Класифікація культур за допомогою супутникових знімків та аналітики

Рішення EOSDA забезпечує точну, масштабовану й повністю керовану аналітику супутникових зображень із використанням AI. Воно допомагає організаціям ухвалювати обґрунтовані рішення у всьому аграрному виробничому циклі.

  • Точність до 90%
  • Інтеграція через API
  • Індивідуальні звіти
Класифікація культур від EOS Data Analytics

Підхід та методологія нашої AI класифікації культур

Модель: EOSDA застосовує багаторівневу архітектуру Conv-LSTM, що поєднує просторовий (CNN) та часовий аналіз (LSTM). Завдяки повносезонному аналізу серій супутникових знімків модель відстежує спектральні зміни культур на різних етапах росту, що суттєво підвищує точність виявлення.

Супутникові дані: У роботі моделі використовуються знімки із супутника Sentinel-2 L2A, який збирає дані у 8 спектральних діапазонах (RGB, 2 Red Edge, NIR, 2 SWIR).

Культури: Модель навчена на даних більш ніж 20 видів культур із різних країн і може бути адаптована до будь-якої культури за наявності еталонних даних.

Точність: До 90%.

Обмеження: Регіони з високою хмарністю та поля площею менше 2 га.

Схема Багаторівневої Conv-LSTM Моделі (EOS Data Analytics)

Очікувані результати та формати проєкту

Класифікація культур, США, 2024
  • Растрова маска класифікації в межах AOI, у форматі GeoTIFF.
  • Векторна маска з межами полів у форматах ESRI Shapefile, GeoJSON, KML або GPKG.
  • Зведена статистика за адміністративними межами регіонів, районів та ін. у форматах XLSX або CSV.
  • Аналітичний звіт або пояснювальна записка з результатами (за потреби)..

*Результати в іншому форматі, з можливістю інтеграції через API.

Необхідні дані для AI-класифікації культур

Вхідні дані від замовника

  • Область інтересу (AOI) у форматі таблиці (XLSX/CSV) або векторному форматі (KML, ESRI Shapefile, GPKG, GeoJSON).
  • Перелік цільових культур.
  • Календар вирощування (за наявності).
  • Еталонні дані (приклади полів із цільовими культурами для навчання моделі), за можливості.

Дані, зібрані та оброблені EOSDA

  • Фенологічні дані.
  • Супутникові знімки.
  • Тренувальні набори даних для загальної класифікації земного покриву (та для цільових класів, якщо вони недоступні).
  • Затверджувальні набори даних.

Стандартні етапи проєкту

Типова тривалість: 3-6 тижнів

1

Аналіз особливостей рослинності в межах AOI.

2

Збір, перевірка та фільтрація наземних даних.

3

Пошук і завантаження необхідних супутникових знімків.

4

Навчання моделі та класифікація культур.

5

Перевірка результатів і підготовка фінальних матеріалів.

Переваги рішення EOSDA для класифікації культур

Короткострокова оптимізація

  • Покращене планування виробництва та постачань.
  • Оптимізація ланцюгів постачання.
  • Краще управління полями та використання ресурсів.
  • Спрощена оцінка ризиків при агрокредитуванні та страхуванні.
  • Легший моніторинг відповідності аграрним програмам.

Довгостроковий вплив та стійкість

  • Ефективний ринковий аналіз завдяки аграрним даним.
  • Зручний збір і зберігання аграрних даних.
  • Підтримка політик і регуляцій продовольчої безпеки.
  • Ефективне використання земель та стале управління ресурсами.
  • Оцінка та моніторинг сировини для біоенергетики.