從事繁育新品種的工作，在夏季高溫下走入一排排大豆田是繁瑣但必不可少的。研究人員每天在生長期的關鍵時期承受高溫，以尋找表現出理想性狀的植物，例如豆莢過早成熟。但是，如果沒有自動檢測這些性狀的方法，育種者就無法在給定的一年內測試任意數量的地塊，從而延長了將新品種推向市場的時間。

而在一項新研究中，研究人員使用無人機圖像和人工智能預測了兩天內的大豆成熟日期，從而大大減少了在地面上穿靴子的需求。

評估豆莢成熟度非常耗時，而且容易出錯。它是基于豆莢顏色的評分系統，因此也容易受到人為偏見的影響。許多研究小組正在嘗試使用無人機圖片評估成熟度，但無法大規模進行。因此，我們想出了一種更精確的方法來做到這一點。實際上，這真的很又作用。

研究人員訓練了計算機，以從在五個試驗，三個生長季節和兩個國家收集的無人機圖像中檢測冠層顏色的變化。重要的是，他能夠解釋“不良”圖像以保持準確性。

假設每三天收集一次圖像，但是有一天，有云或下著雨，所以不能這樣。最終，當從不同年份或不同位置獲取數據時，它們的外觀將有所不同圖像的數量和間隔等等。我們開發的主要創新之處在于我們如何能夠說明我們能夠收集的一切。我們的模型表現良好，而與收集數據的頻率無關。

使用深度卷積神經網絡的人工智能。CNN類似于人類大腦學習從我們的眼睛解釋圖像成分（顏色，形狀，紋理）的方式。除了形狀，邊界和紋理外，CNN還能檢測到顏色的細微變化。對于我們試圖做的事情，顏色是最重要的。但是我們使用的人工智能模型的優勢在于，使用相同的模型來預測另一個特征（例如產量或倒伏）將非常簡單。因此，現在我們已經建立了這些模型，對于人們使用相同的架構和相同的策略來做更多的事情。

找到幫助育種者真正大規模決策的好方法是非常有意義的。
責任編輯：YYX