遙測(remote sensing)一般指從人造衛星或飛機對地面觀測，通過電磁波（包括光波）的傳播與接收，感知目標的某些特性並加以進行分析的技術。自1980年代以來，精準農業一直是遙測應用的寵兒。而土壤管理、雜草偵測、產量測量、作物的定位與健康等領域的應用，一直跟著新的光學衛星以及新的應用軟體開發而進步。然而遙測並不僅止於衛星，航空攝影也發揮了重要影響。
美國農業部有一個國家農業影像計畫，致力於在美國的農業生產期間獲取航空影像。無人機(Unmanned Aerial Vehicle, UAV)近來開始生根，且借重它在地理空間圖像（尤其是高分辨率數據）提供現場情報。
隨著影像解析度提高，滿足了更進一步的研究，也提高更強大的圖資工具的需求，如：物件式遙測影像分析方法(object-based image analysis, OBIA，註一)，學習如何更有效率的收集大量資訊的資料，提供有效且可信賴的精準農業貿易工具。
斯坦福卡內基科學研究所博士後研究助理Ovidiu Csillik說：「我們正在收集難以置信的高分辨率圖像，其中包含有價值的信息，但我們仍然需要同樣強大的工具來處理如此大量的數據及其複雜性，以發現最佳使用方式。例如，在農業中，建立能夠從高分辨率光學圖像中自動識別並描繪出樹木的能力，可以幫助種植者更好地管理其果園和人工林。
研究員Ovidiu Csillik基於衛星圖像的OBIA研究並開發了一個全新的應用程序：使用無人機自動識別和繪製單個柑橘樹圖像，結合卷積神經網絡(Convolutional Neural Network, CNN)深度學習(DL)算法和OBIA處理。
傳統的圖像分析僅檢測光譜信息，而沒有考慮形狀，位置和鄰域。然而OBIA會先根據光譜相似性或外部變量（例如所有權，土壤或其他因子）將像素分類，可以分析多種變量，將其分類為光譜，形狀和鄰域。CNN模仿了大腦的神經皮層如何識別某些物體。例如，大腦識別汽車是因為它有四個輪子，窗戶，門等。通過向CNN展示相同的圖像樣本數千次，即使在自然環境，它也可以學習圖像中的樹木，不論是更複雜或者更大或更小，修剪或不修剪的樹。當OBIA、CNN結合能提供公尺以下的圖像精準度的無人機，有可能改變精準農業的工作流程。
在加利福尼亞的柑橘年產值約20億美元以上，約有3000個以上的農民，種植面積約13萬公頃，是該州的農業經濟命脈。而目前Csillik開發出的版本總體準確性為96.2％，該自動化精度程度可以提供自動方法代替人工描繪來識別和描繪單個樹木的能力，將這一過程應用於高分辨率無人機圖像，未來將為果園管理者提供一種更快，更精確，可重複的長期作物管理方法。
註：
- (CNN)在影像識別方面的威力非常強大，許多影樣辨識的模型也都是以CNN的架構為基礎去做延伸
資料來源：
https://www.pobonline.com/articles/101771-remote-sensing-deep-learning-and-aerial-imagery-improve-agriculture
https://zh.wikipedia.org/wiki/%E9%81%A5%E6%84%9F