研究：人工智能无人机推动精准农业的进步，用于作物胁迫的早期检测

快速阅读: 据《勺子》最新报道，希伯来大学研究团队开发出基于无人机的多模态成像系统，结合深度学习，可精准识别芝麻的氮和水分不足。该技术有望提升农业效率，减少资源浪费。

通过精准农业进行早期压力检测刚刚得到了重大升级，根据希伯来大学的新研究显示。由伊泰·赫尔曼博士领导的团队开发了一种基于无人机的平台，该平台结合了高光谱、热成像和RGB成像技术，并与强大的深度学习技术相结合，能够精确识别芝麻作物中的氮和水分不足。

芝麻以其对气候变化的适应性而闻名，其在全球的重要性正在迅速增长。然而，准确识别早期作物压力在历史上一直是一个重大挑战，限制了农民快速应对潜在灾难性问题的能力。为了解决这个问题，研究人员将三种先进的成像技术整合到一个无人机系统中，创造了一个可靠方案，能够解析复杂植物压力信号。

通过精准农业进行早期压力检测刚刚得到了重大升级，根据希伯来大学的新研究显示。由伊泰·赫尔曼博士领导的团队开发了一种基于无人机的平台，该平台结合了高光谱、热成像和RGB成像技术，并与强大的深度学习技术相结合，能够精确识别芝麻作物中的氮和水分不足。

高光谱成像提供了关于植物化学成分的详细光谱信息，包括氮和叶绿素水平，这些是植物营养的关键指标。热成像可以检测叶片中细微的温度变化，这表明水分压力，而高分辨率的RGB图像则提供了整体植物健康和结构的清晰视觉背景。

这项研究之所以具有领先性，是因为它使用了多模态卷积神经网络（CNN），这是一种先进的AI方法，能够揭示复杂的数据模式并添加上下文，从而显著提高诊断精度。这些先进技术使研究人员能够区分重叠的植物压力信号，例如区分养分和水分不足，这是传统方法常常难以实现的。据研究人员表示，通过准确地确定确切的压力源，农民现在可以更战略性地应用肥料和灌溉等资源，减少浪费和环境影响，同时提高作物产量。

虽然其他研究人员已经研究过使用先进的AI技术与无人机来帮助对抗核桃和特色作物中的压力，但使用深度多模态CNN似乎在精准农业方面迈出了重要一步。尚不清楚这项技术何时能到达农民层面，但鉴于气候变化的挑战，很容易想象这类精准农业的进步将成为未来农民保护作物免受气候相关压力的重要工具。

订阅《勺子》电子杂志
请勿填写此字段（如你是人类）：
相关内容

(以上内容均由Ai生成)