韓國開發新型AI系統,高精度繪製果園數位模型

文章來源 : 農業科技新脈動 2026-11-17
果園數位建模面臨的定位挑戰
在精準農業中,建立準確的農地地圖與數位模型,是產量估算、精準噴藥、表型調查及農業機器人自主作業的重要基礎。然而,商業果園樹木密集且排列規律,樹冠也容易遮蔽全球導航衛星系統(GNSS)訊號,使地面機器人長距離移動時逐漸累積定位誤差;無人機雖可從空中建立大範圍遙測影像,卻難以掌握茂密樹冠下方的細部結構;地面光達(LiDAR)則能建立精細的三維點雲,但容易因定位誤差造成地圖偏移。
跨模態融合降低定位誤差
為解決此問題,韓國全南大學研究團隊開發跨模態融合架構,整合低空無人機遙測影像(RSI)與地面機器人的LiDAR及慣性量測單元(IMU)資料,並利用Transformer深度學習模型,比對空拍影像與地面LiDAR資料中的樹列、樹冠及空間結構,使無人機地圖成為地面機器人的地理定位基準,降低長距離移動產生的誤差。
跨季節驗證達公分級精度
研究於韓國蘋果園進行驗證,利用無人機先取得高解析度空拍影像,再由地面機器人蒐集LiDAR點雲,研究團隊後將LiDAR資料轉換為鳥瞰圖,保留樹冠高度、表面反射及結構密度等特徵,再透過AI進行跨視角比對。研究資料涵蓋冬、春、夏、秋不同季節,共建立13,920組跨模態影像配對,以提升模型面對樹冠及季節變化的穩定性。試驗結果顯示,在約1.3公里的果園移動測試中,系統定位誤差均方根(RMSE)僅約2.8至3.3公分,即使不同季節造成葉片密度、色彩及樹冠外觀改變,仍能維持公分級定位表現。
多層次果園模型支援數位育種
整合後的資料可進一步建立多層次果園數位模型,結合樹冠高度、RGB影像及NDVI等資訊,用於單株表型分析;其中樹高估測R²達0.95,平均絕對百分比誤差(MAPE)為3.28%。未來此技術可支援農業機器人自主導航、作物巡檢、精準噴藥及高解析度表型調查,並逐步建構可隨季節更新的果園數位模型,為精準農業及數位育種提供更完整的空間與表型資料基礎。






