利用智能手機和深度學習進行地理尺度的咖啡櫻桃計數(shù)方法
Plant Phenomics | 利用智能手機和深度學習進行地理尺度的咖啡櫻桃計數(shù)
隨著氣候變化的影響日益顯現(xiàn)，咖啡產量的波動對全球超過7000萬小農戶構成了嚴重挑戰(zhàn)。隨著全球氣候變化帶來的挑戰(zhàn)，咖啡這一全球第二大交易商品的生產穩(wěn)定性受到威脅。目前大多數(shù)咖啡產量預測方法存在成本高和技術要求嚴格等問題，這對資源有限的全球超過7000萬的小規(guī)模農戶尤其不利。鑒于此，該研究團隊開發(fā)了一種低成本、易于操作的咖啡櫻桃計數(shù)技術，以幫助農戶改進作物管理和增加產量。
2024年4月，Plant Phenomics 在線發(fā)表了Leibniz Centre for Agricultural Landscape Research (ZALF)題為 Geographic-Scale Coffee Cherry Counting with Smartphones and Deep Learning 的研究論文。
該研究提出了一個創(chuàng)新的利用智能手機進行咖啡櫻桃數(shù)量統(tǒng)計的方法，通過深度學習模型YOLO v8進行圖像處理和櫻桃檢測。研究首先在秘魯和哥倫比亞的咖啡種植區(qū)域，通過智能手機收集了大量的咖啡樹圖片，然后使用YOLO v8模型對圖片中的咖啡櫻桃進行識別和計數(shù)。此外，研究還考察了模型在不同生長階段以及不同咖啡品種上的適應性和準確性。
圖 1. 目標地區(qū)位置。（A）目標國家：哥倫比亞（淺藍色）和秘魯（淺綠色）。（B）哥倫比亞的Génova、Cajibío、El Tambo、Morales、Piendamó和Popayán（紅色）。（C）秘魯?shù)腃hinchaque、Chirinos、Cañariz、Lalaquiz、Pongoa和San José Lourdes（紅色）。在秘魯開發(fā)了該模型，并在秘魯和哥倫比亞進行了測試。
圖 3. 咖啡櫻桃數(shù)量的相關性分析。該圖顯示了總生產分枝數(shù)（N_Branches）、上層分枝（1）、中層分枝（2）、下層分枝（3）上的櫻桃數(shù)量與每棵樹的總咖啡櫻桃數(shù)量（T_Cherries）之間的相關性。此分析包括了來自秘魯和哥倫比亞的數(shù)據(jù)。
圖6.使用 YOLO v8 進行綠色櫻桃檢測。該圖展示了使用 YOLO v8 在一根枝條上檢測綠色櫻桃的例子。檢測結果用紅色框標出，準確地標識了咖啡櫻桃。
圖 7. 預測與實測的每棵樹咖啡櫻桃數(shù)量比較。該圖為散點圖，比較了按國家和品種分類的每棵樹預測和實際的咖啡櫻桃數(shù)量。坐標軸采用 log10(X+1) 轉換。
結果顯示，該方法有較高的計數(shù)的準確性，且具有很好的普遍適用性和轉移能力，可以廣泛應用于不同的地理和生物氣候條件區(qū)域中。該研究還發(fā)現(xiàn)，通過本地咖啡櫻桃種植農民參與數(shù)據(jù)收集，可以極大地降低技術門檻和成本，為低收入國家的咖啡生產監(jiān)測提供了一種可行的解決方案。該技術的推廣應用，不僅可以幫助農戶更準確地管理作物，還可以作為氣候變化影響研究的一個重要工具。
此研究得到了眾多小農戶的支持和參與，展示了科技與地方農業(yè)實踐的完美結合。該研究提出的使用智能手機進行咖啡櫻桃計數(shù)的方法展現(xiàn)了科技在解決全球南部農業(yè)挑戰(zhàn)中的巨大潛力。這一低成本、高效率的方法為全球范圍內的小農戶提供了一個強有力的工具，可以更好地應對市場價格波動和氣候變化帶來的影響，從而提高其生產力和生活水平。通過擴展至更多的地區(qū)和不同的農作物種類，這種方法有望成為未來農業(yè)研究和實踐中的重要工具。
一些具有代表性的圖片數(shù)據(jù)和相關Python代碼已經在Github開源，地址為：https://github. com/j-river1/Croppie.
論文鏈接：
https://doi.org/10.34133/plantphenomics.0165
——推薦閱讀——
From Laboratory to Field: Unsupervised Domain Adaptation for Plant Disease Recognition in the Wild
https://doi.org/10.34133/plantphenomics.0038
Plant Phenomics | 從實驗室到田間：野外植物病害識別的無監(jiān)督域適應
A mechanistic model for estimating rice photosynthetic capacity and stomatal conductance from sun-induced chlorophyll fluorescence
https://doi.org/10.34133/plantphenomics.0047
Plant Phenomics | 基于日光誘導葉綠素熒光估算水稻光合能力和氣孔導度的半機理模型
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、�？l(fā)布會等高質量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業(yè)實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農藝學、植物科學、遙感一區(qū)。2023年中科院期刊分區(qū)位于農林科學大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：李嘉琦（南京農業(yè)大學）
排版：張婕（上海交通大學）
審核：孔敏、王平
