文章概要:

1. 建立包含2萬多張稻田圖像和產量數據的數據庫，訓練卷積神經網絡模型。

2. 模型可以解釋68-69%的產量變異，突出了穗在產量估計中的重要性。

3. 模型預測準確，成本低且不需要繁瑣的作物采樣，展示了區域監測產量的潛力。

微新創想（idea2003.com）8月25日 消息:最近，日本岡山大學的研究人員利用收割期拍攝的地面數字圖像，結合卷積神經網絡模型，實現了對水稻產量的估算。

他們首先收集了7個國家20個地點的水稻冠層圖像和粗粒產量數據，創建了一個包含4820組產量數據和22067張圖像的數據庫。

接著，研究人員開發了一個 CNN 模型（卷積神經網絡 ）來估計每張收集到的圖像的谷物產量，以估計數據庫中每張圖像對應的粒產量。通過視覺遮擋法，他們分析了稻冠圖像不同區域的加性效應，理解模型如何解釋圖像特征并影響結果精度。

該模型表現良好，可以解釋驗證和測試數據集中約68-69%的產量變化。模型可以在成熟期準確預測產量，識別成熟穗，并檢測產量中的品種和水管理差異。

盡管圖像分辨率降低會減弱準確性，但該模型整體較為穩健，在不同拍攝角度和時間也展現了良好精度。

研究認為，這種基于 CNN 的模型具有監測區域尺度稻米生產力的潛力。該AI方法提供了簡單的智能手機應用程序，大大提高了技術的可訪問性和實際應用性。該研究有助于改進稻田管理和加速育種計劃，為全球糧食生產和可持續性發展做出積極貢獻。

應用該模型的應用程序“HOJO”已經在 iOS 和 Android 上可用。研究人員希望他們的工作能夠更好地管理稻田并協助加速育種計劃，為全球糧食生產和可持續發展舉措做出積極貢獻。