인터넷 슬롯 하이라이트

인터넷 슬롯 자막 :
인터넷 슬롯원들은 분석 된 수확 전 사진에서 쌀 수율을 추정 할 수있는 신경망 모델을 훈련시킵니다

인터넷 슬롯 요약 텍스트 :
쌀에 대한 전 세계 수요는 2050 년까지 크게 상승 할 것으로 예상되며, 기존 농지의 지속 가능한 강화. 이제 일본의 인터넷 슬롯자들은 수천 개의 사진 분석을 통해 쌀 수율을 빠르게 추정 할 수있는 심층 학습 알고리즘을 개발함으로써 상당한 진전을 이루었습니다. 이 모델은 이전의 방법을 능가하는 다이버 조건과 품종에 걸쳐 높은 정밀도를 노출 시켰으며, 품종과 다른 물 관리 관행 사이의 수율 차이를 효과적으로 감지했습니다.

풀 텍스트 인터넷 슬롯 :
스테이플 작물 제품에 대한 전 세계 수요가 증가함에 따라 인구 증가, 1 인당 소득 증가 및 바이오 연료 사용으로 인해 2050 년까지 실질적으로 증가 할 것으로 예상되면서 기존 농지에서 지속 가능한 농업 강화 관행을 채택 하여이 수요를 충족시킬 필요가 있습니다. 그러나 현재 전 세계 사우스에서 사용되는 인터넷 슬롯 프로세스는 여전히 부적절합니다. 자체보고 및 작물 절단과 같은 전통적인 방법은 제한 사항이 있으며, 원격 감지 기술은 이러한 맥락에서 완전히 활용되지 않습니다.

그러나 인공 지능 및 기계 학습의 최근 발전, 특히 CNN (Convolutional Neural Networks)을 통한 딥 러닝은 여기에서 약속 솔루션을 제공합니다. 이 새로운 기술의 범위를 탐구하기 위해 일본의 인터넷 슬롯원들은 쌀에 중점을 둔 인터넷 슬롯를 수행했습니다. 그들은 CNN과 결합하여 작물의 수확 단계에서 찍은 지상 기반 디지털 이미지를 사용하여 쌀 수율을 추정했습니다. 그들의 인터넷 슬롯는 2023 년 6 월 29 일에 온라인으로 출연되었으며 2023 년 7 월 28 일 식물 현상 5 권에 발표되었습니다.

우리는 광범위한 현장 캠페인을 진행함으로써 시작했습니다. 우리는 종합적인 다국적 데이터베이스를 만들기 위해 7 개국의 20 개 지역에서 쌀 캐노피 인터넷 슬롯와 거친 곡물 수확량 데이터를 수집했습니다.
이미지는 쌀 캐노피에서 수직으로 아래쪽으로 필요한 데이터를 수집 할 수있는 디지털 카메라를 사용하여 캡처되었습니다. 국제 인터넷 슬롯스 리서치 인스티튜트 (International Rice Research Institute) (이전 아프리카 인터넷 슬롯스 센터) 및 기타 공동 작업자의 카즈키 사이토 박사와 함께이 팀은 다양한 쌀 품종, 생산 시스템 및 작물 관리 관행을 포괄하는 4,820 개의 수확 플롯 및 22,067 개의 이미지 데이터베이스를 성공적으로 만들었습니다.
다음, CNN 모델은 수집 된 각 이미지 각각에 대한 입자 수율을 추정하기 위해 개발되었습니다. 이 팀은 시각적 폐쇄 방법을 사용하여 쌀 캐노피 이미지에서 다른 영역의 추가 효과를 시각화했습니다. 여기에는 이미지의 특정 부분을 마스킹하고 마스킹 된 영역에 대한 응답으로 모델의 수율 추정이 어떻게 변하는 지 관찰했습니다. 이 방법에서 얻은 통찰력을 통해 인터넷 슬롯원들은 CNN 모델이 Rice Canopy 이미지에서 다양한 기능을 해석하는 방법을 이해하고 정확도와 수율 조정 구성 요소와 캐노피의 비 지정 요소를 구별하는 능력에 영향을 미쳤습니다.

모델은 잘 수행되어 검증 및 테스트 데이터 세트에서 수율 변화의 약 68% –69%를 설명합니다. 인터넷 슬롯 결과는 폐색 기반 시각화를 통한 수확량 추정에서 패니클 (플라워 블러 링 플라워 클러스터)의 중요성을 강조했습니다. 이 모델은 숙성 단계에서 정확하게 수율을 예측하고, 성숙한 패니클을 인식하며, 예측 데이터 세트에서 수율의 품종 및 물 관리 차이를 감지 할 수 있습니다. 그러나 이미지 해상도가 감소함에 따라 정확도가 감소했습니다.

그럼에도 불구하고, 모델은 강력한 것으로 판명되어 다른 촬영 각도와 시간에 좋은 정확도를 보여줍니다. 타나카 박사는“전반적으로 개발 된 CNN 모델은 다이버 환경과 품종의 쌀 캐노피 이미지에서 거친 곡물 수확량을 인터넷 슬롯하는 데있어 약속 기능을 보여 주었다.

이 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 슬롯는 지역 규모에서 쌀 생산을 모니터링하기위한 CNN 기반 모델의 잠재력을 강조합니다. 그러나이 모델의 정확성은 다른 조건에 따라 다를 수 있으며, 모델을 저수력 및 비가 오는 환경에 적응시키는 데 더 많은 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 슬롯가 중점을 두어야합니다. AI 기반 방법은 간단한 스마트 폰 애플리케이션을 통해 농민과 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 슬롯원들에게 제공되었으므로 기술과 실제 응용 프로그램의 접근성을 크게 향상시킵니다. 이 응용 프로그램의 이름은‘Hojo’이며 이미 iOS 및 Android에서 사용할 수 있습니다. 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 인터넷 슬롯원들은 그들의 작업이 논을 더 잘 관리하고 가속화 된 번식 프로그램을 지원하여 글로벌 식품 생산 및 지속 가능성 이니셔티브에 긍정적 인 기여를하기를 희망합니다.

인터넷 슬롯 URL :


참조 :
딥 러닝은 지상 기반 RGB 이미지를 사용하여 쌀 수율의 즉각적이고 다양한 인터넷 슬롯을 가능하게합니다
저널 :Plant Phenomics
doi : 10.34133/plantphenomics.0073

Contact Person :인터넷 슬롯 Tanaka
dr. Yu Tanaka는 Okalama University의 환경, 생활, 자연 과학 및 기술 대학원의 부교수입니다. 그의 인터넷 슬롯 관심사는 환경, 농업, 농작물 생산 과학 및 이러한 분야에서 인공 지능 기반 인터넷 슬롯 방법의 사용입니다. 그는 쌀 작물과 관련된 생산, 수율 추정, 유전자 변이 인터넷 슬롯 대해 광범위하게 일했습니다.



지상 기반 디지털 이미지를 사용하여 CNN (Convolutional Neural Network) 모델로 쌀 수율 인터넷 슬롯