文章概要:
1. 建立包含2万多张稻田图像和产量数据的数据库，训练卷积神经网络模型。
2. 模型可以解释68-69%的产量变异，突出了穗在产量估计中的重要性。
3. 模型预测准确，成本低且不需要繁琐的作物采样，展示了区域监测产量的潜力。
站长之家（ChinaZ.com）8月25日 消息:最近，日本冈山大学的研究人员利用收割期拍摄的地面数字图像，结合卷积神经网络模型，实现了对水稻产量的估算。
他们首先收集了7个国家20个地点的水稻冠层图像和粗粒产量数据，创建了一个包含4820组产量数据和22067张图像的数据库。
接着，研究人员开发了一个 CNN 模型（卷积神经网络 ）来估计每张收集到的图像的谷物产量，以估计数据库中每张图像对应的粒产量。通过视觉遮挡法，他们分析了稻冠图像不同区域的加性效应，理解模型如何解释图像特征并影响结果精度。
该模型表现良好，可以解释验证和测试数据集中约68-69%的产量变化。模型可以在成熟期准确预测产量，识别成熟穗，并检测产量中的品种和水管理差异。
尽管图像分辨率降低会减弱准确性，但该模型整体较为稳健，在不同拍摄角度和时间也展现了良好精度。
研究认为，这种基于 CNN 的模型具有监测区域尺度稻米生产力的潜力。该AI方法提供了简单的智能手机应用程序，大大提高了技术的可访问性和实际应用性。该研究有助于改进稻田管理和加速育种计划，为全球粮食生产和可持续性发展做出积极贡献。
应用该模型的应用程序“HOJO”已经在 iOS 和 Android 上可用。研究人员希望他们的工作能够更好地管理稻田并协助加速育种计划，为全球粮食生产和可持续发展举措做出积极贡献。
（举报）