Ein nyleg studie med tittelen «A Multiscale Point-Supervised Network for Counting Maize Tassels in the Wild» har introdusert ein revolusjonerande djuplæringsmetode for teljing av korntassel. Teknikken, kjend som Multiscale Lite Attention Enhancement Network (MLAENet), nyttar punktnivå-annoteringar for å generere tettheitskart på ulike skalar. Den inneheld modular for trekkutvinning, merksemdsstrategi og ein innovativ oppskaleringsteknikk for å auka kvaliteten på tettheitskartet.
MLAENet har blitt grundig testa på to offentlege datamengder, og resultata er imponerande. Den overgår eksisterande metodar når det kjem til telje-nøyaktigheit og inferansehastigheit, sjølv når det er utfordringar som varierande tasselstorleikar og komplekse bakgrunnar. Denne nye teknikken finn den perfekte balansen mellom hastigheit og nøyaktigheit, noko som gjer den særskilt eigna for sanntidsapplikasjonar, noko som er avgjerande i dagens raskt framvoksende landbruks-tekno-landskap.
Forskarteamet bak MLAENet nytta ei kombinasjon av PyTorch, CUDA og NVIDIA-hardware i dei eksperimentelle oppsettet. Dei nytta òg teknikkar som gaussisk filtrering og tilpassa parameterbestemming for å forbetra ytelsen. Modellen sin nøyaktigheit vart evaluert ved hjelp av metrikar som Mean Absolute Error (MAE), Root Mean Square Error (RMSE), korrelasjonskoeffisient (R) og Symmetrisk Mean Absolute Percentage Error (SMAPE). Imponerande nok viste modellen høg nøyaktigheit og soliditet, og fungerte spesielt godt i scenario med varierande skalaer.
Denne banebrytande studien vart publisert i den anerkjende tidsskriftet Plant Phenomics i oktober 2023. Det var eit samarbeid mellom forskarar frå Nanjing Forestry University, University of Warwick og Nanjing Agriculture University. Assisterande professor Xijian Fan frå Nanjing Forestry University, ein respektert ekspert innan biletebehandling, datamaskinsyn og mønstergjenkjenning, spelte ei sentral rolle i å leie denne nyskapande forskinga.
Utviklinga av MLAENet markerer eit betydeleg gjennombrot innan teknologien for å telje avlingar. Med sine avanserte moglegheiter og imponerande ytelse står denne djuplæringsmetoden klar til å revolusjonera måten korntassel vert telde på, og opne nye moglegheiter for presisjonsjordbruk og avlingsstyring.