基于自监督学习的多模态工业温室数据预测植物生长轨迹
定量方法
2025-07-10 v1 机器学习
机器人学
摘要
量化生物体水平的表型，如生长动力学和生物量积累，对于理解农业性状和优化作物生产至关重要。然而，规模化的植物生长数据质量较难获取。本文我们使用移动机器人平台来捕获大规模水培叶菜系统中高分辨率的环境感知和表型测量。我们描述了一种自监督建模方法，以从观察到的生长数据构建到整个植物生长轨迹的映射。我们通过预测该系统中作物的未来植株高度和收获质量来展示我们的方法。这一方法代表了机器人自动化和机器学习结合的重大进展，为农业研究和运营效率提供了可操作的见解。
引用
@article{arxiv.2507.06336,
title = {Self-supervised learning predicts plant growth trajectories from multi-modal industrial greenhouse data},
author = {Adam J Riesselman and Evan M Cofer and Therese LaRue and Wim Meeussen},
journal= {arXiv preprint arXiv:2507.06336},
year = {2025}
}