根据视觉变压器估计种子混合物的成分和营养价值

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 机器学习 机器学习

背景情况:

• 传统的谷物和豆类混合种植用于动物料是成本效益和环保的.
• 采用种子混合物的挑战包括异步成熟和异质收获,使营养评估复杂化.
• 欧洲的法规和消费者对有机产品的需求有利于可持续的农业实践.

研究的目的:

• 开发人工智能 (AI) 技术,自动估计收获的种子混合物的营养价值.
• 创建一个工具,帮助农民管理产量,并鼓励采用种子混合种植.
• 解决阻碍在畜牧系统中广泛使用种子混合物的技术和经济障碍.

主要方法:

• 创建了一个原始的开放图像数据集,包含4,749个种子混合图像,代表11种种子品种.
• 最近有两种深度学习模型在这个数据集上受过训练.
• 评估了一种先进的视觉转换器模型,预先训练有自我监督 (图像转换器的双向编码器表示).

主要成果:

• 视觉变压器模型在估计种子混合物的营养价值方面取得了很高的准确性.
• 确定系数 (R ²) 得分达到0.91,证明了该模型的有效性.
• 结果表明,人工智能驱动的图像分析对此应用具有重大潜力.

结论:

• 基于人工智能的图像分析为准确评估种子混合物的营养价值提供了可行的解决方案.
• 这项技术可以转移到用户友好的应用程序 (在线或智能手机) 中,以支持农民.
• 该方法显示出大规模实施的希望,促进可持续农业和改善牲畜养策略.