编辑推荐：
为解决大豆植株计数难题，研究人员用神经网络分析 RGB 和多光谱图像，分类精度高，助力农业生产。
大豆植株计数新突破：神经网络与多光谱图像的创新应用
在农业生产的大舞台上，大豆扮演着极为重要的角色。它不仅是全球广泛种植的农作物，是油类、牲畜饲料、生物燃料的重要原料，也是人类饮食中不可或缺的蛋白质来源。巴西、美国和阿根廷等国每年的大豆产量高达约 3.15 亿吨，占据全球总产量的 80% 以上。
然而，在大豆种植过程中，一个看似简单却又至关重要的问题长期困扰着种植者 —— 如何准确地对大豆植株进行计数。播种后约三周内，大豆进入幼苗期，此时种植者需要评估播种效果，确定植株数量是否充足，以保障最终的丰收。传统的人工实地采样计数方法，既耗费大量人力和时间，又难以大规模推广，效率低下且误差较大。随着科技的发展，基于无人机（UAV）图像和人工智能（AI）技术的新方法应运而生。这些方法虽然在一些作物上取得了不错的成果，比如在棉花、玉米等植株间距较大的作物计数上表现良好，但在大豆这种种植密度高、植株间距小的作物面前，却遭遇了挑战。杂草干扰、幼苗过小以及植株重叠等问题，使得现有的目标检测技术难以准确识别和计数大豆植株，容易造成计数偏差。
为了攻克这一难题，来自美国康涅狄格大学、路易斯安那州立大学以及巴西圣保罗州立大学等机构的研究人员展开了深入研究。他们的研究成果发表在《Precision Agriculture》杂志上，为大豆种植管理带来了新的希望。
研究人员采用了一种全新的思路，即利用神经网络算法对大豆植株进行分类，而非传统的个体识别。他们收集了大量 RGB 和多光谱图像，这些图像涵盖了大豆生长的三个关键营养阶段：子叶展开期（VC）、第一三出复叶期（V1）和第二三出复叶期（V2）。通过这些图像，研究人员试图构建出能够精准分类大豆植株数量的模型。
在研究过程中，有几个关键技术发挥了重要作用。首先是图像采集技术，研究人员使用搭载了 RGB（DJI Zenmuse H20）和多光谱（MicaSense RedEdgeMX）相机的多旋翼无人机（DJI Matrice 300 RTK）进行图像采集。无人机在 15 米高空飞行，以确保获取清晰的图像。采集到的图像经过摄影测量处理，生成了具有不同地面采样距离（GSD）的正射镶嵌图，其中 RGB 正射镶嵌图的 GSD 为 0.5 厘米，多光谱正射镶嵌图的 GSD 为 1.0 厘米。其次，数据处理和分析技术也至关重要。研究人员从正射镶嵌图中裁剪出 1 米长的样条，构建了包含多种植株数量的数据集。为了提高模型的准确性和泛化能力，他们对数据集进行了优化，去除了植株数量少于 10 株的样地数据，最终得到了一个更为平衡的数据集。在模型训练方面，研究人员使用了多层感知器（MLP）神经网络算法，并借助开源软件 Orange version 3.37 进行分类处理。他们将数据集按照 70% 用于训练、30% 用于测试的比例进行划分，并通过 5 折交叉验证来评估模型的性能。
研究结果令人振奋。无论是基于 RGB 图像还是多光谱图像的模型，都展现出了较高的分类准确率。其中，RGB 图像模型的效果略胜一筹，其曲线下面积（AUC）得分达到 0.976，分类准确率（CA）为 0.758；多光谱图像模型的 AUC 得分为 0.919，CA 为 0.667。从混淆矩阵来看，两种图像的模型都极少出现误分类的情况，尤其是 RGB 图像模型，几乎没有明显的误分类趋势。这意味着，研究人员开发的模型能够可靠地对不同生长阶段的大豆植株进行分类计数。
进一步分析发现，RGB 图像模型表现更优，可能得益于其更高的图像分辨率。高分辨率使得即使在植株密集的区域，也能更清晰地分辨出植株个体，减少了土壤和植株像素混合带来的干扰。不过，多光谱图像也有其独特优势，它能够捕捉到可见光之外的信息，比如近红外波长，这对于评估植株健康状况具有重要意义。
在研究结论和讨论部分，研究人员指出，这项研究成果为大豆种植者和相关利益者提供了一种高效、可靠的大豆植株计数方法。通过使用该方法，能够在不破坏植株、不干扰作物生长的情况下，快速、准确地获取植株数量信息，从而及时做出补种或调整种植策略的决策，大大提高了农业生产的精准性和效率，有助于实现更可持续、数据驱动的现代农业生产。
当然，这项研究也存在一些有待改进的地方。例如，训练数据集的植株数量范围有限，在遇到植株数量过少或过多的情况时，模型的准确性可能会受到影响。未来的研究可以进一步拓展数据集的范围，模拟更多样化的种植条件。此外，研究人员还可以深入探讨 RGB 和多光谱图像在不同空间分辨率下的应用效果，明确不同光谱图像的优势和适用场景。同时，将该研究成果与卫星遥感、机器人等技术相结合，有望实现更广泛、更高效的农业监测和管理。
总的来说，这项研究为大豆种植管理带来了创新性的解决方案，为精准农业的发展注入了新的活力，也为后续相关研究奠定了坚实的基础，其应用前景十分广阔。
