研究亮点

前言

茶（Camellia sinensis L.）在亚洲和非洲广泛种植，是一种重要的经济作物，被用来制作世界上最受欢迎的非酒精饮料之一。茶含有丰富的次生代谢产物，如多酚、芳香化合物、儿茶素和多糖。多项研究表明，茶具有抗炎特性，可以在预防和治疗代谢综合征和非酒精性脂肪肝等疾病方面发挥积极作用。2021年全球茶叶年产量（粮农组织，2022年）估计为650万吨。中国是最大的茶叶生产国，占全球茶叶产量的47.00%，产量为310万吨，其次是印度，产量为133万吨。估计茶叶产量对于管理茶树、稳定茶叶价格和促进茶产业的可持续发展至关重要。

精确的作物产量估计是智能田间管理的一部分，在可持续农业中越来越重要。最常见的作物产量估算方法是田间估算。这种方法通过测量不同地块特定区域的粮食收获量来确定总体粮食产量。田间估算很简单，但需要大量的时间，可能会破坏未成熟的作物。因此，快速、有效和无损的作物产量估算是必要的。这可以通过遥感（多光谱、高光谱等）、具有环境因素的遥感和作物生长模型来实现。然而，由于环境信息有限，作物生长模型只能预测小面积农田的作物产量，不适合大面积农田。另一方面，基于卫星图像的遥感数据适用于估计宏观区域的作物产量，例如县级或国家一级的作物产量。但这些数据很难获取，可能不适合较小的田间区域。配备多光谱和高光谱相机来估计作物产量的无人机之所以受欢迎，主要是因为它们的高效率和体积小。茶叶产量通常是通过人工估算，考虑特定地区的茶芽密度和茶芽重量。由于茶叶采摘标准的差异，人工估算茶叶产量需要大量的时间。因此，基于无人机和卫星的遥感已被应用于估计茶叶产量和监测可能影响茶叶产量的营养物质。然而，由于所涉及的高成本，高光谱和多光谱在茶园管理中的应用受到限制。此外，用高光谱和多光谱估算茶叶产量也需要大量的技术知识和经验。因此，建立一种方便、低成本、高效的茶叶产量估算方法具有重要意义。

深度学习是机器学习的一部分，可以追溯到20世纪50年代，近年来越来越流行。深度学习已广泛应用于计算机视觉、医学、心理学、生物信息学、气候科学、语言学和经济学。在农业中，深度学习已被用于植物分类、营养诊断、产量估算、生长监测以及病虫害诊断。目前，深度学习在茶树上的应用研究越来越普遍，这些研究主要集中在茶树无性系、芽、病虫害和胁迫的检测上。然而，深度学习在估算茶叶产量方面的应用是有限的。深度学习减少了人工过程，实现了深度特征信息学习，因此，将深度学习应用于茶叶产量估计至关重要，可以加速智能茶园管理的发展。

茶芽作为冲泡茶的主要原料，具有最高的实用价值。茶的冲泡质量和香气在很大程度上取决于茶芽中物质的释放。更重要的是，确保茶芽的高质量是茶园管理的一项关键任务。在茶树中，茶芽的重量、颜色和密度不仅决定了茶叶产量，还提供了有关茶树生长阶段的信息。因此，计数茶芽可以用来估计茶叶产量，当与机器人相结合时，自动采摘成为可能。此外，该计数可用于评估茶树的生长状况，并安排及时施肥。

先前的茶芽检测研究中使用的茶芽图像主要依赖于手持相机或固定在机器上的相机，导致视野有限。然而，大多数研究主要集中在茶芽的检测上，其结果没有得到进一步的应用和应用。这可能是因为水平拍摄和低海拔相机的视野有限。此外，还没有关于使用无人机和茶芽检测来估计茶叶产量的报道。因此，在这项研究中，研究团队专注于：1）使用无人机在宽视野下从空中拍摄茶芽，以建立一个足够大的数据集。2） 比较不同类型YOLOv5模型在大数据集上训练时的茶芽检测性能。3） 将模型应用于不同季节的茶树和不同类型的茶树。4） 最后，基于深度学习和无人机对茶叶芽的计数，准确估计了茶叶产量。

结果

结论

无人机和深度学习在田间管理中的应用是智能农业的重要组成部分。该研究构建了一个大型无人机茶芽数据集，有力地支持了模型学习。得出了有趣的结论：1）CSPDaknet53的表现优于其他先进骨干。2） 当在这个大型数据集上训练时，大型模型和精细损失函数的优势被削弱了。3） 注意机制SE块从结果中失去了它的优势，但它被添加在浅位置可能会防止模型过拟合。

将该模型应用于实际茶园，以准确估计鲜茶叶的潜在产量。田间试验表明，茶芽的检测性能在春季和夏季对茶树是令人满意的（田间3）。不幸的是，动态采摘过程中的茶芽检测受到夏季成熟茶叶的影响（田地2）。由于无人机的视野受到阻碍，很难捕捉到树冠下的茶芽。立体视觉获取更多关于茶园的信息是改进和完善这项工作的必要条件。通过采茶验证了茶叶产量，春季产量与以前的报道一致。采茶标准包括一芽一叶、一芽二叶、一芽三叶。不同的采摘标准可能会导致茶叶产量的变化。使用不同的采摘标准检测茶芽也很重要，这将是后续工作的重点。此外，将使用基于研究的目标产量方法指导施肥，尤其是氮、磷和钾肥。研究团队认为，这项工作促进了茶场管理的深度学习应用，推动了智慧农业的发展。

文献来源

https://doi.org/10.1016/j.indcrop.2024.118358

来源茶学奇点