深度學習玩轉農業補貼精細化管理
來自專欄 GeoHey:地圖,你好
農業補貼是對一個國家農業支持與保護政策體系中最主要、最常用的政策工具。我國是一個農業大國,保護農業生產,保證糧食安全,維護農民利益,這些都需要農業補貼政策的支持。農業補貼到最後的落腳點無外乎統計個戶特定農作物的種植面積或種植棵數。而在種植棵數的定量化補貼中,我們極海率先通過深度學習技術,幫助客戶進行定量化的精準補貼。
我們的客戶來自與煙草行業,以前對煙農的補貼更多的是基於面積進行補貼,而面積大不一定代表種植的數量就多,更準確的方式是數出每一塊煙草種植田中的煙草棵數。
來看看下圖中的無人機影像數據,左側圖中的範圍僅僅有200m x 200m大小,才這麼大一點的地方就秘密麻麻種植這這麼多的煙苗,如果純人工來計數,這兒難度和投入的人力成本可想而知,將是非常巨大的。
除了數量之外,還要考慮不同生長時期的煙苗情況和不同土壤背景,以及周圍的雜草影響,這就需要我們的模型能夠準確的識別出不同背景下的煙苗,並且排除雜草的干擾。
那麼我們極海是如何利用深度學習技術進行這一研究的呢?
我們首先從這200m x 200m的圖片中提取了少部分子集作為訓練樣本進行標註,然後利用深度學習中的Faster R-CNN網路對其進行訓練,調出最優的模型參數。我們最終訓練出來的模型,在測試集上達到了mAP(平均精度均值)達到了95.33%。而從樣本的標記到模型的訓練,以及最後的預測,整個過程僅僅用了一周的時間便可以高效的完成,這是用傳統人工的方式所無法想像的。
對不同情況下的地物識別結果示例如下:
我們極海的訓練好的煙苗識別模型能夠快速的應用到各地的煙苗識別中,對文章開頭提到的研究區,2w x 2w像素大小的圖片,在單台機器上20多分鐘便可以完成近5萬株煙苗的提取工作。
可以預見在不遠的將來,人工智慧技術在農業中的應用將越來越多,可以為精準農業插上堅實技術翅膀。
文/sshuair
對我們感興趣?GeoHey最近在招募對大數據感興趣的專業人才,實習和正職都想兼得,詳情請戳GeoHey-招賢納士~
- 訪問Blog,查看極海最新分享:http://blog.geohey.com/
- 關注微博:極海GeoHey
- 關注知乎:極海GeoHey
- 關注微信:極海縱橫
- 聯繫&合作郵箱:contact@geohey.com
推薦閱讀:
TAG:深度學習DeepLearning | 機器學習 | 農業 |