CNN算法“識糧”新方案 京都大學(xué)利用AI快速準(zhǔn)確預(yù)測糧食產(chǎn)量

 　　近日，京都大學(xué)的研究人員利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，基于水稻冠層照片快速準(zhǔn)確預(yù)測糧食產(chǎn)量。這項研究成果發(fā)表在《植物表型學(xué)》雜志上。

　　據(jù)了解，該研究基于20個國家共20塊農(nóng)田，22000多張水稻冠層照片以及實際糧食產(chǎn)量數(shù)據(jù)進(jìn)行訓(xùn)練，所建立的CNN模型對不同光照條件下的收割期和成熟后期水稻產(chǎn)量預(yù)測效果良好。即使改變拍照角度、時間和階段，該模型預(yù)測結(jié)果也十分穩(wěn)定和準(zhǔn)確。

　　研究顯示，CNN模型主要通過識別水稻花序數(shù)量進(jìn)行糧食產(chǎn)量預(yù)測。該模型對地面分辨率達(dá)到0.2厘米/像素的水稻冠層照片，預(yù)測產(chǎn)量與實際產(chǎn)量相關(guān)性可達(dá)0.65;即使分辨率降至3.2厘米/像素，相關(guān)性也可達(dá)0.55，表現(xiàn)出較強(qiáng)的魯棒性。通過移除水稻花序?qū)嶒炦M(jìn)一步證明，隨著花序數(shù)量減少，模型預(yù)測產(chǎn)量也呈線性降低。該CNN模型可以對不同國家不同品種的水稻快速準(zhǔn)確預(yù)測產(chǎn)量。

　　據(jù)聯(lián)合國預(yù)測，2050年全球人口將達(dá)91億，屆時對糧食的需求量將增加70%。然而全球農(nóng)業(yè)發(fā)展不均，導(dǎo)致很多地區(qū)糧食產(chǎn)量無法準(zhǔn)確統(tǒng)計，無法對農(nóng)業(yè)發(fā)展做出合理規(guī)劃。該研究為利用AI技術(shù)快速準(zhǔn)確預(yù)測全球各地糧食產(chǎn)量提供了可行方案，可望助力全球農(nóng)業(yè)發(fā)展，保障糧食安全。