Beispieldaten hier ansehenMehr Wellenbereiche = Mehr Informationen = Mehr Analysepotential.Manchmal ist es am besten, etwas visuell darzustellen. Aus diesem Grund veröffentlichen wir diese Serie von Mini-Analysen von 10-Band-Daten des RedEdge-MX Dual Camera Systems.
Wir haben die Dual Camera über eine Vielzahl von Terrains geflogen, von Obstplantagen in Arizona bis zu einem Bachbett im Bundesstaat Washington, und jeder Datensatz kam mit einer interessanten Geschichte zurück. Wir haben sie hier detailliert aufgeführt, in der Hoffnung, dass Sie selbst sehen können, wie 10-Band-Daten die Zukunft des Vegetationsmanagements antreiben werden. Farmland, Forestry and Streams Unten ist ein RGB-Mosaik aus einem Dual-Kamera-Datensatz.
Darin gibt es eine Vielzahl von Umgebungen, die von Gartenbau über Waldgebiete bis hin zu Wasser reichen. Sogar in den RGB-Bildern ist klar, dass es verschiedene Baumarten, verschiedene Arten von Nutzpflanzen und möglicherweise sogar etwas Vegetation im Wasser gibt. Die verschiedenen Arten von Bäumen und Nutzpflanzen sind in diesem NIR Red Edge Green-Komposit besonders gut sichtbar (siehe unten). ).
Wie wir oben erwähnt haben, ist eines der interessantesten Dinge an diesem Datensatz die große Vielfalt an Funktionen, die er umfasst. Daher wollten wir als Erstes sehen, ob wir die verschiedenen Merkmale einfach und genau klassifizieren können. Unter Verwendung des vollständigen 10-Band-GeoTIFF trainierten wir einen Algorithmus, um dieses Bild in 12 verschiedene Kategorien zu klassifizieren: Erde, Sand, Wasser, Gras, Bäume, tote Vegetation, gelbes Gras, grüne Ernte, dunkelrote Ernte, dunkelgrüne Ernte, gelbe/helle Ernte und potenzielle Artefakte.
Die Ergebnisse waren ziemlich genau, wie Sie sehen können. Der Computer war in der Lage, den gesamten Datensatz zu klassifizieren, obwohl es einige harte Schatten gab, die einige Merkmale verdeckten. Wir waren besonders gespannt, wie sich die Klassifizierungsmodelle verbessern, wenn wir mehr Bänder hinzufügen.
Mit 10-Band-Daten im Gegensatz zu 5-Band-Daten gibt es von Natur aus mehr Informationen, mit denen Modelle trainiert werden können, was die Möglichkeiten für Klassifizierungsalgorithmen und andere Analysewerkzeuge eröffnet. Von hier aus möchten wir dies weiterführen und die verschiedenen Bänder verwenden, um die unterschiedlichen zu klassifizieren Baumarten. Dies ist nicht das letzte Mal, dass wir über diesen Datensatz posten, also bleiben Sie dran!
Wir werden auch Mini-Geschichten aus anderen Datensätzen posten, also schauen Sie hier wieder vorbei, um Updates zu erhalten! In der Zwischenzeit können Sie hier Beispieldaten für die RedEdge-MX Dual Camera herunterladen und hier mehr über das System selbst erfahren!.
Shenzhen Tiger Wong Technology Co.,Ltd
Tel:86 13717037584
Email: info@sztigerwong.com
Hinzufügen: 1. Etage, Gebäude A2, Silicon Valley Power Digital Industrial Park, Nr. 22 Dafu Road, Guanlan Street, Bezirk Longhua,
Shenzhen, Provinz Guangdong, China