Chào mừng Quý độc giả đến với trang thông tin điện tử của Viện Khoa học Kỹ thuật Nông nghiệp miền Nam

Tin nổi bật
Thành tích

Huân chương Ðộc lập

- Hạng 1 - Hạng 2 - Hạng 3

Huân chương Lao động

- Hạng 1 - Hạng 2 - Hạng 3

Giải thưởng Nhà nước

- Nghiên cứu dinh dưởng và thức ăn gia súc (2005)

- Nghiên cứu chọn tạo và phát triển giống lúa mới cho xuất khẩu và tiêu dùng nội địa (2005)

Giải thưởng VIFOTEC

- Giống ngô lai đơn V2002 (2003)

- Kỹ thuật ghép cà chua chống bệnh héo rũ vi khuẩn (2005)

- Giống Sắn KM 140 (2010)

Trung tâm
Liên kết website
lịch việt
Thư viện ảnh
Video
Lai tạo giống cà chua Cherry cho năng suất cao, chất lượng tốt

Thống kê truy cập
 Đang trực tuyến :  12
 Số lượt truy cập :  32689295
Một cách tiếp cận dựa trên tri tuệ nhân tạo AI để tăng khả năng dự đoán và lựa chọn giống lúa năng suất cao
Thứ hai, 29-01-2024 | 08:18:15

Thử nghiệm được thực hiện trên lúa trong hai mùa vụ và hình ảnh lúa thu được bằng máy bay không người lái. Nguồn: Plant Phenomics.

 

Lúa (Oryza sativa) là lương thực chính của nhiều người, nhưng sản xuất lúa gạo bị thách thức bởi biến đổi khí hậu, điều này đòi hỏi cần cải thiện các đặc điểm năng suất như số lượng bông trên một đơn vị diện tích (PNpM2).

 

Nghiên cứu gần đây đã tập trung vào việc sử dụng khả năng quan sát của máy tính và AI để định lượng PNpM2, với các phương pháp tiếp cận sâu chứng minh hiệu quả trong các thử nghiệm quy mô nhỏ. Tuy nhiên, các kỹ thuật này phải đối mặt với những thách thức về khả năng mở rộng, sự đa dạng giống lúa, và thiếu bộ dữ liệu caajo nhật cả về quy mô và chất lượng. Vượt qua những thách thức này là rất quan trọng để phát triển các công cụ phân tích kiểu hình quy mô lớn, mạnh mẽ để cải thiện sản xuất lúa gạo trong điều kiện khí hậu thay đổi nhanh chóng.

 

Plant Phenomics đã xuất bản một bài báo về cơ sở dữ liệu/phần mềm có tiêu đề "Đám mây bông lúa Panical-Cloud: Nền tảng điện toán đám mây mở và được hỗ trợ bởi AI xác định lượng lúa từ hình ảnh thu thập bằng máy bay không người lái để đánh giá phân loại năng suất lúa trong sản xuất”.

 

Nghiên cứu trình bày nền tảng Panicle-Cloud, một tiến bộ đáng kể trong công nghệ nông nghiệp cung cấp giải pháp điện toán đám mây được hỗ trợ bởi AI để định lượng lúa từ hình ảnh thu thập bằng máy bay không người lái. Dự án đầu tiên phát triển một bộ dữ liệu phát hiện lúa đa dạng (DRPD) được ghi nhận trên nền tảng chuyên nghiệp mở và sau đó tích hợp một số  mô hình chuyên sâu (DL) vào nền tảng.

 

Thông qua một quá trình cải tiến lặp đi lặp lại, mô hình AI Panicle nổi lên như một lựa chọn ưu tiên, thể hiện độ chính xác vượt trội. Để xác định các điều kiện tối ưu, các chuyến bay không người lái ở các độ cao khác nhau vào các giai đoạn tăng trưởng chính đã được phân tích và người ta thấy rằng độ cao 7m trong giai đoạn lúa vào chắc cung cấp kết quả chính xác nhất.

 

Phân tích tương quan giữa tính điểm có nguồn gốc từ Panicle-AI và đếm thủ công đã xác nhận hiệu quả của mô hình, đặc biệt là ở độ cao 7m, với hệ số tương quan cao (R2 = 0,945). Mô hình Panicle-AI vượt trội hơn 13 mô hình DL hiện đại về độ chính xác. Nền tảng Panicle-Cloud sau đó được thiết kế thân thiện với người dùng, cho phép những người không phải là chuyên gia chọn giống từ các mô hình AI khác nhau để phát hiện giống năng suất bằng giao diện dựa trên web đơn giản.

 

Người dùng có thể xử lý hình ảnh riêng lẻ hoặc theo lô và nền tảng tối ưu hóa tính toán bằng cách cắt các hình ảnh lớn hơn.

 

Khả năng của nền tảng để phân loại hiệu suất năng suất dựa trên đặc điểm PNpM2 đã được thử nghiệm trong một thử nghiệm trên cánh đồng lúa trong hai mùa. Sử dụng mô hình máy học có giám sát, cụ thể là thuật toán CatBoost, nền tảng này đã phân loại thành công năng suất lúa trong sản xuất thành các loại thấp, trung bình và cao với độ chính xác tổng thể là 84,03%. Tính năng này cho phép các nhà lai tạo giống lúa sàng lọc và lựa chọn hiệu quả các giống ưa thích dựa trên hiệu suất năng suất dự đoán.

 

Tóm lại, Panicle-Cloud cho thấy tiềm năng tích hợp AI, điện toán đám mây và công nghệ máy bay không người lái để cách mạng hóa việc nhân giống và trồng lúa. Nền tảng này cải thiện hiệu quả và độ chính xác của việc định lượng các đặc điểm liên quan đến năng suất và làm cho các công cụ kiểu hình tiên tiến dễ tiếp cận hơn với nhiều người dùng hơn, do đó tăng khả năng lựa chọn các giống năng suất cao khi đối mặt với những thách thức về nhu cầu lương thực toàn cầu.

 

Lê Thị Kim Loan theo Phys.org

Trở lại      In      Số lần xem: 97

[ Tin tức liên quan ]___________________________________________________
  • Bản đồ di truyền và chỉ thị phân tử trong trường hợp gen kháng phổ rộng bệnh đạo ôn của cây lúa, GEN Pi65(t), thông qua kỹ thuật NGS
  • Bản đồ QTL chống chịu mặn của cây lúa thông qua phân tích quần thể phân ly trồng dồn của các dòng con lai tái tổ hợp bằng 50k SNP CHIP
  • Tuần tin khoa học 479 (16-22/05/2016)
  • Áp dụng huỳnh quang để nghiên cứu diễn biến sự chết tế bào cây lúa khi nó bị nhiễm nấm gây bệnh đạo ôn Magnaporthe oryzae
  • Vai trò của phân hữu cơ chế biến trong việc nâng cao năng năng suất và hiệu quả kinh tế cho một số cây ngắn ngày trên đất xám đông Nam Bộ
  • Tuần tin khoa học 475 (18-24/04/2016)
  • Vi nhân giống cây măng tây (Asparagus officinalis L.)
  • Thiết lập cách cải thiện sản lượng sắn
  • Nghiên cứu xây dựng hệ thống dự báo, cảnh báo hạn hán cho Việt Nam với thời hạn đến 3 tháng
  • Liệu thủ phạm chính gây nóng lên toàn cầu có giúp ích được cho cây trồng?
  • Tuần tin khoa học 478 (09-15/05/2016)
  • Sinh vật đơn bào có khả năng học hỏi
  • Côn trùng có thể tìm ra cây nhiễm virus
  • Bản đồ QTL liên quan đến tính trạng nông học thông qua quần thể magic từ các dòng lúa indica được tuyển chọn
  • Nghiên cứu khẳng định số loài sinh vật trên trái đất nhiều hơn số sao trong giải ngân hà chúng ta
  • Cơ chế di truyền và hóa sinh về tính kháng rầy nâu của cây lúa
  • Vật liệu bọc thực phẩm ăn được, bảo quản trái cây tươi hơn 7 ngày mà không cần tủ lạnh
  • Giống đậu nành chống chịu mặn có GEN gmst1 làm giảm sự sinh ra ROS, tăng cường độ nhạy với ABA, và chống chịu STRESS phi sinh học của cây Arabidopsis thaliana
  • Khám phá hệ giác quan cảm nhận độ ẩm không khí ở côn trùng
  • Phương pháp bền vững để phát triển cây lương thực nhờ các hạt nano
Designed & Powered by WEBSO CO.,LTD