Cost-Effective Smartphone-Based Computer Vision Pipeline for Actinidia Phenological Stage Mapping
本研究介绍了移动物候制图（MPM）框架，这是一种基于智能手机的具有成本效益的计算机视觉系统，能够生成奇异果园的地理参照物候图，在大幅降低劳动时间和成本的同时，实现针对性的授粉干预，以解决开花不同步的问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在果园静谧的律动中，一场雄性与雌性植物之间的无声竞赛经常上演。许多果树，包括奇异果（猕猴桃），都是雌雄异株的，这意味着产生花粉的雄花和接收花粉的雌花生长在完全不同的植株上。为了确保收获成功，这两类植物必须在完全相同的时间开花。如果雄株在雌花准备好之前就释放了花粉，或者开花太晚，果实就无法形成。这种时机的把握不仅仅是运气问题，它是一个精确的生物窗口，决定了农作物的产量、形状和品质。然而，随着气候变化，这种自然的同步性正变得越来越不可靠，这给农民带来了难题：他们需要准确知道植物在何时何地准备好接受授粉，但逐一手工检查每一株藤蔓的任务对于整个果园来说既太慢又太贵。
一组研究人员开发出了一种解决此问题的新方法，将标准的智能手机变成了一个能够绘制果园生命周期图谱的强大工具。研究人员并没有依靠工人走过每一行藤蔓去逐个计数花朵，而是创建了一个利用视频和人工智能来构建果园开花状态详细地图的系统。该系统的工作原理是在沿着果行行走时（就像农民巡视作物那样）记录一段视频，但这段视频会与来自卫星导航系统的精确位置数据相匹配。当视频播放时，计算机程序会自动识别单朵花，判断其为雄性还是雌性，并分类它们发育的具体程度。这一过程将数小时的人工劳动转化为几分钟的工作，生成一张视觉地图，向农民展示哪些部分的果园已准备好进行授粉，哪些部分尚未准备好。
研究人员在葡萄牙北部的商业奇异果园中测试了这种方法，重点关注需要被授粉以结果实的雌花。他们录制了高清晰度的视频，捕捉自然环境下藤蔓的影像，同时也应对了现实农业中的各种挑战，如光影变化和植株晃动。他们构建的计算机系统就像一个“三步过滤”机制。首先，它扫描视频以寻找任何花朵或花蕾；第二，它观察这些花朵以判定其为雄性还是雌性；最后，针对雌花，它将其归入特定的发育阶段，范围从紧闭的花蕾到完全开放、准备好接受花粉的花朵。这种循序渐进的方法至关重要，因为试图在单一步骤中识别花的精确阶段往往会导致混乱；通过将任务分解，系统变得更加可靠。
研究结果表明，这种方法不仅速度快，而且其准确度足以用于现实世界的农业决策。当研究人员将计算机计数的结果与实际人工计数的数量进行对比时，该系统能够正确识别绝大多数的花朵。虽然存在一些小误差，例如偶尔会将一朵非常早期的花误认为稍稍成熟一点的花，但整体趋势是明确的。该系统成功绘制了果园地图，揭示了同一片果园的不同区域往往处于不同的开花阶段。这种空间细节是传统的抽样检查方法完全无法捕捉到的，因为传统方法通常只观察几个小区域，并假设整个果园的情况都一样。通过捕捉全局图像，该系统使农民能够精准地针对需要授粉的区域开展工作，而不是将整个果园视为一个单一的整体。
其对劳动力和成本的影响是巨大的。在测试区域，人工计数花朵的过程仅覆盖不到一公顷的面积就需要超过十一个小时。而基于智能手机的系统完成同样任务仅需不到两个小时。转化为劳动力成本时，这意味着成本的大幅降低——从每公顷两千多欧元降至仅二十九欧元。这种节省并非通过偷工减料实现的，而是通过用快速的自动化任务取代缓慢且重复的人力任务来实现的。视频采集本身几乎不增加额外成本，因为农民在进行其他日常检查时顺便就能完成。该系统不需要昂贵的无人机或专门的机器人，它使用的正是大多数农民已经拥有的设备。
尽管这项技术前景广阔，但研究人员也谨慎地指出了其目前的局限性。该系统在识别果园内开花的一般趋势方面表现出色，但在区分处于非常接近、相邻发育阶段的花朵时，有时会遇到困难。例如，要分辨一朵刚刚开放的花和一朵稍微成熟一点的花是非常困难的，即使是对计算机而言，因为其视觉变化非常细微。然而，对于管理授粉的目的来说，了解总体的趋势往往比了解一朵花在确切哪一秒开放更为重要。研究证实，这种方法可以弥补简单的花朵检测与现代农业所需的复杂、具备空间感知能力的地图之间的差距。通过将智能手机视频转化为详细的物候图，研究人员提供了一个实用的工具，帮助农民应对气候变化的复杂性，并确保作物在正确的时间得到授粉。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。