Sebuah makmal benih mengira 400 sampel sehari, setiap satu 100 benih. Itu bermakna 40,000 benih dikira dengan tangan. AI memproses satu dulang dalam beberapa saat.
Pengiraan benih dan ujian percambahan adalah kesesakan harian dalam program pembiakan, makmal kawalan kualiti dan semaian komersial. Piawaian ujian benih antarabangsa memerlukan pengiraan tepat 400 benih setiap sampel untuk ujian percambahan, dan program pembiakan memproses beribu-ribu sampel setiap musim. Pengiraan manual adalah piawai, dan ia memang membosankan seperti yang didengari. Analisis foto AI kini melakukan tugas yang sama dalam sebahagian kecil masa, dengan ketepatan melebihi 95%.
Kesesakan pengiraan manual
Pengiraan benih manual lambat, berulang dan mengejutkan mudah tersilap untuk sesuatu yang kelihatan mudah.
Ujian percambahan piawai memerlukan pengiraan 400 benih dalam kumpulan 100, meletakkannya pada substrat lembap dan pemantauan harian untuk pucuk. Makmal kualiti yang memproses 200 hingga 400 sampel sehari mengendalikan 80,000 hingga 160,000 benih individu - semuanya dikira dengan tangan. Program pembiakan lebih menuntut: menilai beribu-ribu keputusan pendebungaan silang setiap musim, setiap satu memerlukan pengiraan benih yang tepat untuk pengiraan hasil.
Kesilapan tidak dramatik tetapi terkumpul. Seorang juruteknik yang mengira benih berwarna serupa pada dulang putih kehilangan ketepatan selepas jam pertama. Benih kecil seperti salad atau tembakau sukar dibezakan daripada kotoran. Dan pemantauan percambahan - memeriksa dulang setiap hari untuk merekodkan benih yang telah bercambah - menggandakan beban pemerhatian untuk setiap sampel selama 7 hingga 14 hari.
Cara pengiraan benih AI berfungsi
Aliran kerja mudah: sebarkan benih pada permukaan kontras, ambil gambar dari atas dan biarkan AI mengesan serta mengira setiap benih individu.
Kaedah pemprosesan imej berfungsi dengan mengesan objek berbentuk benih terhadap latar belakang, memisahkan benih yang bersentuhan melalui algoritma watershed dan mengembalikan jumlah keseluruhan. Pendekatan pembelajaran mendalam melangkah lebih jauh: mereka belajar membezakan benih daripada kotoran, mengendalikan pertindihan sebahagian dan mengenal pasti benih bersaiz berbeza dalam imej yang sama. Rangka kerja SoyCountNet (2026) mencapai ralat mutlak purata 4.61 dan R-kuasa dua 0.94 untuk benih soya dalam keadaan ladang.
Kelajuan pemprosesan adalah kelebihan paling jelas. Model pembelajaran mendalam mengira dulang benih dalam hanya 0.33 saat setiap imej. Walaupun dengan masa pengambilan dan muat naik imej, keseluruhan aliran kerja mengambil masa kurang daripada 10 saat setiap sampel - berbanding beberapa minit dengan tangan.
Pemantauan percambahan dengan AI
Mengira benih hanya separuh kerja. Ujian percambahan memerlukan pemerhatian harian tentang benih yang telah bercambah dan yang belum. AI juga mengautomatikkan ini.
Platform SeedRuler (2025) menggabungkan pemprosesan imej tradisional dengan pengesanan pembelajaran mendalam YOLOv5 untuk menilai percambahan benih padi daripada gambar. Ia mencapai ketepatan purata 95.5% dan memproses dulang percambahan dalam masa kurang daripada 30 saat. Sistem mengklasifikasikan benih sebagai bercambah atau tidak bercambah berdasarkan kemunculan radikel yang kelihatan, kemudian mengira kadar percambahan secara automatik.
Persediaan sela masa melangkah lebih jauh: kamera tetap mengambil gambar setiap dulang pada selang masa yang dijadualkan, dan AI menjejaki kemajuan percambahan selama berhari-hari tanpa sebarang pemerhatian manusia. Juruteknik makmal menyediakan dulang, memulakan kamera dan menyemak keputusan di akhir.
Kira 400 benih dengan tangan. Letakkan pada substrat. Periksa setiap dulang setiap hari selama 7 hingga 14 hari. Rekodkan bercambah lawan tidak bercambah. Kira kadarnya. Seorang juruteknik mengendalikan 30 hingga 50 dulang sehari.
Ambil gambar dulang. AI mengira jumlah benih dan mengklasifikasikan bercambah lawan tidak bercambah. Kadar percambahan dikira dalam beberapa saat. Mod sela masa memantau secara automatik.
Tanaman dan jenis benih
Pengiraan benih AI berfungsi paling baik dengan benih yang dipisahkan baik pada latar belakang kontras. Ketepatan berbeza mengikut jenis benih.
- Benih besar (jagung, soya, kacang): 97 hingga 99% ketepatan. Mudah dipisahkan dan dikesan
- Benih sederhana (padi, gandum, bunga matahari): 95 hingga 97% ketepatan. Platform SeedRuler dibina khas untuk padi
- Benih kecil (salad, lobak merah, tembakau): 90 hingga 95% ketepatan. Memerlukan foto beresolusi lebih tinggi dan pemisahan yang teliti
- Benih sangat kecil (petunia, begonia): mencabar. Benih mungkin lebih kecil daripada piksel individu pada resolusi kamera telefon
Pengiraan anak benih di ladang
Di luar makmal, AI juga mengira anak benih yang muncul di ladang. Foto dron atau paras tanah baris tanaman mengesan anak benih individu, mengira kepadatan tegakan dan mengenal pasti jurang di mana benih gagal bercambah. Data ini membantu petani memutuskan sama ada hendak menanam semula kawasan jarang, menyesuaikan kadar penyemaian untuk musim seterusnya atau menyiasat masalah tanah atau perosak di kawasan tertentu.
Gabungan pengiraan benih makmal dan pengesanan anak benih ladang mewujudkan gambaran lengkap: berapa banyak benih ditanam, berapa banyak bercambah dalam ujian makmal dan berapa banyak yang benar-benar muncul di ladang. Kitaran data itu memacu keputusan yang lebih baik pada setiap peringkat.
Kesimpulan
Pengiraan benih dan ujian percambahan telah menjadi tugas manual sejak pertanian bermula. Analisis foto AI tidak mengubah apa yang perlu diukur - ia mengubah berapa lama masa yang diperlukan. Kurang daripada 10 saat setiap sampel berbanding beberapa minit. Ketepatan melebihi 95% untuk kebanyakan benih tanaman. Penjejakan percambahan automatik yang berjalan semasa makmal ditutup.
Lain kali dulang berisi 400 benih perlu dikira, cuba ambil gambarnya dahulu. Kiraan akan siap sebelum anda menemui kedudukan yang selesa untuk mula mengira dengan tangan.