6月21日

在过去的一年里,人工智能(AI)、大数据、3D成像和机器人过程自动化等领域在取得了空前的发展。在即将到来的2019年,机器视觉技术应用还将蓬勃发展,新机器视觉认为五大发展趋势将引领行业应用。

智能高光谱成像与食品安全的未来

2020年3月9日

2020年3月9日

智能高光谱成像技术有望快速准确地检测病原体、异物以及产品的新鲜度和损伤。

深度学习+机器视觉=下一代检测

2019年9月18日

2019年9月18日

将机器视觉和深度学习结合起来,将为企业在运营和投资回报(ROI)方面提供强大的手段。因此,抓住传统机器视觉和深度学习之间的差异,并理解这些技术如何相互补充——而不是竞争或替代——对于实现投资最大化至关重要。

用于目标识别的自学习机器视觉系统

2019年7月8日

2019年7月8日

机器视觉是工业4.0,即工业物联网背景下高度自动化和无缝联网过程的关键技术。使用诸如深度学习之类的新的人工智能过程变得越来越重要。许多好处使这项技术具有吸引力,但同时它也有局限性。

基于线扫描相机的表面缺陷检测系统

2019年5月17日

2019年5月17日

表面缺陷检测系统也叫表面质量检测系统或者表面质量检测设备。应用的领域十分的广泛,我例举一下最主要的应用领域吧,钢铁冶金,有色金属加工,高精铜板带,铝板带,铝箔,不锈钢制造,电子材料,无纺布,织物,玻璃,纸张,薄膜。

工业相机调研凸显嵌入式趋势

2019年3月27日

2019年3月27日

据一项专业调查显示,机器视觉行业正凸显出向嵌入式视觉和模块化发展的趋势。制造商们看到了嵌入式视觉解决方案在汽车和基础设施应用方面的巨大潜能。

自动印刷代码检查解决方案

2019年4月17日

2019年4月17日

AutoCoding Systems将在米尔顿凯恩斯即将举行的UKIVA机器视觉会议上展示他们最新的视觉创新成果。由SICK AppSpace提供支持的4Sight解决方案是自动打印检测领域真正的行业突破。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注