De analyselaag tussen detectie en toedieningsvoorschrift

Een satelliet vertelt dat een perceel gestrest is. SpectraRx vertelt wat er mis is, waarom en wat toe te dienen.

Name: SpectraRx
Author: Veriprajna

In deze fysisch onderbouwde synthetische demo voor één gewas en geografie kan NDVI stikstof-, water- en schimmelstress met dezelfde oranjegele kleur markeren. SpectraRx leest de volledige 424-bandencurve bij elke pixel, benoemt de oorzaak, stelt een variabel toedieningsvoorschrift op volgens reële spuitboomgeometrie en genereert een dossiersjabloon in IPM-stijl ter beoordeling. Pixels die niet kunnen worden onderbouwd, routeren onzekerheid naar veldverkenning.

0.887

Macro-F1 bij het scheiden van stresstypen

424-bands spectrale CNN vs 0.69 gevestigde Sentinel-2, op een held-out set van 1.280 pixels

424 banden

Volledige VNIR- en SWIR-curve per pixel

400 tot 2515 nm over het zichtbare, nabij-infrarode en kortegolf-infrarode spectrum

0.887 naar 0.373

Nauwkeurigheid zonder atmosferische correctie

Kalibratie is dragend, gemeten in de app

Dit is een uitvoerbare demo. De hyperspectrale scènes zijn fysisch onderbouwde synthetische kubussen en live connectoren voor sensoren en landbouwmachines zijn niet geïmplementeerd. De getrainde classifier, deterministische poorten, exportformaten en het gegenereerde dossiersjabloon in IPM-stijl draaien exact zoals weergegeven.

Een waarschuwing "gestrest" zonder oorzaak is geen beslissing

De kloof tussen het detecteren van een probleem en er iets aan doen.

Multispectrale monitoring en NDVI kunnen een groot maïsperceel oranjegeel kleuren en het als gestrest bestempelen. Ze identificeren de oorzaak niet. Stikstoftekort, watertekort en vroege schimmelinfectie vereisen verschillende reacties, terwijl de stresswaarschuwing de beheerder voor alle drie één enkele kleur geeft.

De kosten van gissen zijn operationeel. Een verkeerde diagnose verspilt een werkgang aan het verkeerde probleem, terwijl een gemist ziektesignaal de tijd om te handelen verkort. Een enkele oranjegele vlek lokaliseert niets daarvan.

De eerlijke oplossing is geen mooiere heatmap. Het is een analyselaag die de fysica van het gewas leest, de oorzaken scheidt en zones met hoge onthouding routeert naar veldverkenning wanneer de onderliggende data niet kan worden vertrouwd. Dat is de laag die we hebben gebouwd.

Hoe SpectraRx werkt

Een deterministische keten: verwerven, kalibreren, diagnosticeren, toetsen, voorschrijven, vastleggen. De classifier stelt een diagnose voor; code beslist of het veilig is om ernaar te handelen.

Elke scène is een hyperspectrale kubus van 424 banden over 400 tot 2515 nm in het zichtbare, nabij-infrarode en kortegolf-infrarode spectrum. Een empirical-line atmosferische correctie herleidt de oppervlaktereflectie aan de onderkant van de atmosfeer (BOA) uit de straling aan de bovenkant van de atmosfeer (TOA) en voorziet elke scène van een kalibratie-herkomstvlag. Een op maat gemaakte 1D-spectrale CNN, vanaf nul geschreven in pure numpy met echte convolutie, backpropagation en Adam, classificeert de volledige curve van elke pixel in gezond, stikstoftekort, waterstress of vroege tar spot (bladvlekkenziekte), met temperatuurschaling zodat de betrouwbaarheid is gekalibreerd. Een smalbandig fysisch-kenmerkenmodel en de echte gevestigde Sentinel-2-breedband draaien daarnaast als baselines.

Drie poorten buiten het model

Vertrouwen hangt nooit af van het eigen betrouwbaarheidsrapport van het model. Voordat een pixel een voorschrift wordt, passeert deze drie deterministische controles.

1. Kalibratieherkomst

Atmosferische correctie voorziet elke scène van een herkomstvlag. In de opzettelijke overslaanmodus bereikt ruwe data aan de bovenkant van de atmosfeer de classifier, zodat de downstream betrouwbaarheids- en fysische-overeenstemmingspoorten het faalpad kunnen blootleggen.

2. Betrouwbaarheid en ambiguïteit

Pixels met een lage betrouwbaarheid of een gemengde signatuur onthouden zich in plaats van een klasse te forceren. Zones met 34 procent of meer onthouden pixels worden gerouteerd naar veldverkenning; andere zones gebruiken hun niet-onthouden meerderheid voor het voorschrift.

3. Fysische overeenstemming

Als de CNN een klasse claimt maar het gedocumenteerde fysische kenmerk het oneens is (het model zegt stikstof, maar de red-edge is niet verschoven), onthoudt de pixel zich. Een claim moet overeenkomen met de spectroscopie.

Van diagnose naar een spuitboomklaar plan en een beoordeelbaar dossiersjabloon

De getypeerde diagnosekaart wordt geaggregeerd van 5m-pixels naar beheercellen van 25 m met behulp van een spuitboomprofiel van 27 m. Machinegeometrie is onderdeel van de berekening, geen bijgedachte. Agronomische doseringen volgen de geconfigureerde diagnoseregels, waaronder een fungicideregel die handelen alleen toestaat binnen het geconfigureerde R3-venster. Het plan kan worden geëxporteerd als ISO-XML en GeoJSON.

De demo genereert vervolgens een dossiersjabloon in de stijl van EU Farm to Fork IPM op basis van de diagnose en het voorschrift ter beoordeling door agronoom en compliance. Het biedt geen live wettelijke indiening of connector. De enige plek waar een taalmodel deze pijplijn mag aanraken, is het renderen van die motiveringstekst uit reeds berekende feiten, en het valt standaard terug op een sjabloon zodat de demo zonder API-sleutel draait.

De oranjegele vlek, van begin tot eind uitgewerkt

De fysisch onderbouwde synthetische scène van de demo. Elke onderstaande afbeelding is een screenshot van de draaiende app.

Eén kleur voor drie verschillende problemen

Het NDVI-tabblad toont het perceel zoals een satellietmonitoringdienst het levert: één oranjegele regio in het noordoostelijke kwadrant, gelabeld als gestrest, zonder oorzaak en zonder voorschrift. Dit is het startpunt dat elk precisielandbouwteam al heeft, en het punt waarop de beslissing stokt.

Het NDVI-satelliettabblad met één oranjegele gestreste regio met het bijschrift één vlek, geen oorzaak, geen voorschrift, en het oordeelpaneel nog inactief. — De NDVI-weergave: één oranjegele vlek, geen oorzaak, geen voorschrift.

De vlek splitst zich in getypeerde zones

Het uitvoeren van Perceel diagnosticeren splitst die ene oranjegele regio in afzonderlijke oorzaken: stikstoftekort in oranjegeel, waterstress in blauw en vroege tar spot in rood, waarbij gearceerde pixels zijn onthouden en gerouteerd naar veldverkenning voor ground truth. Op deze held-out fysisch onderbouwde synthetische scène rapporteert het oordeelpaneel een macro-F1 van 0.89 voor SpectraRx tegen 0.69 voor de gevestigde Sentinel-2, een gekalibreerde nauwkeurigheid van 0.89 en 20.1 procent van het perceel onthouden. Eén kaart wordt drie verschillende taken.

SpectraRx-diagnoseweergave: de oranjegele vlek opgelost in stikstof- (oranjegeel), water- (blauw) en vroege tar spot-zones (rood) met gearceerde onthouden pixels, en een oordeelpaneel dat SpectraRx macro-F1 0.89, Sentinel-2 0.69 en 20.1 procent perceeloppervlak onthouden aangeeft. — De diagnose: stikstof- (oranjegeel), water- (blauw), tar spot- (rood) en onthouden (gearceerde) zones, met het held-out oordeel.

Het model leest de fysica, niet de data

Het voor de hand liggende bezwaar tegen elke gewasclassifier is dat deze de vorm van zijn eigen trainingsdata heeft aangeleerd. De spectrale inspecteur beantwoordt een deel van die vraag direct. Voor tar spot piekt het onafhankelijk berekende band-saliency-spoor in de bemonsterde bins van 530 en 535 nm die het dichtst bij de PRI-diagnostiek rond 531 nm liggen. Voor stikstof weegt het de 680 tot 720 nm red-edge. Het systeem controleert afzonderlijk de gedocumenteerde SWIR-waterdiagnostiek op 970, 1450 en 1940 nm; die controles worden niet gepresenteerd als de hoogste saliency-pieken van de CNN.

De spectrale inspecteur voor een vroege tar spot-pixel met een 424-bands reflectiecurve en een oranje band-saliency-spoor dat piekt in bemonsterde bins van 530 en 535 nm nabij de PRI-diagnostiek. — Tar spot-saliency piekt in bemonsterde bins van 530 en 535 nm die het dichtst bij de PRI-diagnostiek rond 531 nm liggen.

Kalibratie is dragend, en het model erkent dat

Het inschakelen van Atmosferische correctie overslaan voedt de classifier met ruwe straling aan de bovenkant van de atmosfeer. De nauwkeurigheid stort in van 0.887 naar 0.373; 92.2 procent van de pixels onthoudt zich en 140 van de 144 beheerzones worden gerouteerd naar veldverkenning voor ground truth. Vier waterstresszones worden volgens de zoneregel nog steeds behandeld, dus dit is een controleerbare beveiliging in plaats van een universele blokkade.

De diagnoseweergave met Atmosferische correctie overslaan ingeschakeld: de nauwkeurigheidstegel toont 0.37 ongekalibreerd en de tegel voor onthouden perceeloppervlak toont 92.2 procent, waarbij het grootste deel van het perceel gearceerd is en naar veldverkenning wordt gerouteerd. — Sla de atmosferische correctie over en de nauwkeurigheid daalt naar 0.37, waarbij 92.2 procent van het perceel wordt onthouden in plaats van verkeerd voorgeschreven.

Een voorschrift dat een spuitboom kan uitvoeren, en een dossiersjabloon ter beoordeling

De diagnose wordt 144 beheercellen bij een spuitboomprofiel van 27 m en een resolutie van 25 m: 21 zones om te behandelen, 25 om te verkennen en 98 reeds gezond. Elke behandelzone bevat een product en dosering volgens de deterministische voorschriftregels van de demo. Het kan worden geëxporteerd als ISO-XML en GeoJSON, en als het EU Farm to Fork IPM-dossier, dat per-zone geocoördinaten, spectraal bewijs, geëvalueerde alternatieven, de R3-deadline en een ondertekeningsregel voor een gecertificeerd agronoom vermeldt.

De variabele toedieningstabel bij een spuitboom van 27 m en beheercellen van 25 m, groeistadium V12, met per-zone diagnoses, producten en doseringen, met exportknoppen voor ISO-XML, GeoJSON en het EU Farm to Fork IPM-spuitdossier. — Het variabele toedieningsvoorschrift: per-zone producten en doseringen bij reële spuitboomgeometrie, exporteerbaar naar ISO-XML en GeoJSON.

Het EU Farm to Fork IPM-spuitdossier met per-zone geocoördinaten, het actieve spectrale kenmerk zoals fotochemische reflectie-index verlaagd bij 531 nm, product en dosering, R3-deadline, geëvalueerde alternatieven en een ondertekenings- en datumregel voor een gecertificeerd agronoom. — Het EU Farm to Fork IPM-dossier, met spectraal bewijs per zone en een ondertekeningsregel voor een gecertificeerd agronoom.

Waar de gevestigde breedbandoplossing structureel blind is

Op de fysisch onderbouwde synthetische cultivar-en-bodemtest van 1.280 pixels scoort SpectraRx een macro-F1 van 0.887 tegen 0.69 voor de gevestigde Sentinel-2 en 0.856 voor een smalbandig fysisch-kenmerkenmodel. Per klasse is de gevestigde partij een oprecht sterke baseline voor stikstof, dicht bij 1.0. Deze blijft achter op water, 0.63 tegen 0.97, en op vroege tar spot, 0.61 tegen 0.77. Dit is een mechanismeresultaat, geen veldgarantie.

Het benchmarkscherm met F1-balken per klasse voor SpectraRx versus Sentinel-2: gezond 0.81 vs 0.52, stikstof 1.00 vs 1.00, water 0.97 vs 0.63, tar spot 0.77 vs 0.61, plus een verwarringsmatrix en live evaluatie van SpectraRx 88.7 procent tegenover Sentinel-2 69.2 procent. — F1 per klasse op de held-out set: de gevestigde partij evenaart op stikstof maar blijft achter op water en tar spot, waar breedband blind is.

Sentinel-2-breedband versus SpectraRx

Dezelfde gevestigde partij waarmee de demo benchmarkt, zij aan zij. Het is een echte, sterke baseline, geen stroman.

Dimensie	Gevestigde Sentinel-2-breedband	SpectraRx
Banden gelezen per pixel	13 breedband	424, VNIR en SWIR (400 tot 2515 nm)
Scheidt stikstof, water, tar spot	Stikstof ja; water en tar spot zwak	Alle drie, per pixel
Waterstress F1 (held-out set)	0.63	0.97
Vroege tar spot F1 (held-out set)	0.61	0.77
Gedrag bij ambigue of ongekalibreerde pixels	Classificeert toch	Onthoudt zich, routeert naar veldverkenning voor ground truth
Wat u eruit krijgt	Een stressmarkering	Een getypeerde diagnose, een variabel toedieningsvoorschrift en een beoordeelbaar dossiersjabloon in IPM-stijl

Wat deze demo niet doet

✓ Het gebruikt geen echte veldopnamen. De scènes zijn fysisch onderbouwde synthetische hyperspectrale kubussen; de gezonde baseline volgt gepubliceerde reflectie van groene vegetatie en de stresssignaturen zijn gedocumenteerde fysische verstoringen. Nauwkeurigheid in de echte wereld vereist een ground truth-bibliotheek van twee seizoenen, wat is uitgesteld.
✓ Het presenteert 0.887 macro-F1 niet als een open-world-garantie. Dat is een resultaat op een held-out synthetische distributieverschuivingsset van 1.280 pixels, voor één enkel gewas (maïs) en één enkele geografie.
✓ Het maakt geen verbinding met live sensoren of bedrijfsmanagementsystemen. Live sensorintegraties en partner-push-connectoren zijn niet geïmplementeerd. De ISO-XML- en GeoJSON-exportformaten zijn echt.
✓ Het laat een taalmodel de beslissing niet nemen. De deterministische poort beslist; het optionele LLM rendert alleen IPM-tekst uit berekende feiten, valt standaard terug op een sjabloon en bevindt zich buiten het vertrouwenspad.
✓ Het bevat geen klanten, uitrollen, pilots, aanbevelingen of ROI-cijfers. Die bestaan nog niet. Dit is een demo die het mechanisme bewijst.

Vragen die kopers daadwerkelijk stellen

Hoe verschilt dit van de NDVI- en satellietmonitoring waar we al voor betalen?

NDVI en multispectrale monitoring kunnen detecteren dat er iets mis is zonder de oorzaak te identificeren. SpectraRx leest de volledige 424-bands reflectiecurve bij elke pixel en benoemt de diagnose, de actieve golflengten en het actiepad. Op de held-out fysisch onderbouwde synthetische cultivar-en-bodemtest van 1.280 pixels van de demo scheidt het stresstypen met een macro-F1 van 0.887 tegenover 0.69 voor de gevestigde Sentinel-2-breedband; waterstress is 0.97 tegenover 0.63 en vroege tar spot is 0.77 tegenover 0.61.

Hoe weet ik dat het model gewasstress leest en niet gewoon uw data uit het hoofd leert?

Beweeg over een willekeurige zone in de spectrale inspecteur en deze tekent een band-saliency-spoor dat toont welke golflengten de CNN daadwerkelijk heeft gewogen, onafhankelijk berekend van de eigen kenmerken van de classifier. Tar spot wordt geassocieerd met de 531 nm fotochemische reflectie-indexband (PRI) en stikstof met de 680 tot 720 nm red-edge. Het systeem controleert ook de gedocumenteerde SWIR-waterdiagnostiek op 970, 1450 en 1940 nm, zonder deze te presenteren als de hoogste saliency-pieken van de CNN. De benchmark is een held-out synthetische set van een cultivar en bodem waarop geen van beide modellen is getraind.

Wat gebeurt er bij pixels waar het model niet zeker over is?

Drie deterministische poorten bevinden zich buiten het model: een kalibratie-herkomstpoort, een betrouwbaarheids- en ambiguïteitspoort en een fysische-overeenstemmingscontrole die zich onthoudt als de klasse van de CNN niet overeenkomt met het gedocumenteerde fysische kenmerk. Zones met 34 procent of meer onthouden pixels worden gerouteerd naar veldverkenning; andere zones worden voorgeschreven vanuit hun niet-onthouden meerderheid. Op de standaard gekalibreerde scène onthoudt 20.1 procent van de pixels zich. Dit is een zichtbare beveiliging, geen claim van perfectie; de F1 voor tar spot is 0.77.

Kan het daadwerkelijk onze variabele toedieningsapparatuur aansturen, of is het gewoon een kaart?

De diagnosekaart wordt geaggregeerd van 5m-pixels naar beheercellen van 25 m met behulp van een spuitboomprofiel van 27 m. In de demo levert dat 144 beheercellen op (21 te behandelen, 25 te verkennen, 98 gezond), met producten en doseringen per zone, en het kan worden geëxporteerd als ISO-XML en GeoJSON. De exportformaten zijn echt; live partner-push-connectoren zijn in deze demo niet geïmplementeerd.

Genereert dit de dossiers die we nodig hebben voor naleving van EU Farm to Fork en IPM?

SpectraRx genereert deterministisch een dossiersjabloon in de stijl van EU Farm to Fork IPM op basis van de diagnose en het voorschrift: geocoördinaten, spectraal bewijs per zone en dekking van de meerderheidsklasse per zone, geëvalueerde alternatieven, het aanbevolen product en de dosering, de deadline van het fungicidevenster, kalibratieherkomst, modelnaam en -versie, en een ondertekeningsregel voor een gecertificeerd agronoom. De demo claimt geen live wettelijke indiening of connector.

De scènes zijn synthetisch. Waarom zou ik de cijfers vertrouwen?

Elk getal reproduceert exact onder vaste seeds en is gemeten op een held-out set van 1.280 pixels van een cultivar en bodem waarop geen van beide modellen is getraind, een distributieverschuiving in plaats van memorisatie. De scènes zijn fysisch onderbouwde synthetische kubussen: de gezonde baseline volgt gepubliceerde reflectie van groene vegetatie en de stresssignaturen zijn gedocumenteerde fysische verstoringen die onafhankelijk van de classifier zijn geïnjecteerd. We vermelden de 0.887 macro-F1 als een resultaat op die gelabelde synthetische set voor één enkel gewas en één geografie, nooit als een open-world veldgarantie. Nauwkeurigheid in de echte wereld vereist een ground truth-bibliotheek van twee seizoenen, wat uitgesteld werk is.

Maakt u vandaag al verbinding met onze sensoren en John Deere Operations Center?

Niet in deze demo. Live sensorintegraties en partner-push-connectoren zijn niet geïmplementeerd. Wat echt is, is de analyseketen: atmosferische correctie, de 424-bands spectrale CNN, deterministische poorten, voorschriftberekeningen en ISO-XML-, GeoJSON- en IPM-exportformaten. Veriprajna bouwt sensoronafhankelijke analyses; we bezitten geen satellieten en fabriceren geen sensoren.

Technisch onderzoek

Het onderzoek achter deze demo — de architectuur, het verificatieontwerp en de enterprise-blauwdruk.

Volledige oplossing

Ontdek de oplossing Hyperspectral AI for Precision Agriculture →

De kloof dichten tussen een stressmarkering en een spuitplan?

Het moeilijke deel is de gekalibreerde, onthoudende, machinebewuste keten, niet de classifier. Wij bouwen die.

Als uw team met stresskaarten zit waar u niet naar kunt handelen, is het interessante vraagstuk waar de onthoudingsgrens moet worden getrokken voor uw gewas, sensoren en machines. Dat is het gesprek dat we liever voeren dan een verkooppraatje.

Spectrale analyse-evaluatie

✓ Breng in kaart waar een stressmarkering uw agronomische beslissingen vertraagt
✓ Definieer de diagnostische golflengten en klassen voor uw gewassen
✓ Stel de kalibratieherkomst- en onthoudingsdrempels in
✓ Specificeer het IPM-dossier dat uw compliance-team moet indienen

Bouw de keten

✓ Een spectrale classifier over uw sensoren en cultivars
✓ Atmosferische correctie met herkomst per scène
✓ Machinebewuste variabele toedieningsvoorschriften (ISO-XML, GeoJSON)
✓ EU Farm to Fork IPM-dossiersjablonen ter beoordeling

Contact via WhatsApp E-mail ons team