设为首页 | 加入收藏 | English
作物表型组学交叉研究中心中文版
科学研究
当前位置: 首页 >> 科学研究 >> 科研成果 >> 正文
科研成果
AirSurf:结合计算机视觉和深度学习实现针对生菜种植的超大规模航空表型分析和精准农业管理平台
作者:陈佳玮来源: 日期: 2019-06-20浏览次数:

生菜是最常见的叶类蔬菜之一,其营养含量丰富,口味、质地和形状多样,可满足不同的食用需求。但生菜对环境变化敏感,其生产比较容易遭受各类外部条件的影响,比如恶劣天气不仅会造成供应短缺,而且也会影响生菜的质量和后续的产品供应链。

 

为了保证生菜供应和品质,如何密切监测生菜的生长和发育对农业从业者至关重要。因此,航空图像经常被用于连续监测作物的生长,进而可以从大规模航空图像中提取有意义的作物表型信息,为农业生产服务。同时,大规模航空表型采集和分析不仅能对关键性状进行测量,而且还能为可靠的生产管理决策提供基于大数据的支撑。

 

南京农业大学作物表型组学交叉研究中心的周济教授联合英国第二大种植公司G's Growers基于计算机视觉和深度学习(卷积神经元网络,CNN)开发了一套超大规模航空表型分析与精准农业管理的软件平台——AirSurf。该平台对超大规模的归一化差异植被指数(NDVI)航空图像进行高通量分析,通过结合计算机视觉、深度学习(CNN)和模块化软件工程等手段,对田间数以百万计的生菜进行产量和品质相关表型性状的高通量分析。为了构建浅层CNN模型(用于快速训练和高通量分析),周济英国实验室大约训练了近100000张生菜图像,以此构建了分类和预判模型对生菜数量和大小进行高精度的分类。此外,为了将分析结果应用于实际作物生产,AirSurf平台将GPS信息与生菜分布结合,生成了一个带GPS标记的收获指示图。以此来辅助高效、精确的收割策略,为种植商提高产量和利润空间。

 

基于AirSurf的分析结果与专家评分之间有很强的相关性。因此,该平台有希望帮助蔬菜种植商完成精确的农业生产和管理。此外,通过附加训练集和二次训练等方式,AirSurf平台亦可扩展到小麦、水稻等重要农作物的航空表型分析中。

 

2019年6月,上述研究成果以题为“Combining computer vision and deep learning to enable ultra-scale aerial phenotyping and precision agriculture: A case study of lettuce production”的研究论文刊发于园艺作物研究领域权威期刊Horticulture Research(IF=3.368)。该论文由我校作物表型组学交叉研究中心的周济教授领导的英国实验室完成,英国诺维奇科研院及南京农业大学为共同署名单位,周济教授为本文的第一通讯作者。

 

论文链接:https://www.nature.com/articles/s41438-019-0151-5

 

Copyright © 2019 南京农业大学作物表型组学交叉研究中心

版权所有 All Rights Reserved