감지와 처방 사이의 분석 계층
단일 작물과 단일 지역을 대상으로 한 이 물리 기반 합성 데모에서 NDVI는 질소 결핍, 수분 스트레스, 곰팡이 감염 스트레스를 모두 동일한 황색으로 표시합니다. SpectraRx는 모든 픽셀에서 424개 밴드 곡선 전체를 판독하여 원인을 규명하고, 실제 붐 기하구조에 맞춘 변량 처방을 작성하며, 검토를 위한 IPM 스타일 기록 템플릿을 생성합니다. 뒷받침할 수 없는 픽셀은 불확실성을 현장 예찰로 라우팅합니다.
0.887
스트레스 유형을 구분하는 매크로 F1
1,280픽셀 홀드아웃 세트에서 424개 밴드 스펙트럼 CNN 대 0.69 Sentinel-2 기존 모델
424개 밴드
픽셀당 전체 VNIR 및 SWIR 곡선
가시광선, 근적외선, 단파적외선에 걸친 400~2515 nm
0.887에서 0.373으로
대기 보정 미적용 시 정확도
보정은 핵심 안전장치이며, 앱 내에서 직접 측정됩니다
본 데모는 직접 실행 가능한 데모입니다. 초분광 장면은 물리 기반 합성 큐브이며, 라이브 센서 및 농기계 커넥터는 구현되지 않았습니다. 학습된 분류기, 결정론적 게이트, 내보내기 형식, 생성된 IPM 스타일 기록 템플릿은 표시된 그대로 정확하게 실행됩니다.
문제를 감지하는 것과 이에 대해 조치를 취하는 것 사이의 간극.
다중분광 모니터링과 NDVI는 넓은 옥수수 구역을 황색으로 칠하고 스트레스 상태라고 표시할 수 있습니다. 하지만 원인을 식별하지는 못합니다. 질소 부족, 수분 결핍, 초기 곰팡이 감염은 각기 다른 대응이 필요하지만, 스트레스 알림은 작업자에게 이 모든 상황에 대해 단 하나의 색상만을 제공합니다.
추측에 따른 비용은 고스란히 운영 손실로 이어집니다. 잘못된 진단은 엉뚱한 문제에 살포 작업을 낭비하게 만들고, 질병 신호를 놓치면 조치할 수 있는 골든타임이 줄어듭니다. 하나의 황색 블롭은 그 어느 것도 국소화하여 규명하지 못합니다.
정직한 해결책은 더 보기 좋은 히트맵을 만드는 것이 아닙니다. 작물의 물리적 특성을 판독하고 원인을 분리하며 기초 데이터를 신뢰할 수 없을 때 판정 보류율이 높은 구역을 현장 예찰로 라우팅하는 분석 계층입니다. 그것이 바로 우리가 구축한 계층입니다.
결정론적 체인: 획득, 보정, 진단, 게이팅, 처방, 기록. 분류기가 진단을 제안하고, 코드가 이에 기반해 조치를 취해도 안전한지 여부를 결정합니다.
각 장면은 가시광선, 근적외선, 단파적외선에 걸쳐 400~2515 nm를 포괄하는 424개 밴드의 초분광 큐브입니다. 경험적 선형 대기 보정을 통해 대기 상단 복사도로부터 지표면 반사율을 복원하고 장면마다 보정 출처 플래그를 각인합니다. 순수 numpy로 처음부터 작성되어 실제 합성곱, 역전파, Adam을 구현한 자체 1차원 스펙트럼 CNN은 각 픽셀의 전체 곡선을 정상, 질소 결핍, 수분 스트레스 또는 초기 타르반점으로 분류하며, 신뢰도가 보정되도록 온도 스케일링이 적용됩니다. 협대역 물리 특성 모델과 실제 Sentinel-2 광대역 기존 모델이 기준선으로 함께 실행됩니다.
신뢰성은 결코 모델 자체의 신뢰도 보고에만 의존하지 않습니다. 모든 픽셀은 처방으로 확정되기 전에 세 가지 결정론적 검사를 통과합니다.
대기 보정은 장면별 출처 플래그를 각인합니다. 의도적 생략 모드에서는 원시 대기 상단 데이터가 분류기에 전달되어 다운스트림의 신뢰도 및 물리적 일치도 게이트가 실패 경로를 명확히 드러낼 수 있습니다.
신뢰도가 낮거나 시그니처가 혼재된 픽셀은 특정 클래스를 억지로 지정하지 않고 판정을 보류합니다. 판정 보류 픽셀이 34% 이상인 구역은 현장 예찰로 라우팅되며, 그 외 구역은 처방을 위해 판정이 보류되지 않은 다수결을 사용합니다.
CNN이 특정 클래스를 주장하더라도 문서화된 물리적 특성이 불일치하는 경우(질소 결핍을 가리키지만 레드 에지가 이동하지 않은 경우), 해당 픽셀은 판정을 보류합니다. 주장은 분광학적 데이터와 반드시 일치해야 합니다.
유형화된 진단 맵은 27 m 붐 프로파일을 사용하여 5 m 픽셀에서 25 m 관리 셀로 집계됩니다. 농기계 기하구조는 사후 고려사항이 아닌 계산의 핵심 요소입니다. 농경학적 살포율은 설정된 R3 생육 단계 윈도우 내에서만 조치를 허용하는 살균제 규칙을 포함하여 구성된 진단 규칙을 따릅니다. 이 계획은 ISO-XML 및 GeoJSON으로 내보낼 수 있습니다.
그런 다음 데모는 농학자 및 컴플라이언스 검토를 위해 진단 및 처방으로부터 EU Farm to Fork IPM 스타일 기록 템플릿을 생성합니다. 라이브 규제 제출이나 커넥터를 제공하지는 않습니다. 언어 모델이 이 파이프라인에 관여할 수 있는 유일한 영역은 이미 계산된 팩트로부터 정당성 산문을 렌더링하는 것뿐이며, API 키 없이도 데모가 실행되도록 템플릿 기반 폴백이 기본값으로 작동합니다.
데모의 물리 기반 합성 장면입니다. 아래의 모든 이미지는 실행 중인 앱의 스크린샷입니다.
NDVI 탭은 위성 모니터링 서비스가 제공하는 방식 그대로 포장을 보여줍니다. 북동쪽 사분면에 원인도 처방도 없이 단순히 스트레스 상태로 라벨이 지정된 하나의 황색 영역입니다. 이는 모든 정밀 농업 팀이 이미 보유하고 있는 출발점이자, 의사결정이 가로막히는 지점입니다.
'포장 진단'을 실행하면 단일 황색 영역이 뚜렷한 원인들로 분할됩니다. 황색의 질소 결핍, 청색의 수분 스트레스, 적색의 초기 타르반점으로 나뉘며 빗금 친 픽셀은 판정이 보류되어 지상 실측 예찰로 라우팅됩니다. 이 홀드아웃 물리 기반 합성 장면에서 판정 패널은 Sentinel-2 기존 모델의 0.69 대비 SpectraRx의 매크로 F1 0.89, 보정 정확도 0.89, 포장 면적의 20.1% 판정 보류를 보고합니다. 하나의 지도가 세 가지 서로 다른 작업으로 전환됩니다.
작물 분류기에 대한 가장 당연한 반론은 훈련 데이터의 형태만을 학습했을 뿐이라는 지적입니다. 스펙트럼 인스펙터는 이 질문의 일부에 직접 답합니다. 타르반점의 경우 독립적으로 계산된 밴드 현저성 추적이 531 nm 부근의 PRI 진단 지표에 가장 가까운 샘플링된 530 및 535 nm 구간에서 피크를 이룹니다. 질소의 경우 680~720 nm 레드 에지에 가중치를 둡니다. 시스템은 문서화된 970, 1450 및 1940 nm SWIR 수분 진단 지표를 별도로 검사하며, 이러한 검사는 CNN의 최고 현저성 피크로 제시되지 않습니다.
'대기 보정 건너뛰기'를 켜면 원시 대기 상단 복사도가 분류기에 공급됩니다. 정확도는 0.887에서 0.373으로 급락하며, 픽셀의 92.2%가 판정을 보류하고 144개 관리 구역 중 140개가 지상 실측 예찰로 라우팅됩니다. 4개의 수분 스트레스 구역은 구역 규칙에 따라 여전히 살포 대상이 되므로, 이는 전면적 차단이 아니라 검사 가능한 안전장치입니다.
진단 결과는 27 m 붐 프로파일과 25 m 해상도의 144개 관리 셀로 변환됩니다: 살포 대상 21개 구역, 예찰 대상 25개 구역, 이미 정상인 98개 구역입니다. 각 살포 구역은 데모의 결정론적 처방 규칙에 따라 제품과 살포율을 포함합니다. 이는 ISO-XML 및 GeoJSON 형식과 구역별 지리 좌표, 스펙트럼 증거, 평가된 대안, R3 마감일, 공인 농학자 서명란이 나열된 EU Farm to Fork IPM 스타일 기록으로 내보낼 수 있습니다.
1,280픽셀 홀드아웃 물리 기반 합성 품종 및 토양 테스트에서 SpectraRx는 Sentinel-2 기존 모델의 0.69 및 협대역 물리 특성 모델의 0.856 대비 매크로 F1 0.887을 기록했습니다. 클래스별로 보면 기존 모델은 질소에서 1.0에 가까운 매우 강력한 기준선입니다. 하지만 수분에서는 0.97 대비 0.63, 초기 타르반점에서는 0.77 대비 0.61로 뒤처집니다. 이는 메커니즘 검증 결과이며 현장 보증 수치가 아닙니다.
데모가 벤치마크하는 기존 모델과의 나란한 비교. 허수아비가 아닌 실제적이고 강력한 기준선입니다.
| 평가 항목 | Sentinel-2 광대역 기존 모델 | SpectraRx |
|---|---|---|
| 픽셀당 판독 밴드 수 | 13개 광대역 밴드 | 424개, VNIR 및 SWIR(400~2515 nm) |
| 질소, 수분, 타르반점 구분 | 질소는 가능; 수분 및 타르반점은 취약함 | 픽셀당 세 가지 모두 구분 |
| 수분 스트레스 F1 (홀드아웃 세트) | 0.63 | 0.97 |
| 초기 타르반점 F1 (홀드아웃 세트) | 0.61 | 0.77 |
| 모호하거나 미보정된 픽셀에서의 동작 | 그럼에도 불구하고 분류 강행 | 판정 보류, 지상 실측 예찰로 라우팅 |
| 도출되는 산출물 | 단순 스트레스 플래그 | 유형화된 진단, 변량 처방, 검토 가능한 IPM 스타일 기록 템플릿 |
NDVI 및 다중분광 모니터링은 원인을 파악하지 못한 채 무언가 문제가 있다는 것만 감지할 수 있습니다. SpectraRx는 각 픽셀에서 424개 밴드의 전체 반사율 곡선을 판독하여 진단명, 반응 파장, 조치 경로를 명시합니다. 데모의 1,280픽셀 홀드아웃 물리 기반 합성 품종 및 토양 테스트에서, SpectraRx는 Sentinel-2 광대역 기존 모델의 0.69 대비 매크로 F1 0.887로 스트레스 유형을 구분합니다. 수분 스트레스는 0.63 대비 0.97이며 초기 타르반점은 0.61 대비 0.77입니다.
스펙트럼 인스펙터에서 임의의 구역에 마우스를 올리면 분류기의 자체 특성과 독립적으로 계산되어 CNN이 실제로 가중치를 부여한 파장을 보여주는 밴드 현저성 추적이 그려집니다. 타르반점은 531 nm 광화학 반사 지수(PRI) 밴드와 연관되고 질소는 680~720 nm 레드 에지와 연관됩니다. 또한 시스템은 문서화된 970, 1450 및 1940 nm SWIR 수분 진단 지표를 별도로 검사하며, 이를 CNN의 최고 현저성 피크로 제시하지 않습니다. 벤치마크는 두 모델 모두 훈련받지 않은 품종과 토양으로 구성된 홀드아웃 합성 세트입니다.
세 가지 결정론적 게이트가 모델 외부에 위치합니다: 보정 출처 게이트, 신뢰도 및 모호성 게이트, 그리고 CNN의 클래스가 문서화된 물리적 특성과 불일치할 경우 판정을 보류하는 물리적 일치도 검사입니다. 판정 보류 픽셀이 34% 이상인 구역은 현장 예찰로 라우팅되고, 그 외의 구역은 판정이 보류되지 않은 다수결을 기반으로 처방됩니다. 기본 보정된 장면에서는 픽셀의 20.1%가 판정 보류됩니다. 이는 가시적인 안전장치이며 완벽성을 주장하는 것이 아닙니다. 타르반점 F1은 0.77입니다.
진단 맵은 27 m 붐 프로파일을 사용하여 5 m 픽셀에서 25 m 관리 셀로 집계됩니다. 데모에서는 구역별 제품 및 살포율이 적용된 144개 관리 셀(살포 대상 21개, 예찰 대상 25개, 정상 98개)을 생성하며, ISO-XML 및 GeoJSON 형식으로 내보냅니다. 내보내기 형식은 실제 작동하며, 라이브 파트너 푸시 커넥터는 본 데모에 구현되어 있지 않습니다.
SpectraRx는 진단 및 처방으로부터 EU Farm to Fork IPM 스타일의 기록 템플릿을 결정론적으로 생성합니다: 지리 좌표, 구역별 스펙트럼 증거 및 다수결 클래스 구역 범위, 평가된 대안, 권장 제품 및 살포율, 살균제 살포 윈도우 마감일, 보정 출처, 모델명 및 버전, 공인 농학자 서명란이 포함됩니다. 본 데모는 라이브 규제 제출이나 커넥터를 주장하지 않습니다.
모든 수치는 고정된 시드 아래에서 정확하게 재현되며, 두 모델 모두 훈련받지 않은 품종과 토양의 1,280픽셀 홀드아웃 세트에서 측정된 것으로 단순 암기가 아닌 분포 변화를 평가합니다. 장면은 물리 기반 합성 큐브입니다: 정상 기준선은 공표된 녹색 식생 반사율을 따르며 스트레스 시그니처는 분류기와 독립적으로 주입된 문서화된 물리적 섭동입니다. 우리는 0.887 매크로 F1을 단일 작물과 단일 지역에 대한 레이블링된 합성 세트에서의 결과로 명시할 뿐, 결코 오픈월드 현장 보증으로 제시하지 않습니다. 실제 현장 정확도를 확보하려면 2개 시즌의 지상 실측 라이브러리가 필요하며 이는 후속 과제입니다.
본 데모에서는 지원되지 않습니다. 라이브 센서 연동 및 파트너 푸시 커넥터는 구현되지 않았습니다. 실제로 구현된 것은 분석 체인입니다: 대기 보정, 424개 밴드 스펙트럼 CNN, 결정론적 게이트, 처방 계산 공식, 그리고 ISO-XML, GeoJSON, IPM 스타일 내보내기 형식입니다. Veriprajna는 센서에 구애받지 않는 분석 솔루션을 구축하며 위성을 소유하거나 센서를 제조하지 않습니다.
이 데모의 배경이 되는 연구 — 아키텍처, 검증 설계 및 엔터프라이즈 청사진.
전체 솔루션
정밀 농업을 위한 초분광 AI 솔루션 살펴보기 →어려운 부분은 분류기가 아니라 보정되고, 판정을 보류하며, 농기계를 인식하는 체인입니다. 우리가 구축합니다.
귀사 팀이 조치를 취할 수 없는 스트레스 맵을 두고 고심하고 있다면, 진정으로 중요한 문제는 귀사의 작물, 센서, 농기계에 맞춰 어디에 판정 보류 기준선을 설정할 것인가입니다. 단순한 영업 피칭보다 이러한 논의를 함께 나누고 싶습니다.