Istraživači su razvili revolucionaran pristup točnom i učinkovitom brojanju kukuruznih cvasti, ključnom koraku u procjeni prinosa i upravljanju usjevima. Tradicionalno, brojanje cvasti se obavljalo ručno ili kroz osnovne tehnike slikovnog i strojnog učenja, koje su vremenski zahtjevne i podložne pogreškama zbog vanjskih utjecaja.
Da bi se riješile ove ograničenosti, studija koju je objavio Plant Phenomics predstavlja novu metodu nazvanu Multiscale Lite Attention Enhancement Network (MLAENet). Ovaj pristup koristi duboke konvolucijske neuronske mreže (CNN) i metode estimacije gustoće mapa kako bi poboljšao točnost i učinkovitost.
MLAENet uključuje modul za ekstrakciju značajki s više stupaca kako bi se generirale gustoće mapa ovisne o mjerilu, omogućujući bolju vizualizaciju prostorne distribucije. Metoda također integrira strategiju pažnje kako bi se razlikovale kukuruzne cvasti od kompleksne pozadine. Osim toga, inovativni modul za up-sampling nazvan UP-Block poboljšava kvalitetu gustoćnih mapa.
Učinkovitost MLAENeta potvrđena je na dva javna skupa podataka, pri čemu je demonstrirana superiorna točnost brojanja i brzina zaključivanja u odnosu na postojeće metode. Model je učinkovito razlikovao kukuruzne cvasti od drugih biljaka, čak i u izazovnim uvjetima poput velike udaljenosti snimanja ili ozbiljnih zaklanjanja.
Napomenuto je kako je MLAENet postigao impresivnu brzinu od 32,90 sličica u sekundi (FPS) na slikama standardne rezolucije uz visoku točnost. To ga čini pogodnim za primjene u stvarnom vremenu u upravljanju usjevima.
Eksperimentalni dizajn studije uključivao je sofisticirane softvere i hardvere, uključujući PyTorch, CUDA i NVIDIA GeForce RTX 3090Ti. Za generiranje gustoćnih mapa koristilo se Gaussovo filtriranje, s prilagodljivim parametrima propagacije temeljenim na udaljenostima kukuruznih cvasti.
Zaključno, MLAENet predstavlja značajan napredak u brojanju kukuruznih cvasti, pružajući gustoće mapa visoke kvalitete i snažnu izvedbu. Budući napretci mogli bi se usredotočiti na implementaciju naprednih metoda ekstrakcije značajki kako bi se dodatno poboljšala učinkovitost mreže. Ovo istraživanje ima veliki potencijal za poboljšanje upravljanja usjevima i povećanje prinosa kukuruza.