利用计算机视觉和机器学习技术实现莴苣种植的精准化作业

Earlham Institute的研究人员开发了一个机器学习平台，使用计算机视觉和航拍图像对莴苣作物进行分类。

该研究称，该平台名为AirSurf-Lettuce，能够以高于98％的精度对冰山莴苣进行评分。

研究人员在位于伊利的英国第二大蔬菜种植者G’s Growers进行了田间试验。

作物研究人员，种植者和农民使用航拍图像在生长季节监测作物。

为了从田间采集的大规模航空影像中提取有意义的信息，需要高通量的表型分析解决方案，这不仅可以产生关键作物性状的高质量指标，还可以帮助农民做出迅速可靠的作物管理决策。

该软件包括测量数量，大小和精确定位，以帮助农民精确收获，并以最有效的方式将作物推向市场。重要的是，这项技术可以应用于其他作物，扩大整个食物链的积极影响范围。

生菜是一种需求量非常大的蔬菜，特别是在东安格利亚，每年在英国生产122,000吨。由于种植过程效率低下以及收获策略，高达30％的产量可能会损失，如果能够实现，可以带来显着的经济增长。

非常重要的是，农民和种植者必须准确了解作物何时可以收获成果，以便他们能够启动物流规划，交易和销售其产品。

然而，传统上，在田间测量作物非常耗时且劳动强度大，而且容易出错;因此，基于航拍图像的新型AI解决方案可以提供更加强大和有效的方法。

种植效率的另一个障碍是，近年来一直在增加的恶劣天气条件可以非常显着地减少收获时间，因为作物需要不同的成熟时间。

AirSurf技术 – 由Earlham Institute的周氏集团成员开发，包括该项目论文的第一作者，Alan Bauer和Aaron Bostrom–使用深度学习和超大规模成像分析来测量高浓度的卷心莴苣 – 吞吐量模式。这能够识别莴苣植物的精确数量和位置，并具有识别作物品质的额外优势。

将该系统与GPS相结合，农民可以追踪田间莴苣的大小分布，这只会有助于提高农业实践的准确性和有效性，包括收获时间。

第一作者，EI的Alan Bauer说：“这种跨学科的合作将计算机视觉和机器学习与莴苣种植业务相结合，以展示我们如何利用机器学习提高作物产量。”

G’s Growers的行业合作伙伴，创新经理Jacob Kirwan补充说：“大规模种植意味着在确保我们以环保和经济可持续的方式生产作物时，精确度至关重要。使用像AirSurf这样的技术意味着种植者能够以更高水平的细节了解其田地和作物的变异性。

然后可以从这些信息中做出决定，例如不同的投入和灌溉应用;改变收获策略和规划出售作物的最佳时间，都将有助于提高农业产量和提高农业生产力。