Uzgoj ječma potpomognut laganom YOLOv5 detekcijom

Ječam iz visokogorskog područja, otporna žitarica koja se uzgaja u visokogorskim regijama kineske visoravni Qinghai-Tibet, igra ključnu ulogu u lokalnoj sigurnosti hrane i gospodarskoj stabilnosti. Znanstveno poznat kao Hordeum vulgare L., ova kultura uspijeva u ekstremnim uvjetima - rijetkom zraku, niskoj razini kisika i prosječnoj godišnjoj temperaturi od 6,3 °C - što je čini neophodnom za zajednice u teškim okruženjima.

S više od 270.000 hektara posvećenih uzgoju u Kini, prvenstveno u autonomnoj regiji Xizang, visokogorski ječam čini više od polovice zasađene površine regije i preko 70% ukupne proizvodnje žitarica. Točno praćenje gustoće ječma - broja biljaka ili klasova po jedinici površine - ključno je za optimizaciju poljoprivrednih praksi, poput navodnjavanja i gnojidbe, te predviđanje prinosa.

Međutim, tradicionalne metode poput ručnog uzorkovanja ili satelitskog snimanja pokazale su se neučinkovitima, radno intenzivnima ili nedovoljno detaljnima. Kako bi se suočili s tim izazovima, istraživači sa Sveučilišta za poljoprivredu i šumarstvo Fujian i Tehnološkog sveučilišta Chengdu razvili su inovativni model umjetne inteligencije temeljen na YOLOv5, vrhunskom algoritmu za detekciju objekata.

Njihov rad, objavljen u Metode sadnje (2025.) postigli su izvanredne rezultate, uključujući srednju prosječnu preciznost (mAP) od 93,1% - metriku koja mjeri ukupnu točnost detekcije - i smanjenje računalnih troškova od 75,6%, što ga čini prikladnim za primjenu dronova u stvarnom vremenu.

Izazovi i inovacije u praćenju usjeva

Važnost visokogorskog ječma nadilazi njegovu ulogu kao izvora hrane. Samo u 2022. godini, grad Rikaze, glavna regija za proizvodnju ječma, požnjeo je 408.900 tona ječma na 60.000 hektara, što čini gotovo polovicu ukupne proizvodnje žitarica u Tibetu.

Unatoč kulturnom i ekonomskom značaju, procjena prinosa ječma dugo je bila izazovna. Tradicionalne metode, poput ručnog brojanja ili satelitskih snimaka, ili su previše radno intenzivne ili im nedostaje rezolucija potrebna za otkrivanje pojedinačnih klasova ječma - dijela biljke koji nosi zrno, a koji su često široki samo 2-3 centimetra.

Ručno uzorkovanje zahtijeva od poljoprivrednika da fizički pregledaju dijelove polja - proces koji je spor, subjektivan i nepraktičan za velike farme. Satelitske snimke, iako korisne za široka promatranja, imaju problema s niskom rezolucijom (često 10-30 metara po pikselu) i čestim vremenskim poremećajima, poput naoblake u planinskim regijama poput Tibeta.

Kako bi prevladali ta ograničenja, istraživači su se okrenuli bespilotnim letjelicama (UAV) ili dronovima, opremljenim kamerama od 20 megapiksela. Ove su dronove snimile 501 sliku visoke rezolucije polja ječma u gradu Rikaze tijekom dvije kritične faze rasta: faze rasta u kolovozu 2022., koju karakteriziraju zeleni, razvijajući se klasovi, i faze sazrijevanja u kolovozu 2023., koju obilježavaju zlatno-žuti, klasovi spremni za žetvu.

Međutim, analiza ovih slika predstavljala je izazove, uključujući zamućene rubove uzrokovane kretanjem drona, malu veličinu klasova ječma na zračnim snimkama i preklapajuće klasove u gusto zasađenim poljima.

Kako bi riješili ove probleme, istraživači su prethodno obradili slike dijeljenjem svake slike visoke rezolucije na 35 manjih podslika i filtriranjem mutnih rubova, što je rezultiralo s 2970 visokokvalitetnih podslika za obuku. Ovaj korak prethodne obrade osigurao je da se model usredotoči na jasne, uporabne podatke, izbjegavajući ometanja od područja niske kvalitete.

Tehnički napredak u detekciji objekata

Središnji dio ovog istraživanja je YOLOv5 algoritam (You Only Look Once verzija 5), jednostupanjski model detekcije objekata poznat po svojoj brzini i modularnom dizajnu. Za razliku od starijih dvostupanjskih modela poput Faster R-CNN-a, koji prvo identificiraju područja interesa, a zatim klasificiraju objekte, YOLOv5 detekciju izvodi u jednom prolazu, što je čini znatno bržom.

Osnovni YOLOv5n model, s 1,76 milijuna parametara (konfigurabilne komponente AI modela) i 4,1 milijardom FLOP-ova (operacije s pomičnim zarezom, mjera računalne složenosti), već je bio učinkovit. Međutim, otkrivanje sitnih, preklapajućih skokova ječma zahtijevalo je daljnju optimizaciju.

Istraživački tim uveo je tri ključna poboljšanja modela: dubinski odvojivu konvoluciju (DSConv), duhovnu konvoluciju (GhostConv) i konvolucijski blokovni modul pažnje (CBAM).

Dubinski odvojiva konvolucija (DSConv) smanjuje računalne troškove dijeljenjem standardnog procesa konvolucije - matematičke operacije koja izdvaja značajke iz slika - u dva koraka. Prvo, dubinski konvolucija primjenjuje filtere na pojedinačne kanale boja (npr. crvenu, zelenu, plavu), analizirajući svaki kanal zasebno.

Nakon toga slijedi točkasta konvolucija, koja kombinira rezultate preko kanala koristeći 1×1 kernele. Ovaj pristup smanjuje broj parametara do 75%.

Na primjer, tradicionalna 3×3 konvolucija sa 64 ulazna i 128 izlaznih kanala zahtijeva 73 728 parametara, dok DSConv to smanjuje na samo 8 768 - smanjenje od 88%. Ova učinkovitost je ključna za implementaciju modela na dronovima ili mobilnim uređajima s ograničenom procesorskom snagom.

Ghost konvolucija (GhostConv) dodatno olakšava model generiranjem dodatnih mapa značajki - pojednostavljenih prikaza uzoraka slike - kroz jednostavne linearne operacije, poput rotacije ili skaliranja, umjesto konvolucija koje zahtijevaju puno resursa.

Tradicionalni konvolucijski slojevi stvaraju redundantne značajke, trošeći računalne resurse. GhostConv to rješava stvaranjem "fantomskih" značajki iz postojećih, učinkovito prepolovljujući parametre u određenim slojevima.

Na primjer, sloj sa 64 ulazna i 128 izlaznih kanala tradicionalno bi zahtijevao 73.728 parametara, ali GhostConv to svodi na 36,864 uz održavanje točnosti. Ova tehnika je posebno korisna za otkrivanje malih objekata poput klasova ječma, gdje je računalna učinkovitost od najveće važnosti.

Modul konvolucijske blokovne pažnje (CBAM) integriran je kako bi se modelu pomoglo da se usredotoči na kritične značajke, čak i u pretrpanim okruženjima. Mehanizmi pažnje, inspirirani ljudskim vizualnim sustavima, omogućuju modelima umjetne inteligencije da daju prioritet važnim dijelovima slike.

CBAM koristi dvije vrste pažnje: pažnju na kanal, koja identificira važne kanale boja (npr. zelenu za rastuće klasove), i prostornu pažnju, koja ističe ključna područja unutar slike (npr. nakupine klasova). Zamjenom standardnih modula s DSConv i GhostConv te uključivanjem CBAM-a, istraživači su stvorili precizniji model prilagođen detekciji ječma.

Provedba i rezultati

Za treniranje modela, istraživači su ručno označili 135 originalnih slika pomoću graničnih okvira - pravokutnih okvira koji označavaju položaj klasova ječma - kategorizirajući klasove u faze rasta i sazrijevanja. Tehnike proširenja podataka - uključujući rotaciju, ubrizgavanje šuma, okluziju i izoštravanje - proširile su skup podataka na 2970 slika, poboljšavajući sposobnost modela da generalizira u različitim terenskim uvjetima.

Na primjer, rotiranje slika za 90°, 180° ili 270° pomoglo je modelu da prepozna šiljke iz različitih kutova, a istovremeno je dodao šum simuliran nesavršenostima iz stvarnog svijeta poput prašine ili sjena. Skup podataka podijeljen je u skup za učenje (80%) i skup za validaciju (20%), osiguravajući robusnu evaluaciju.

Trening se odvijao na visokoučinkovitom sustavu s AMD Ryzen 7 CPU-om, NVIDIA RTX 4060 GPU-om i 64 GB RAM-a, koristeći PyTorch framework - popularan alat za duboko učenje. Pomno su praćeni preko 300 epoha treninga (potpunih prolaza kroz skup podataka), preciznost modela (točnost ispravnih detekcija), prisjećanje (sposobnost pronalaženja svih relevantnih skokova) i gubitak (stopa pogrešaka).

Rezultati su bili zapanjujući. Poboljšani YOLOv5 model postigao je preciznost od 92,2% (u odnosu na 89,1% u početnom modelu) i pouzdanost od 86,2% (u odnosu na 83,1%), nadmašivši početni YOLOv5n za 3,1% u obje metrike. Njegova srednja prosječna preciznost (mAP) - sveobuhvatna metrika koja usrednjava točnost detekcije u svim kategorijama - dosegla je 93,1%, s pojedinačnim rezultatima od 92,7% za skokove u fazi rasta i 93,5% za skokove u fazi sazrijevanja.

Jednako impresivna bila je i njegova računalna učinkovitost: parametri modela pali su za 70,6% na 1,2 milijuna, a FLOP-ovi su se smanjili za 75,6% na 3,1 milijardu. Usporedne analize s vodećim modelima poput Faster R-CNN i YOLOv8n istaknule su njegovu superiornost.

Iako je YOLOv8n postigao nešto veći mAP (93,8%), njegovi parametri (3,0 milijuna) i FLOP-ovi (8,1 milijarda) bili su 2,5x odnosno 2,6x veći, što predloženi model čini daleko učinkovitijim za primjene u stvarnom vremenu.

Vizualne usporedbe naglasile su ovaj napredak. Na slikama u fazi rasta, poboljšani model otkrio je 41 šiljak u usporedbi s 28 na početnoj liniji. Tijekom sazrijevanja identificirao je 3 šiljka u usporedbi s 2 na početnoj liniji, s manje propuštenih detekcija (označenih narančastim strelicama) i lažno pozitivnih rezultata (označenih ljubičastim strelicama).

Ova poboljšanja su ključna za poljoprivrednike koji se oslanjaju na točne podatke za predviđanje prinosa i optimizaciju resursa. Na primjer, precizno brojanje klasova omogućuje bolje procjene proizvodnje žitarica, informirajući odluke o vremenu žetve, skladištenju i planiranju tržišta.

Budući smjerovi i praktične implikacije

Unatoč uspjehu, studija je priznala ograničenja. Performanse su se smanjile u ekstremnim uvjetima osvjetljenja, poput oštrog podnevnog odsjaja ili jakih sjena, što može zakloniti detalje šiljaka. Osim toga, pravokutni okviri ponekad nisu odgovarali nepravilno oblikovanim šiljcima, što je uzrokovalo manje netočnosti.

Model je također isključio mutne rubove iz slika bespilotnih letjelica, što je zahtijevalo ručnu predobradu - korak koji dodaje vrijeme i složenost.

Budući rad ima za cilj riješiti ove probleme proširivanjem skupa podataka kako bi uključio slike snimljene u zoru, podne i sumrak, eksperimentiranjem s poligonalnim oznakama (fleksibilni oblici koji bolje odgovaraju nepravilnim objektima) i razvojem algoritama za bolje rukovanje mutnim područjima bez ručne intervencije.

Implikacije ovog istraživanja su duboke. Za poljoprivrednike u regijama poput Tibeta, model nudi procjenu prinosa u stvarnom vremenu, zamjenjujući radno intenzivno ručno brojanje automatizacijom temeljenom na dronovima. Razlikovanje faza rasta omogućuje precizno planiranje žetve, smanjujući gubitke od prerane ili odgođene žetve.

Detaljni podaci o gustoći klasova - poput identificiranja nedovoljno naseljenih ili prenapučenih područja - mogu informirati strategije navodnjavanja i gnojidbe, smanjujući otpad vode i kemikalija. Osim ječma, lagana arhitektura obećava i druge kulture, poput pšenice, riže ili voća, otvarajući put široj primjeni u preciznoj poljoprivredi.

Zaključak

Zaključno, ova studija ilustrira transformativni potencijal umjetne inteligencije u rješavanju poljoprivrednih izazova. Usavršavanjem YOLOv5 inovativnim laganim tehnikama, istraživači su stvorili alat koji uravnotežuje točnost i učinkovitost - što je ključno za primjenu u stvarnom svijetu u okruženjima s ograničenim resursima.

Pojmovi poput mAP-a, FLOP-ova i mehanizama pažnje mogu se činiti tehničkima, ali njihov utjecaj je duboko praktičan: omogućuju poljoprivrednicima donošenje odluka temeljenih na podacima, očuvanje resursa i maksimiziranje prinosa. Kako klimatske promjene i rast stanovništva pojačavaju pritisak na globalne prehrambene sustave, takav će napredak biti neophodan.

Za poljoprivrednike Tibeta i šire, ova tehnologija ne predstavlja samo skok u poljoprivrednoj učinkovitosti, već i svjetionik nade za održivu sigurnost hrane u neizvjesnoj budućnosti.

Referenca: Cai, M., Deng, H., Cai, J. i dr. Detekcija laganog visokogorskog ječma temeljena na poboljšanom YOLOv5. Plant Methods 21, 42 (2025). https://doi.org/10.1186/s13007-025-01353-0