在育种新品种的过程中，夏季在高温下走进排成一排的大豆田是乏味但必不可少的。研究人员每天在生长期的关键时期承受高温，以发现表现出理想性状的植物，例如豆荚过早成熟。但是，如果没有办法自动检测这些性状，育种者将无法在给定年份测试任何数量的地块，从而延长了将新品种推向市场的时间。在一项新研究中，研究人员使用无人机图像和人工智能来预测两天内大豆的成熟日期，从而大大减少了在地面上穿靴子的需要。评估吊舱成熟度既费时又容易出错。它是基于豆荚颜色的评分系统，因此也容易受到人为偏见的影响。许多研究小组正在尝试使用无人机图像来评估成熟度，但这无法大规模完成。因此，我们想出了一种更精确的方法来执行此操作。实际上，这确实很有用。研究人员训练了计算机，以从在五个试验，三个生长季节和两个国家中收集的无人机图像中检测冠层颜色的变化。重要的是他必须能够解释“坏”字样。图像以保持准确性。假设每三天收集一次图像，但是有一天，有云或下雨，因此无法完成。最后，当从不同年份或不同位置获取数据时，它们的外观将在图像的数量和间隔等方面有所不同。我们开发的主要创新之处在于我们如何解释我们可以收集的一切。无论收集数据的频率如何，我们的模型都表现良好。使用深度卷积神经网络的人工智能。 CNN类似于人脑学习从我们的眼睛解释图像成分（颜色，形状，纹理）的方式。除了形状，边界和纹理外，CNN还可以检测颜色的细微变化。对于我们正在尝试做的事情，颜色是最重要的。但是我们使用的人工智能模型的优势在于，使用相同的模型来预测另一个特征（例如产量或倒伏）将非常简单。因此，现在我们已经建立了这些模型，人们使用相同的体系结构和相同的策略来做更多的事情。寻找帮助育种者做出真正大规模决定的好方法是有意义的。