Plant Phenomics | 利用智能手機(jī)和深度學(xué)習(xí)進(jìn)行地理尺度的咖啡櫻桃計(jì)數(shù)

隨著氣候變化的影響日益顯現(xiàn)，咖啡產(chǎn)量的波動(dòng)對(duì)全球超過7000萬(wàn)小農(nóng)戶構(gòu)成了嚴(yán)重挑戰(zhàn)。隨著全球氣候變化帶來(lái)的挑戰(zhàn)，咖啡這一全球第二大交易商品的生產(chǎn)穩(wěn)定性受到威脅。目前大多數(shù)咖啡產(chǎn)量預(yù)測(cè)方法存在成本高和技術(shù)要求嚴(yán)格等問題，這對(duì)資源有限的全球超過7000萬(wàn)的小規(guī)模農(nóng)戶尤其不利。鑒于此，該研究團(tuán)隊(duì)開發(fā)了一種低成本、易于操作的咖啡櫻桃計(jì)數(shù)技術(shù)，以幫助農(nóng)戶改進(jìn)作物管理和增加產(chǎn)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(gè)創(chuàng)新的利用智能手機(jī)進(jìn)行咖啡櫻桃數(shù)量統(tǒng)計(jì)的方法，通過深度學(xué)習(xí)模型YOLO v8進(jìn)行圖像處理和櫻桃檢測(cè)。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(jī)收集了大量的咖啡樹圖片，然后使用YOLO v8模型對(duì)圖片中的咖啡櫻桃進(jìn)行識(shí)別和計(jì)數(shù)。此外，研究還考察了模型在不同生長(zhǎng)階段以及不同咖啡品種上的適應(yīng)性和準(zhǔn)確性。

圖 1. 目標(biāo)地區(qū)位置。（A）目標(biāo)國(guó)家：哥倫比亞（淺藍(lán)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(jìn)行了測(cè)試。

圖 3. 咖啡櫻桃數(shù)量的相關(guān)性分析。該圖顯示了總生產(chǎn)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(guān)性。此分析包括了來(lái)自秘魯和哥倫比亞的數(shù)據(jù)。

圖6.使用 YOLO v8 進(jìn)行綠色櫻桃檢測(cè)。該圖展示了使用 YOLO v8 在一根枝條上檢測(cè)綠色櫻桃的例子。檢測(cè)結(jié)果用紅色框標(biāo)出，準(zhǔn)確地標(biāo)識(shí)了咖啡櫻桃。

圖 7. 預(yù)測(cè)與實(shí)測(cè)的每棵樹咖啡櫻桃數(shù)量比較。該圖為散點(diǎn)圖，比較了按國(guó)家和品種分類的每棵樹預(yù)測(cè)和實(shí)際的咖啡櫻桃數(shù)量。坐標(biāo)軸采用 log10(X+1) 轉(zhuǎn)換。

結(jié)果顯示，該方法有較高的計(jì)數(shù)的準(zhǔn)確性，且具有很好的普遍適用性和轉(zhuǎn)移能力，可以廣泛應(yīng)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(nóng)民參與數(shù)據(jù)收集，可以極大地降低技術(shù)門檻和成本，為低收入國(guó)家的咖啡生產(chǎn)監(jiān)測(cè)提供了一種可行的解決方案。該技術(shù)的推廣應(yīng)用，不僅可以幫助農(nóng)戶更準(zhǔn)確地管理作物，還可以作為氣候變化影響研究的一個(gè)重要工具。

此研究得到了眾多小農(nóng)戶的支持和參與，展示了科技與地方農(nóng)業(yè)實(shí)踐的完美結(jié)合。該研究提出的使用智能手機(jī)進(jìn)行咖啡櫻桃計(jì)數(shù)的方法展現(xiàn)了科技在解決全球南部農(nóng)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(nèi)的小農(nóng)戶提供了一個(gè)強(qiáng)有力的工具，可以更好地應(yīng)對(duì)市場(chǎng)價(jià)格波動(dòng)和氣候變化帶來(lái)的影響，從而提高其生產(chǎn)力和生活水平。通過擴(kuò)展至更多的地區(qū)和不同的農(nóng)作物種類，這種方法有望成為未來(lái)農(nóng)業(yè)研究和實(shí)踐中的重要工具。

一些具有代表性的圖片數(shù)據(jù)和相關(guān)Python代碼已經(jīng)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(shí)驗(yàn)室到田間：野外植物病害識(shí)別的無(wú)監(jiān)督域適應(yīng)
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(dǎo)葉綠素?zé)晒夤浪闼�稻光合能力和氣孔�?dǎo)度的半機(jī)理模型

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)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(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)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(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2023影響因子為7.6，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目、2024年入選江蘇科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：李嘉琦（南京農(nóng)業(yè)大學(xué)）
排版：張婕（上海交通大學(xué)）
審核：孔敏、王平