欧亚国际

在可持续农业系统中，农场内食品损耗（例如，蔬菜的废弃）是一个难以解决的问题。为了减少废弃蔬菜的数量，最简单的方法是监测和预测蔬菜田中所有个体的大小，并确定最优的收获日期，以获得最小的废弃数量和最高的利润。然而这种冠层水平或个体水平的性状表型对器官水平的西兰花头部大小的估计是不够的。例如，在日本市场上，可运输的西兰花头尺寸通常分为三个价格级别（M:11-12厘米，L:12-13厘米， 2L:13-15厘米），其大小由几厘米变化。因此，精度范围内的厘米甚至毫米级的器官大小估计是全场大小分布和利润估计的基础。为了满足这种精确性的要求，许多器官级的应用程序通常通过手持相机或拖拉机收集，靠近地面的图像传感器和植物之间的距离不到1米，但它的效率并不总是适用于具有成千上万个个体的大面积场景。要应用到基于无人机的方法的器官级分析，需要解决3个挑战：（1）通过摄影测量获得的冠层模型（2D 场图和 3D 点云）质量不足。（2）处理图像分析复杂性的人力成本高。（3）所涉及的计算成本。

2023年9月，Plant Phenomics在线发表了日本东京大学联合千叶大学合作完成的题为Drone-based harvest data prediction can reduce on-farm food loss and improve farmer income 的研究论文。

本研究开发了一套完整的流程，通过使用无人机遥感和图像分析，能够自动、无损地准确估计和预测每个西兰花（Brassica oleracea L.）头部的大小（图1）。所产生的西兰花头部尺寸被用作基于温度的生长模型的数据源。最后，根据市场价格调查，建立了利润预测模型。为了解决器官级分析质量不足的问题，将感兴趣区域（ROI）向原始无人机图像进行了反向投影，得到了质量较好的无人机图像。为了解决省力深度学习分析的挑战，本文通过YOLOv5（检测任务）和BiSeNetv2（分段任务）将时间序列数据融合、主动学习、迁移学习和数据增强集成到深度学习工作流中。

图1基于无人机的提取西兰花信息及建立模型流程。

西兰花移栽后约1个月的无人机图片用于检测苗位（图2），本研究使用LabelMe等工具，对训练数据进行了注释，标记了西兰花幼苗的位置。随后，采用YOLO v5模型进行检测，初步识别出西兰花幼苗的位置。为了消除重复检测，研究采用了非最大值抑制（NMS）算法，有效地删除了重复的检测结果，仅保留了有效的幼苗位置信息。在交互式注释方面，研究使用了QGIS等工具，通过手动调整标注的方式，对西兰花幼苗的头部位置进行了分割。此外，研究还引入了脊线检测算法，识别幼苗头部的脊，从而更准确地进行分割。通过这些方法，可以实现对幼苗头部位置自动放置植物ID。在交互式注释的过程中，研究通过多次迭代，逐渐优化了分割结果。

图2 西兰花的工作流程（a）幼苗检测和（b）头部分割

图3 2020 年西兰花幼苗位置检测 (a-f) 和通过交互式注释进行头部分割 (g-i) 的示例

通过两年的田间实验，高精度地估计和预测了所有西兰花头的大小，并发现与最佳日期相差仅1-2天就能显著增加等级损耗并减少农民的利润，降低了农民的利润（图4）。这明确展示了这些方法在经济作物优化和减少食物损失方面的实用性，为农业生产中作物管理的自动化提供了有力的技术支持，同时也展示了在实际应用中取得的重要发现和创新点。

图4 (a) 2020 年和 (b) 2021 年试验中预测头部直径的分布。M、L和2L尺寸符合日本市场的运输标准（M：11-12厘米，L：12-13厘米，2L：13-15厘米）。假设在 (c) 2020 年和 (d) 2021 年试验中每个日期收获所有个体，非标准尺寸西兰花的比例和总收入。黄色柱子表示产生最高收入和最低浪费西兰花的最佳收获日期。情况1是各等级之间的价格差异最大（表示利润最高），情况2是差异最小（表示利润最低）。

论文链接：

http://doi.org/10.34133/plantphenomics.0086‍

——推荐阅读——

Dynamic UAV Phenotyping for Rice Disease Resistance Analysis Based on Multisource Data

http://doi.org/10.34133/plantphenomics.0019

Plant Phenomics | 基于多源数据的水稻抗病性动态无人机表型分析

Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images

http://spj.science.org/doi/10.34133/plantphenomics.0020‍

Plant Phenomics | 基于高通量无人机RGB图像的水稻植株计数、定位和大小估计方法

加入作者交流群