自监督学习从多模态工业温室数据中预测植物生长轨迹-计算机科学-机器学习-机器人自动化-农艺研究.pdfVIP

自监督学习从多模态工业温室数据中预测植物生长轨迹-计算机科学-机器学习-机器人自动化-农艺研究.pdf

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

自监督学习从

多模态工业温室数据中预测植物生长轨迹

1111

AdamJRiesselmanEvanMCoferThereseLaRueWimMeeussen

Abstract

量化生物体水平的表型,如生长动态和生

物量积累,对于理解农艺性状和优化作物

生产是基础性的。然而,在大规模上生成

质量良好的植物生长数据非常困难。在这

本里,我们使用一个移动机器人平台来捕捉

译大型水培叶类蔬菜系统中的高分辨率环境

中传感和表型测量数据。我们描述了一种自

我监督的建模方法,以构建从观察到的生

1

v长数据到整个植物生长轨迹的地图。通过Environment

6预测该系统中未来作物的高度和收获生物Growth

3Curve

3量,我们展示了这种方法的应用。这一方Parameters

6PhenotypeGrowth

法在结合机器人自动化和机器学习方面代Trajectory

0

7.表了显著的进步,并为农艺研究和运营效

0率提供了可操作的见解。

5GenotypeLSTM

2

:

v

i1.介绍

xFigure1.顶部:机器人和传感器收集水培生长的叶菜类植

r物的数据:左侧记录环境(温度、光照、湿度),右侧捕捉表

a理解植物的生长对于预测生物量生产和成熟度至关

型(随时间变化的高度)。底部:整个生长轨迹是利用当前观

重要;这些重要的农艺性状直接与作物产量相关。察到的环境、表型和基因型数据生成的。

然而,可靠地估计这些性状颇具挑战性,因为植物

生长对环境敏感,并且在不同物种和品种间存在差

和环境信息的成本和劳力而受阻。在本研究中,我

异。稳健地捕捉基因型、环境和个体表型之间的关

们部署了一个管理大规模水培生产设施的自动化机

系需要大量的数据。

器人系统,该设施种植生菜和菠菜品种。这些机器

传统上,建立此类预测模型的努力因收集详细表型人每天系统地采集数千个栽培托盘上的高维环境和

1HippoHarvest.Correspondenceto:AdamJRiesselman表型数据。

adam@,WimMeeussenwim@hippo-

.利用这个全面的数据集,我们开发了HINTS(从神

经时间序列中获取智能),一个生成模型,将环

文档评论(0)

zikele + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档