Техника 9 марта 2023

Дроны позволят количественно оценить производство риса

Дроны позволят количественно оценить производство риса

Рис является одной из основных продовольственных культур и выращивается почти на 162 млн га земли во всем мире. Посевные площади риса в России составляют более 150 тыс. га. Одним из наиболее часто используемых методов количественной оценки производства риса является подсчет растений. Этот метод используется для оценки урожайности, диагностики роста и оценки потерь на рисовых полях. Большинство процессов подсчета риса во всем мире до сих пор выполняется вручную. Однако это чрезвычайно утомительно, трудоемко и занимает много времени, что указывает на необходимость более быстрых и эффективных машинных решений.

Исследователи из Китая и Сингапура недавно разработали метод, позволяющий заменить ручной подсчет риса более сложным методом, предполагающим использование беспилотных летательных аппаратов. Их работа была опубликована в журнале Plant Phenomics.

Беспилотники используются для съемки RGB-изображений рисового поля. Затем эти изображения обрабатываются с помощью разработанной учеными сети глубокого обучения под названием RiceNet, которая может точно определить плотность растений риса на поле, а также предоставить семантические характеристики более высокого уровня, такие как расположение и размер посевов.

В рамках исследования группа развернула оснащенный камерой БПЛА над рисовыми полями в китайском городе Наньчан и затем проанализировала полученные данные с помощью сложной техники анализа изображений. Затем исследователи использовали обучающий и тестовый наборы данных. Первый использовался в качестве эталона для обучения системы, а второй - для проверки результатов анализа.

По словам команды, техника RiceNet, используемая для анализа изображений, имеет хорошее соотношение «сигнал/шум». Другими словами, она способна эффективно отличать растения риса от фона, что повышает качество создаваемых карт плотности растений.

Результаты исследования показали, что средняя абсолютная ошибка и среднеквадратичная ошибка метода RiceNet составили 8,6 и 11,2, соответственно. Другими словами, карты плотности, созданные с помощью RiceNet, хорошо согласовывались с картами, созданными с использованием ручных методов.

Более того, основываясь на своих наблюдениях, команда также поделилась несколькими ключевыми рекомендациями. Например, команда не рекомендует получать изображения в дождливые дни. Она также советует собирать изображения с БПЛА в течение 4 часов после восхода солнца, чтобы свести к минимуму время тумана и скручивания листьев риса, которые негативно влияют на качество результатов.

Ученые дополнительно проверили эффективность своего метода с помощью двух других популярных наборов данных по сельскохозяйственным культурам. Результаты показали, что новый метод значительно превосходит другие современные методы. Это подчеркивает потенциал RiceNet для замены традиционного метода ручного подсчета риса.

Рекомендуем

Популярные статьи