人工智慧網路預測農作物產量

摘要

美國普渡大學的研究團隊開發的人工智慧（AI）模型，該模型能夠預測作物產量，特別是玉米的產量。研究人員利用遞歸神經網絡（RNN）來預測玉米產量，這一模型結合了遙測技術、環境數據和基因數據。該研究顯示，使用無人機和衛星進行的遙測數據收集可以顯著提高作物表型分析的效率，並減少人工勞動需求，這對於應對氣候變化及提高農業生產力具有重要意義。

　　植物表型分析（即檢查和表面植物特徵）可能是一項勞動密集型任務。用捲尺測量植物高度、使用重型手持設備測量多個波長的反射光，以及對單一植物進行化學分析，這些都是勞動力需求較高且較高花費的工作。

　　美國普渡大學的研究團隊利用無人機和衛星進行遙測數據收集，包括高光譜相機和光達（LiDAR）技術，以獲取植物的幾何結構和反射光譜數據，使用循環神經網絡（RNN）模型，特別是長短期記憶（LSTM）網絡，運用LSTM網絡來捕捉時間序列數據中的空間和時間模式，並進行未來產量的預測，將遙感數據、環境數據以及玉米品種的基因標記結合，以建立預測模型，開發算法以分析大規模數據集，識別健康與受壓作物之間的差異。

　　研究發現該模型已成功展示其在預測玉米產量方面的能力。透過分析大量資料集中的模式，可以準確預測不同品種玉米的生長狀態。農民可以早期識別問題，並采取適當措施以改善作物品質。此外，也為選擇更可靠的品種提供了依據，使得未來的育種工作更加高效。由於使用遙測技術進行遠距監控，可以大幅降低實地操作時間和費用。

　　此項研究發表在2024年9月《Frontiers in Plant Science》期刊，此項研究貢獻在於成功建立了一個能夠在不同地理位置和時間段內進行更新的神經網路模型，不僅推進了農業科學領域對於AI應用的理解，也為未來農業生產提供了新的工具，此研究展示了AI在農業領域中的潛力，特別是在作物產量預測和表型分析方面的重要性。

摘要

推薦文章