De kracht om verder te kijken dan de mogelijkheden van het menselijk oog

De verschillende kleuren die we kunnen zien zijn gebaseerd op verschillende golflengten van licht. Het menselijk oog kan golflengten detecteren en onderscheiden in drie banden (rood, groen en blauw) die het bereik van 450 tot 650 nanometer beslaan, maar we kunnen geen licht zien van de honderden andere lichtbanden die buiten dat bereik bestaan. Er is een technologie genaamd hyperspectrale beeldvorming die een beter beeld kan geven van wat er in de wereld om ons heen gebeurt. Er zijn gespecialiseerde camera's die tot 300 lichtbanden scheiden met prisma's en vervolgens de energie die ze detecteren digitaliseren op een golflengtespecifieke basis. Deze camera's hebben een enorm scala aan mogelijke toepassingen. Ze kunnen bijvoorbeeld worden gebruikt om de uitstoot van broeikasgassen te monitoren, het verschil te zien tussen gemengde doorzichtige plastics of de rijpheid van fruit op een verpakkingslijn te meten.

Er zijn verschillende fabrikanten van deze hyperspectrale camera's, maar voorlopig zijn ze vrij duur - beginnend bij ongeveer $ 20,000. De cameraspecifieke software die ze gebruiken is niet zo eenvoudig te integreren met andere systemen. De andere uitdaging die deze uitgebreide kijk op de wereld met zich meebrengt, heeft te maken met de hoeveelheid gegevens: deze camera's genereren ongeveer één gigabit aan gegevens per seconde!

Er is een bedrijf genaamd Metaspectral dat probeert het potentieel van hyperspectrale beeldvorming uit te breiden door een combinatie van hardware en software aan te bieden om deze gegevensbron gebruiksvriendelijker te maken. Ze gebruiken "apparaat-agnostische" edge-apparaten met compressie-algoritmen die op elke hyperspectrale camera kunnen worden aangesloten en de gegevensuitvoer omzetten in een beheersbare stroom. Hun eigen Fusion AI-platform kan worden gebruikt om te communiceren met bekende gebruikerssoftware, robotica aan te sturen of kunstmatige intelligentie en deep learning-systemen te voeden.

Metaspectral heeft onlangs $ 4.7 miljoen opgehaald in een startronde van SOMA Capital, Acequia Capital, de regering van Canada en angel-investeerders, waaronder Jude Gomila en Alan Rutledge. Het bedrijf is mede opgericht door Francis Doumet (CEO) en Migel Tissera (CTO). Tissera omschrijft hun aanbod als volgt: “We hebben nieuwe datacompressie-algoritmen ontwikkeld waarmee we hyperspectrale data beter en sneller kunnen overbrengen, zowel van de baan naar de grond als binnen terrestrische netwerken. We combineren dat met onze vorderingen op het gebied van deep learning om analyses op subpixelniveau uit te voeren, waardoor we meer inzichten kunnen verkrijgen dan conventionele computervisie, omdat onze gegevens meer informatie over de spectrale dimensie bevatten.”

Hyperspectrale beeldvorming kan inderdaad op zeer verschillende schalen worden gebruikt. Een van de meest ontwikkelde toepassingen van Metaspectral's systeem is bijvoorbeeld met close-up camera's op sorteerlijnen voor gemengd recyclingmateriaal, waar het heldere kunststoffen kan onderscheiden op basis van chemische samenstelling, zodat ze kunnen worden gesorteerd in de uiterst zuivere stromen die nodig zijn voor herverwerking. .

De grootste Canadese afvalrecycler maakt nu gebruik van dit systeem. Er zijn andere close-up toepassingen voor kwaliteitsborging in assemblagelijnen of fruitsortering.

Aan het andere uiterste kan de camera gegevens genereren van een satelliet waarbij elke pixel van het beeld 30 x 30 vierkante meter (900 vierkante meter) vertegenwoordigt. De Canadian Space Agency gebruikt die benadering om de uitstoot van broeikasgassen te volgen en zelfs om de koolstofvastlegging in de bodem in landbouw- of bosgrond te schatten door de stroomsnelheden in de tijd te vergelijken. De technologie is ook gepland voor toekomstige inzet op het internationale ruimtestation ISS. Risicobeoordelingen van bosbranden zijn een andere mogelijke toepassing om acties zoals voorgeschreven brandwonden te begeleiden.

Een andere optie die met name van nut zou zijn voor de landbouw, is om de camera's in te zetten met drones die op 50-100 meter vliegen. In dat geval kan elke pixel met gegevens een gebied van 2 cm bij 2 cm vertegenwoordigen en de mogelijkheid om zoveel verschillende golflengten te bewaken, kan vroege detectie van invasieve onkruiden, insectenactiviteit, schimmelinfecties mogelijk maken in stadia voordat ze zichtbaar zijn voor mensen, vroege indicaties van water of tekorten aan voedingsstoffen, of parameters voor rijpheid van gewassen om de timing van de oogst te sturen. Het zou mogelijk kunnen zijn om de uitstoot van broeikasgassen of ammoniak van landbouwbodems te volgen om beter te begrijpen hoe deze worden beïnvloed door specifieke landbouwpraktijken zoals minder grondbewerking, bedekken van gewassen, variabele bemesting of "gecontroleerd wielverkeer". Wat op dit moment nodig is, is veel onderzoek naar 'grondwaarneming' om de beeldgegevens te verbinden met metingen van de variabelen in kwestie, maar dit zal veel gemakkelijker zijn met de gegevenscompressie en interfacemogelijkheden die beschikbaar zijn bij Metaspectral.

Eén hoop is dat de diverse toepassingen van hyperspectrale beeldvorming, mogelijk gemaakt door het Metaspectral-platform, voldoende vraag naar de camera's zullen creëren om de productie verder naar beneden te duwen in de kostenleercurve.