CNN算法“识粮”新方案 京都大学利用AI快速准确预测粮食产量

　　近日，京都大学的研究人员利用卷积神经网络技术，基于水稻冠层照片快速准确预测粮食产量。这项研究成果发表在《植物表型学》杂志上。

　　据了解，该研究基于20个国家共20块农田，22000多张水稻冠层照片以及实际粮食产量数据进行训练，所建立的CNN模型对不同光照条件下的收割期和成熟后期水稻产量预测效果良好。即使改变拍照角度、时间和阶段，该模型预测结果也十分稳定和准确。

　　研究显示，CNN模型主要通过识别水稻花序数量进行粮食产量预测。该模型对地面分辨率达到0.2厘米/像素的水稻冠层照片，预测产量与实际产量相关性可达0.65;即使分辨率降至3.2厘米/像素，相关性也可达0.55，表现出较强的鲁棒性。通过移除水稻花序实验进一步证明，随着花序数量减少，模型预测产量也呈线性降低。该CNN模型可以对不同国家不同品种的水稻快速准确预测产量。

　　据联合国预测，2050年全球人口将达91亿，届时对粮食的需求量将增加70%。然而全球农业发展不均，导致很多地区粮食产量无法准确统计，无法对农业发展做出合理规划。该研究为利用AI技术快速准确预测全球各地粮食产量提供了可行方案，可望助力全球农业发展，保障粮食安全。