微新创想（idea2003.com）9月18日 消息：在农业科技领域迎来突破性进展之际，京都大学的研究团队凭借卷积神经网络（CNN）技术的创新应用，成功实现了基于水稻冠层照片的粮食产量快速准确预测。这一重要研究成果已正式发表在国际权威学术期刊《植物表型学》上，为全球粮食安全提供了新的技术支撑。
据悉，该研究团队整合了来自20个国家共20块农田的宝贵数据资源，包括22000多张水稻冠层高清照片以及相应的实际粮食产量记录。通过海量数据的深度学习训练，研究人员构建的CNN模型展现出卓越的预测性能，尤其在不同光照条件下对收割期和成熟后期水稻产量的预测效果令人瞩目。值得注意的是，该模型在应对拍照角度、时间及生长阶段变化时，依然能够保持高度稳定和精准的预测结果，充分验证了其强大的适应性。
研究揭示，CNN模型的核心预测机制在于精准识别水稻花序数量。在地面分辨率高达0.2厘米/像素的冠层照片中，模型预测产量与实际产量之间的相关性高达0.65；即便分辨率降低至3.2厘米/像素，相关性依然维持在0.55的水平，彰显出模型超强的鲁棒性。通过移除水稻花序的实验进一步证实，随着花序数量的减少，模型预测产量呈现显著的线性下降趋势，这一发现为产量预测提供了直观的生物学依据。
该CNN模型具有广泛的适用性，能够针对不同国家和不同品种的水稻进行快速准确的产量预测。面对全球粮食需求的严峻挑战，联合国预测显示，到2050年全球人口将增至91亿，粮食需求量预计将增加70%。然而，全球农业发展不平衡导致许多地区粮食产量统计困难，严重制约了农业规划的合理性。京都大学的研究成果为利用AI技术实现全球粮食产量的快速准确预测提供了创新方案，有望为全球农业发展注入新动能，为保障粮食安全作出重要贡献