美国乔治亚州的花生产量每年超过6亿美元，但要确定该作物的最佳收获时间可能很棘手。目前的作物评估工具非常耗时，而且容易出现人为错误，导致每年损失数百万美元的产量。

乔治亚大学工程学院的研究人员正致力于帮助农民提高产量的质量和数量，为他们提供更快、更准确的数据。在发表在Springer Precision Agriculture上的一项新研究中，UGA团队提出了一种基于智能手机的便携式花生收获分析系统。

现在用来测定花生成熟度的主要方法之一是目测，这是一种基于荚果颜色和成熟度之间密切关系的目测。这种方法要求农民从他们的田地里挖出样本，由县政府进行评估。花生的收获日是根据样本中黑花生的百分比来估计的。

从几天到几分钟

“由于花生田往往分布广泛，收集、运输和分析可能需要几天时间才能完成，”该研究的主要作者、美国佐治亚大学2020年工程博士毕业生李睿（音译）说相比之下，从我们的系统中获取打印报告需要3到5分钟。”

为了解决目前评估方法的缺陷，UGA的研究人员将智能手机技术与便携式照片站相结合。这种半自动化系统允许农民在自己的农场收集、存储和访问与收获相关的数据，并将信息无线发送给县代理进行进一步评估。

为了使用这个系统，一个农民把样品放在一块板上，这个板设计用来把花生放在单独的槽里，然后把板滑进照片站的底部。将一部智能手机放在照片站的顶部，用户可以拍摄作物样本的照片。在那里，研究小组的智能手机应用程序分析花生的颜色，并将信息输入在线数据库。该应用程序允许用户通过输入诸如田间位置、花生类型和病情等信息来定制他们的报告。

据研究人员称，这种更快的评估工具将使农民能够持续监测作物的成熟度，并考虑土壤类型和天气等因素。

“成熟不足或过熟的花生可能含有高水平的黄曲霉毒素，一种由一些农作物上的真菌产生的毒素，”李说，“如果农民能够持续跟踪花生成熟度的水平，他们将能够在适当的时间窗口开始收获过程，并减少黄曲霉毒素造成的产量损失。”

研究人员进行了52次现场测试，以验证系统的准确性。与人类分级机相比，该系统在计算黑色和棕色花生的百分比时显示出9%的错误率；在计算黑色花生百分比方面的错误率为18.8%；在计算样本中花生总数时的错误率为5.8%。尽管存在这些差异，研究人员说，“概念验证系统展示了向花生种植者提供快速可靠结果的潜力。

未来的改进

“这个系统可以从两个方面加以改进，”李说，“一是进一步优化光照条件，使图像质量一致；二是利用数据驱动算法改进颜色检测功能。”

一旦数据库中记录了足够数量的人工评分数据，研究小组相信机器学习算法可以进一步提高系统的精确度。他们说，“基于这些数据建立一个花生收成的预测模型是可能的。