深度学习助力农业补贴精细化管理

农业补贴是对一个国家农业支持与保护政策体系中最主要、最常用的政策工具。我国是一个农业大国,保护农业生产,保证粮食安全,维护农民利益,这些都需要农业补贴政策的支持。农业补贴到最后的落脚点无外乎统计个户特定农作物的种植面积或种植棵数。而在种植棵数的定量化补贴中,我们极海率先通过深度学习技术,帮助客户进行定量化的精准补贴。

我们的客户来自于烟草行业,以前对烟农的补贴更多的是基于面积进行补贴,而面积大不一定代表种植的数量就多,更准确的方式是数出每一块烟草种植田中的烟草棵数。来看看下图中的无人机影像数据,左侧图中的范围仅仅有200m x 200m大小,才这么大一点的地方就秘密麻麻种植这这么多的烟苗,如果纯人工来计数,难度和投入的人力成本可想而知,将是非常巨大的。

除了数量之外,还要考虑不同生长时期的烟苗情况和不同土壤背景,以及周围的杂草影响,这就需要我们的模型能够准确的识别出不同背景下的烟苗,并且排除杂草的干扰。

不同地物情况

那么我们极海是如何利用深度学习技术进行这一研究的呢?

我们首先从这200m x 200m的图片中提取了少部分子集作为训练样本进行标注,然后利用深度学习中的Faster R-CNN网络对其进行训练,调出最优的模型参数。我们最终训练出来的模型,在测试集上的mAP(平均精度均值)达到了95.33%。而从样本的标记到模型的训练,以及最后的预测,整个过程仅仅用了一周的时间便可以高效的完成,这是用传统人工的方式所无法想象的。

对不同情况下的地物识别结果示例如下:

我们极海的训练好的烟苗识别模型能够快速的应用到各地的烟苗识别中,对文章开头提到的研究区,2w x 2w像素大小的图片,在单台机器上20多分钟便可以完成近5万株烟苗的提取工作。

可以预见在不远的将来,人工智能技术在农业中的应用将越来越多,可以为精准农业插上坚实技术翅膀。

sshuair

Play with Geodata.