Ik voedde ruwe radiantie aan een hyperspectrale gewas-AI. Op een achtergehouden synthetische test daalde de score van 0.887 naar 0.373.

Een NDVI-waarschuwing die enkel "gestrest" meldt, laat een teler in het ongewisse tussen stikstof, irrigatie of een verkenning naar vroege tar spot; ik heb SpectraRx rond die beslissing gebouwd. In het opzettelijk verbroken pad van deze op fysica gebaseerde synthetische demo daalt dezelfde 424-bands spectrale CNN van 0.887 naar 0.373 op zijn achtergehouden test wanneer ik hem ruwe top-of-atmosphere-radiantie voed in plaats van gecorrigeerde oppervlaktereflectie.

Ik heb die fout niet als een goocheltruc in de demo gestopt. Ik heb hem erin gezet omdat een gewasstress-score zonder de voorwaarden die de invoer betekenisvol maken, een uitnodiging is om een fraaie kaart om te zetten in een slechte veldbeslissing. De scènes zijn synthetische, op fysica gebaseerde kubussen voor één maïsgewas en één geografie, geen echte opnamen of veldgaranties. Het doel is om de keten inspecteerbaar te maken terwijl de aannames zichtbaar blijven.

Ik begin met die ene amberkleurige NDVI-vlek omdat die de beperking van een detectiewaarschuwing illustreert. Het is nuttig als signaal om nader te kijken, maar het kan niet aangeven of een spuitboom van 27 meter de stikstofgift moet aanpassen, of een waterstresspatroon inspectie vereist, dan wel of vroege tar spot een agronoom het veld in moet sturen. Ik wilde dat de demo de volgende vraag beantwoordt, en vervolgens het bewijsmateriaal en de beperkingen van dat antwoord laat zien.

U kunt de keten zelf uitvoeren op veriprajna.com/demos/hyperspectral-agriculture-ai. Het scherm verbergt het ongemakkelijke geval niet. Het stelt me in staat om de atmosferische correctie over te slaan en te zien hoe het beslissingspad verandert.

Ik ontdekte dat kalibratie het object verandert dat de classifier ziet

Vroeger schaarde ik atmosferische correctie onder voorbereidend werk. De kubus arriveert als top-of-atmosphere-radiantie, en de empirische-lijncorrectie van de demo zet dat om in BOA-oppervlaktereflectie met kalibratieherkomst gekoppeld aan de scène. Dat onderscheid klonk als technische loodgieterij totdat ik het opzettelijk omzeilde.

Ik hield het getrainde netwerk en de gewichten ervan intact. Ik veranderde het invoerpad. Op de achtergehouden, synthetische, op fysica gebaseerde test van 1.280 pixels van een niet eerder geziene cultivar en bodem, daalde het resultaat van 0.887 macro-F1 naar 0.373. Dat is een gemeten resultaat voor dit specifieke model en deze test, geen uitspraak dat elk hyperspectraal model met dezelfde mate zal falen.

Ik vond het contrast nuttiger dan een grotere benchmarktabel, omdat het een praktisch falen concreet maakt. Het ongecorrigeerde pad is niet louter ruisigere invoer. Ruwe radiantie brengt atmosferische en belichtingseffecten over naar een classifier die is ontworpen om gecorrigeerde oppervlaktereflectie te interpreteren. Een netwerk kan nog steeds een klasse en een betrouwbaarheidsscore retourneren, maar geen van beide is voldoende reden om een recept te autoriseren.

Ik heb het pad met ruwe radiantie zichtbaar gemaakt omdat een nauwkeurigheidscijfer op zichzelf voorbijgaat aan de operationele vraag: wat moet er gebeuren nadat het systeem ontdekt dat het op wankele grond staat? In SpectraRx is het antwoord geen universele blokkade. Ruwe TOA bereikt in deze opzettelijke test nog steeds de classifier, en de stroomafwaartse betrouwbaarheids- en fysische-overeenkomstgates maken de onzekerheid zichtbaar.

Ik heb er tijd aan besteed om dat resultaat los te koppelen van de bewering dat het netwerk nutteloos zou zijn geworden. De classifier is een maatwerk 1D-spectrale CNN die een volledige 424-bandscurve leest van 400 tot 2515 nm. Zijn normale taak is het onderscheiden van gezonde, stikstofdeficiënte, watergestreste en vroege-tar-spot-pixels op basis van BOA-oppervlaktereflectie. Het kalibratie-experiment verandert de gewasklassen niet, hertraint het model niet en vervangt de baseline niet geruisloos door een zwakkere variant. Het wijzigt één stroomopwaartse conditie en laat de rest van de beslissingsketen de gevolgen tonen.

Ik vond dat nuttig omdat de gebruikelijke reactie op een slechte score is om om een andere score te vragen. In dit geval had ik een andere vraag nodig: welk bewijs heeft het systeem om te handelen nadat de invoer is veranderd? Het antwoord begint bij de herkomst van de kalibratie, maar kan daar niet eindigen. Een betrouwbaarheidswaarde is slechts één signaal. De fysische-overeenkomstcontrole kan zich onthouden wanneer de klasse van de CNN in strijd is met het gedocumenteerde kenmerk, zoals een melding van stikstoftekort zonder de verwachte red-edge-verschuiving. De inspectietool toont tevens de volledige curve en een band-saliency-trace, zodat een operator het bewijs van het model kan vergelijken met gedocumenteerde diagnostiek.

Ik gebruik die inspectietool als een verantwoordingsvlak, niet als bewijs van onfeilbaarheid. Voor vroege tar spot liggen de bemonsterde 530- en 535 nm-bins van de trace het dichtst bij de PRI-diagnostiek rond 531 nm. Bewijs voor stikstof bevindt zich in het red-edge-bereik van 680 tot 720 nm. De SWIR-kenmerken voor water zijn diagnostische controles in plaats van geclaimde topsaliencypieken. Die controles maken de redenering beschikbaar voor inspectie. Ze toveren een synthetische benchmark niet om tot een garantie voor het echte veld, en ze nemen de noodzaak tot scouting niet weg wanneer het invoerpad minder betrouwbaar wordt.

Ik heb er ook voor gewaakt om de baseline zwakker voor te stellen zodat het falen dramatischer zou lijken. Op de achtergehouden synthetische distributieverschuivingstest haalt de echte breedbandige Sentinel-2-baseline 0.69 macro-F1. Voor stikstof zit deze dicht bij 1.0 omdat hij beschikt over red-edge- en SWIR-banden. Het hyperspectrale model behaalt 0.887 in zijn totaliteit, met zijn grootste structurele voorsprong bij waterstress en vroege tar spot. Dat is een betekenisvolle vergelijking, maar het beslist nog steeds niet of een specifieke zone een recept moet ontvangen nadat de kalibratie is overgeslagen. De gate en de zoneregel zijn er juist om die latere operationele vraag te beantwoorden.

Ik had een waarborg nodig die een veldactie verandert, niet alleen een dashboardkleur

Ik waakte ervoor om onthouding te veranderen in nóg een vage belofte. Een gearceerde pixel betekent dat het systeem een diagnose op pixelniveau achterhoudt wanneer de betrouwbaarheid laag is, de signatuur gemengd is of de classifier in strijd is met het gedocumenteerde fysische kenmerk. De standaard gekalibreerde seed-7-demoscène laat zien dat 20.1% van de pixels zich onthoudt. Dat cijfer is een observatie binnen de app voor die specifieke scène, geen universele evaluatiemetriek.

Vervolgens moest ik bepalen wat een operator doet met een kaart die dergelijke pixels bevat. Een veldspuit werkt immers niet pixel voor pixel. SpectraRx aggregeert diagnosepixels van 5 meter naar beheercellen van 25 meter met gebruikmaking van een spuitboomprofiel van 27 meter. De regel is opzettelijk inzichtelijk gemaakt: zones met ten minste 34% onthouden pixels worden doorgestuurd naar veldscouting ter verificatie, terwijl andere zones hun niet-onthouden meerderheid gebruiken.

Ik denk dat die regel het punt is waar het abstracte idee van onzekerheid een daadwerkelijke workflow wordt. In de seed-7-scène met overgeslagen kalibratie onthoudt 92.2% van de pixels zich en worden 140 van de 144 beheerzones doorgestuurd naar scouting. Vier waterstresszones zijn nog steeds van toepassing onder de zoneregel. Het systeem heeft niet bewezen dat de vier zones veilig zijn in de zin van een open wereld. Het heeft zijn voorwaarden en routeringsregel beschikbaar gesteld voor controle, in plaats van te doen alsof elke veranderde invoer moet resulteren in een bespuiting of een leeg scherm.

Ik wilde ook dat een kritische lezer uit de remote-sensing-wereld meer te zien kreeg dan alleen de gate. De spectrale inspectietool toont de 424-bandscurve en een oranje band-saliency-trace. Bij vroege tar spot liggen de bemonsterde 530- en 535 nm-saliency-bins het dichtst bij de PRI-diagnostiek rond 531 nm; stikstofbewijs verschijnt in het red-edge-bereik van 680 tot 720 nm. Voor water zijn de gedocumenteerde SWIR-kenmerken diagnostische controles, geen claims over de hoogste saliencypiek van de CNN. Dat is een inspecteerbare vergelijking met gedocumenteerde fysica, geen bewijs dat het model nooit een oneigenlijk signaal zou kunnen gebruiken.

Ik kon het pas een recept noemen als een spuitboom en een agronoom ermee konden werken

Ik ontdekte dat een diagnosekaart nog altijd onvolledig is nadat de gates hun werk hebben gedaan. De standaard gekalibreerde scène telt 144 beheercellen: 21 behandelzones ('apply'), 25 scoutingzones en 98 gezonde zones in stadium V12. SpectraRx vertaalt de overblijvende zonebeslissing naar een recept met variabele dosering. De stikstofgiften volgen de ernst, en fungicide is uitsluitend toegestaan binnen het geconfigureerde R3-tijdvenster. De exportbestanden hebben het echte ISO-XML- en GeoJSON-formaat, terwijl live sensor- en bedrijfsbeheerintegraties in deze demo niet zijn geïmplementeerd.

Ik heb het stroomafwaartse rapport om dezelfde reden deterministisch gemaakt als waarom ik de gate zichtbaar heb gemaakt. De demo genereert op basis van de diagnose en het recept een rapporttemplate in de stijl van het EU Farm-to-Fork IPM-beleid. Dit omvat zonecoördinaten, dekkingsgraad van de meerderheidsklasse per zone, spectraal bewijs, geëvalueerde alternatieven, aanbevolen middel en dosering, de R3-deadline, kalibratieherkomst en een ondertekeningsregel voor een gecertificeerd agronoom. Het is een template ter beoordeling, geen officieel ingediend compliancedossier.

Ik heb het taalmodel buiten dit vertrouwenspad gehouden. Signaalverwerking, de getrainde spectrale classifier, deterministische gates, apparatuurberekeningen en het rapporttemplate dragen de dragende beslissingen. Een optioneel model kan IPM-verantwoordingsproza genereren op basis van reeds berekende feiten, met een op templates gebaseerde fallback zodat de demo zonder API-sleutel werkt. Het beslist niet wat een gewas nodig heeft of dat een zone gescout moet worden.

Ik stopte met het beoordelen van het product op basis van de classifier alleen

De classifier blijft voor mij belangrijk. Op de achtergehouden synthetische distributieverschuivingstest scoort SpectraRx een macro-F1 van 0.887 tegenover 0.69 voor de breedbandige Sentinel-2-baseline. Het verschil is het grootst bij waterstress (0.97 tegen 0.63) en vroege tar spot (0.77 tegen 0.61). Voor stikstof scoren beiden dicht bij 1.0, wat juist waardevol is omdat de gevestigde baseline hierdoor een reële maatstaf blijft in plaats van een stroman.

Ik gebruik die resultaten niet als een claim voor het open veld. Ze omvatten 1.280 achtergehouden synthetische pixels, één gewas en één geografie. Er is nog steeds een bibliotheek met grondwaarnemingen (ground truth) over twee seizoenen nodig voordat iemand een nauwkeurigheidsclaim voor de echte wereld kan maken. De les die ik uit de demo trek is specifieker en praktischer: een classificatiescore is slechts één onderdeel van een beslissingssysteem, en het is het onderdeel dat het vaakst wordt geciteerd zonder de bijbehorende operationele randvoorwaarden.

Ik heb het kalibratiefalen in SpectraRx ingebouwd omdat het die randvoorwaarden nadrukkelijk zichtbaar maakt. Het toont hoe de invoer verandert, de score daalt, de stroomafwaartse gates onzekerheid aan het licht brengen, de zoneregel een scoutingpad uitstippelt en het receptrapport vastlegt wat de operator en de beoordelaar moeten inspecteren. Die keten is het werk dat ik wil verbeteren voordat ik achter nóg een decimaal aan ga jagen.

En als u het liever met eigen ogen ziet dan mijn beschrijving te lezen, ziet u hier het geheel van begin tot eind in werking.

Ik keer terug naar veriprajna.com/demos/hyperspectral-agriculture-ai wanneer ik wil testen of de demo eerlijk blijft. Het nuttige gewas-AI-systeem is het systeem dat kan aantonen waarom een scène minder betrouwbaar werd, die onzekerheid kan omzetten in een veldactie, en een verslag achterlaat van de beslissingen die het wel en niet heeft genomen.