水稻 (Oryza sativa) 是许多人的主食，但水稻生产受到气候变化的挑战，因此提高单位面积穗数 (PNpM 2 ) 等产量性状至关重要。

最近的研究重点是使用计算机视觉和人工智能来量化 PNpM 2，深度学习等方法在小规模试验中被证明是有效的。然而，这些技术面临可扩展性挑战、水稻品种的多样性以及缺乏大型、高质量的训练数据集。克服这些挑战对于开发强大的大规模表型分析工具以在快速变化的气候下提高水稻产量至关重要。

Plant Phenomics发表了一篇数据库/软件文章，题为“ Panicle-Cloud：一个开放且人工智能驱动的云计算平台，用于从无人机收集的图像中量化稻穗，以实现水稻产量的分类”。

该研究提出了 Panicle-Cloud 平台，这是农业技术的一项重大进步，它提供了人工智能驱动的云计算解决方案，用于从无人机收集的图像中量化稻穗。该项目首先开发了一个开放的专家注释的多样化水稻穗检测(DRPD)数据集，然后将多个深度学习(DL)模型集成到该平台中。

通过迭代改进过程，Panicle AI 模型成为首选，展示了卓越的穗检测准确性。为了确定穗表型分析的最佳条件，对不同海拔和关键生长阶段的无人机飞行进行了分析，发现灌浆早期7 m的高度提供了最准确的结果。

Panicle-AI 评分与人工计数之间的相关性分析证实了模型的有效性，特别是在 7m 高度处，具有较高的相关系数(R 2 = 0.945)。Panicle-AI 模型在穗检测精度方面优于 13 个最先进的深度学习模型。Panicle-Cloud 平台被设计为用户友好型，允许非专家使用简单的基于 Web 的界面从不同的 AI 模型中进行选择以进行穗检测。

用户可以单独或批量处理图像，平台通过裁剪更大的图像来优化计算。

该平台根据 PNpM 2性状对产量表现进行分类的能力在两季水稻田间试验中进行了测试。该平台利用监督机器学习模型，特别是 CatBoost 算法，成功地将水稻产量分为低、中、高三类，总体准确率达到 84.03%。这一功能使水稻育种者能够根据预测的产量表现有效地筛选和选择首选品种。

总之，Panicle-Cloud 展示了整合人工智能、云计算和无人机技术彻底改变水稻育种和种植的潜力。该平台提高了量化产量相关性状的效率和准确性，并使更广泛的用户更容易使用先进的表型分析工具，从而提高了面对全球粮食需求挑战时选择高产品种的能力。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：