AI電腦視覺適用於作物育種新方法 - 農業知識入口網

文章來源 : 農業科技決策資訊平台    2025-11-24

　　由於作物在不同生長階段和環境下表現多樣，傳統人工巡查與標註極為耗時，美國伊利諾大學(University of Illinois Urbana-Champaign)團隊希望藉由AI自動化分析，提升農業田間研究與作物改良的速度與規模，並推動AI技術在生物學與數位農業的更廣泛應用。

　　研究團隊利用數千種芒屬草類的空拍影像作為訓練素材，採用生成對抗網路（GAN）架構，讓兩個AI模型互相競爭，一個生成擬真影像，另一個判別真偽。經過多輪競爭後，模型能自動學習並精準分辨開花與未開花植株。為進一步減少人工標註需求，團隊開發出「高效監督生成對抗網路」（ESGAN），透過自我生成與判別機制，大幅降低標註數據量的需求，並與傳統深度學習方法進行準確度比較。

　　研究發現ESGAN能將人工標註數據需求降低一到兩個數量級，且在不同地點、不同作物群體與不同物種間均能維持高準確率。這意味著過去需要大量人力巡查與標註的田間調查，如今可透過AI大幅自動化，顯著提升研究效率。目前團隊正在與Miscanthus育種計畫合作，將此方法應用於多州田間試驗，加速適應性新品種的開發。

　　此項研究發表在2025年《Plant Physiology》期刊，研究貢獻在於為數位農業與作物科學帶來重大突破，首次證明AI可在極少人工標註下自動學習複雜田間性狀，降低農業AI應用門檻。這一方法不僅提升了作物改良與生態監測的效率，也為全球推動生物經濟與永續農業提供了新工具。團隊期望未來能將此技術推廣至更多作物與性狀，促進AI在農業領域的廣泛採用。

【延伸閱讀】－利用自動化AI模型加速水果偵測及辨識

Phys.org