Рис является одной из основных продовольственных культур и выращивается почти на 162 млн га земли во всем мире. Посевные площади риса в России составляют более 150 тыс. га. Одним из наиболее часто используемых методов количественной оценки производства риса является подсчет растений. Этот метод используется для оценки урожайности, диагностики роста и оценки потерь на рисовых полях. Большинство процессов подсчета риса во всем мире до сих пор выполняется вручную. Однако это чрезвычайно утомительно, трудоемко и занимает много времени, что указывает на необходимость более быстрых и эффективных машинных решений.

Исследователи из Китая и Сингапура недавно разработали метод, позволяющий заменить ручной подсчет риса более сложным методом, предполагающим использование беспилотных летательных аппаратов. Их работа была опубликована в журнале Plant Phenomics.

Беспилотники используются для съемки RGB-изображений рисового поля. Затем эти изображения обрабатываются с помощью разработанной учеными сети глубокого обучения под названием RiceNet, которая может точно определить плотность растений риса на поле, а также предоставить семантические характеристики более высокого уровня, такие как расположение и размер посевов.

В рамках исследования группа развернула оснащенный камерой БПЛА над рисовыми полями в китайском городе Наньчан и затем проанализировала полученные данные с помощью сложной техники анализа изображений. Затем исследователи использовали обучающий и тестовый наборы данных. Первый использовался в качестве эталона для обучения системы, а второй - для проверки результатов анализа.

По словам команды, техника RiceNet, используемая для анализа изображений, имеет хорошее соотношение «сигнал/шум». Другими словами, она способна эффективно отличать растения риса от фона, что повышает качество создаваемых карт плотности растений.

Результаты исследования показали, что средняя абсолютная ошибка и среднеквадратичная ошибка метода RiceNet составили 8,6 и 11,2, соответственно. Другими словами, карты плотности, созданные с помощью RiceNet, хорошо согласовывались с картами, созданными с использованием ручных методов.

Более того, основываясь на своих наблюдениях, команда также поделилась несколькими ключевыми рекомендациями. Например, команда не рекомендует получать изображения в дождливые дни. Она также советует собирать изображения с БПЛА в течение 4 часов после восхода солнца, чтобы свести к минимуму время тумана и скручивания листьев риса, которые негативно влияют на качество результатов.

Ученые дополнительно проверили эффективность своего метода с помощью двух других популярных наборов данных по сельскохозяйственным культурам. Результаты показали, что новый метод значительно превосходит другие современные методы. Это подчеркивает потенциал RiceNet для замены традиционного метода ручного подсчета риса.