近日，京都大學的研究人員利用卷積神經網絡技術，基于水稻冠層照片快速準確預測糧食產量。這項研究成果發表在《植物表型學》雜志上。

　　據了解，該研究基于20個國家共20塊農田，22000多張水稻冠層照片以及實際糧食產量數據進行訓練，所建立的CNN模型對不同光照條件下的收割期和成熟后期水稻產量預測效果良好。即使改變拍照角度、時間和階段，該模型預測結果也十分穩定和準確。

　　研究顯示，CNN模型主要通過識別水稻花序數量進行糧食產量預測。該模型對地面分辨率達到0.2厘米/像素的水稻冠層照片，預測產量與實際產量相關性可達0.65;即使分辨率降至3.2厘米/像素，相關性也可達0.55，表現出較強的魯棒性。通過移除水稻花序實驗進一步證明，隨著花序數量減少，模型預測產量也呈線性降低。該CNN模型可以對不同國家不同品種的水稻快速準確預測產量。

　　據聯合國預測，2050年全球人口將達91億，屆時對糧食的需求量將增加70%。然而全球農業發展不均，導致很多地區糧食產量無法準確統計，無法對農業發展做出合理規劃。該研究為利用AI技術快速準確預測全球各地糧食產量提供了可行方案，可望助力全球農業發展，保障糧食安全。