Un studiu recent intitulat ‘A Multiscale Point-Supervised Network for Counting Maize Tassels in the Wild’ a introdus o abordare revoluționară de învățare profundă pentru numărarea ațelor de porumb. Tehnica cunoscută sub numele de Multiscale Lite Attention Enhancement Network (MLAENet) utilizează anotările de la nivel punctual pentru a genera hărți de densitate la diferite scalări. Aceasta incorporază module pentru extragerea caracteristicilor, strategia de atenție și o tehnică inovatoare de up-sampling pentru a îmbunătăți calitatea hărților de densitate.
MLAENet a fost testat în mod extensiv pe două seturi de date publice, iar rezultatele sunt impresionante. Depășește metodele existente în ceea ce privește precizia numărării și viteza de inferență, chiar și în fața provocărilor precum dimensiuni variabile ale ațelor și fundaluri complexe. Această nouă tehnică reușește să atingă un echilibru perfect între viteză și precizie, făcând-o deosebit de potrivită pentru aplicații în timp real, lucru crucial în peisajul tehnologiei agricole în rapidă dezvoltare de astăzi.
Echipa de cercetare din spatele MLAENet a utilizat o combinație de PyTorch, CUDA și hardware NVIDIA în configurarea experimentală. Au utilizat, de asemenea, tehnici precum filtrarea Gaussiană și determinarea adaptivă a parametrilor pentru a îmbunătăți performanța. Precizia modelului a fost evaluată utilizând metrici precum Eroarea Medie Absolută (MAE), Eroarea Medie Patratică (RMSE), coeficientul de corelație (R) și Eroarea Medie Procentuală Simetrică Absolută (SMAPE). Impresionant, modelul a demonstrat o precizie și robustețe ridicate, performând în mod deosebit de bine în scenarii cu scalări variabile.
Acest studiu revoluționar a fost publicat în prestigioasa revistă Plant Phenomics în octombrie 2023. A fost rezultatul unei colaborări între cercetători de la Universitatea Silvicultură Nanjing, Universitatea Warwick și Universitatea Agriculturii Nanjing. Profesorul asociat Xijian Fan de la Universitatea Silvicultură Nanjing, un expert respectat în prelucrarea imaginilor, viziune artificială și recunoașterea modelelor, a avut un rol important în conducerea acestui cercetări pionierat.
Dezvoltarea MLAENet marchează o ruptură semnificativă în tehnologia de numărare a culturilor. Cu capacitățile sale avansate și performanța excepțională, această tehnică de învățare profundă promite să revoluționeze modul în care se numără ațele de porumb, deschizând noi posibilități pentru agricultura de precizie și gestionarea culturilor.
