智慧農業的基本功-病蟲害防治走向AI的前奏曲(下)(姚美吉講師)
介紹AI影像辨識在農作物害蟲監測上的應用,強調建立完整害蟲影像資料庫是提升判讀準確度的基礎;內容說明米象與煙甲蟲等儲藏型害蟲多於源頭即存在,預防與清潔管理重於事後治療;並建議以低溫冷藏及真空脫氧包裝降低繁殖風險;同時探討昆蟲於生物防治與替代蛋白質領域的多元應用,推動智慧化與精準農業發展。
MENU
了解作物冠層結構對於改良作物生產至關重要,因為顯著影響資源利用效率、產量和抗逆性。儘管研究已將冠層研究整合到各種農業操作中,但由於複雜的空間分佈和技術限制,建構準確的3D模型仍然具有挑戰性。
研究團隊使用基於CI的3D建模方法,在種植密度為3、6和9×104株/公頃的條件下,為玉米品種建立3D模型,透過反射法改良模型,提高葉片方位角分布的模擬精度,驗證模型在表示冠層覆蓋率方面的準確性,並分析其局限性,在種植密度梯度下建立3D模型,驗證葉片方位角分布的趨勢。
研究結果驗證模型能夠捕捉種植密度對冠層結構的影響,包括增加遮蔽和葉片方位角的調整。改良後的模型在模擬葉片方位角分布方面與實測數據高度一致,R2值顯示了很高的一致性。隨著種植密度的增加,與行方向垂直的葉片方位角分布(約90°)增加,顯示玉米葉片通過調整方位角來適應環境脅迫。
此項研究發表在2024年《Plant Phenomics》期刊,這項研究首次將計算智慧技術應用於3D冠層建模,克服了內部遮蔽和資源競爭的挑戰,建立了一種可視化和驗證不同種植密度和品種下玉米冠層結構的方法,為進一步提高模型的準確性和實用性提供了方向,如考慮更多環境因素和更詳細的表型和生長資訊,對未來農作物3D建模奠定基礎作出貢獻。【延伸閱讀】- 新型技術以3D虛擬模型建構禾本科花朵結構