מחקר אחרון שפורסם על ידי Plant Phenomics מציג את WheatNet, שיטה מתקדמת המהפכת את גילוי הקורקינים בגידולי חיטה. עם הגבירות דרישת החקלאות המדויקת, גילוי מדויק של קורקיני חיטה דרך התופענות פינוטיפית הפך לקריטי לשיא הביצור של הגידול.
בעוד שמודלי למידה עמוקה הופכים להיות מבטיחים בתחום זה, הם עדיין נתקעים בזהותם הדינמית של הגידול של החיטה, במיוחד בטווחי הצבע בשלבים שונים. הגבלה זו גורמת להתאמה ולדיוק מופחתים. עם זאת, קהילת המחקר עובדת ללא ניצול רק כדי לשפר את הרשתות העצביות לחיטוי טיפוח עתידי ולהפקת מאפיינים וסיווג טובים יותר.
המחקר המוצג ב-"Plant Phenomics" מציע את WheatNet כפתרון חדשני לגילוי של קורקיני חיטה קטנים וממוקדים במיקום בתמונות מזירה המזומנת לשלבי בשלות. WheatNet מקנה לעצמו רשת טרנספורמציה כדי למזער ויכולת גילוי כדי לשפר ביכולות גילוי. כמו כן היא מציעה סימון כיתתי מעגל חלק לסימון זוויות של קורקין החיטה ושכבת גילוי בית-קנה-מיקוד לחילוץ מאפיינים קטנים של הכורכין.
תוצאות המחקר מרשימות. WheatNet הישיגה דיוק ממוצע של 89.7% לגבי גילוי קורקינים ותיארה בדיוק את המרפולוגיה של הקורקינים. אפילו בקצב זיכרון של 0.95, WheatNet פותרת מודלים אחרים בדיוק הגבוה שלה. מהירות הגילוי של הרשת הגיעה ל־20 FPS והיא הציגה דיוק גבוה במניע נמוך של RMSEc, rRMSEc, וערכי MAEc.
WheatNet מציעה מאפיינים מהפכניים שמתמודדים עם האתגרים של הדגמים הקודמים. היכולת שלה להפחית את שגיאות הגילוי הגורמות על ידי הפרשי תכונות צבע מזרע לשלבי גידול שונים מההפך הופכת אותה מתאימה מאוד ליישומי שטח ולחזיונות מדויקות לבטיחות התפקיד. יותר מזה, רשת ה־WheatNet מתאימה לדגמים אחידים רבי התפתחות בעוד תחזיק ברמת דיוק יוצאת מן הכלל.
התקדמות זו בגילוי הקורקינים מביאה אותנו קרוב יותר למימוש חקלאות מדויקת ולהגדלת תוצרת הגידול. לחיבור של WheatNet לפרקטיקות החקלאיות יש פוטנציאל להמסרים באמתשינם את הענף ולשפר את היצור כולו.
The source of the article is from the blog kewauneecomet.com