技術前瞻

    美國能源部的研究團隊開發高光譜影像處理技術D-CHAG，可大幅提升植物影像資料分析效率，該方法在超級電腦Frontier上測試，處理速度提升逾兩倍並降低75%記憶體使用，使大型高光譜資料更易用於AI基礎模型訓練，有助於加速作物表型研究與植物科學探索。
 

D-CHAG高光譜影像處理技術開發

    美國能源部橡樹嶺國家實驗室的研究團隊開發名為D-CHAG (Distributed Channel Hierarchical Aggregation)的高光譜影像處理技術，並以先進植物表型實驗室(APPL)所產生的大量高光譜影像資料進行測試，並在美國「Frontier」超級電腦上完成驗證，以提升大型影像資料在人工智慧模型中的運算效率。

分散式標記化與階層式聚合處理流程

    D-CHAG技術主要透過兩個步驟提升運算效率。首先，在分散式標記化階段，將高光譜影像資料分配至多個GPU處理，每個處理器僅分析部分光譜通道，以降低單一運算節點的負載。接著在階層式聚合階段，逐步整合不同光譜區域的資訊，以減少資料維度並保留重要特徵。此法可在維持影像空間與光譜解析度的情況下，大幅降低運算需求。

高光譜資料處理效能測試結果

    研究結果顯示，D-CHAG於Frontier超級電腦的測試中，光譜資料處理速度提升逾兩倍、同時記憶體使用量減少約75%，且不影響模型準確度。這使得利用大型高光譜資料集更容易用於人工智慧基礎模型訓練，並有助於從影像資料中辨識植物生理特徵，例如光合作用效率或生長狀態。

植物表型研究與作物性狀解析應用

    研究旨在加速植物轉譯研究，此技術可促進高光譜影像在植物科學與作物研究中的應用，並支援美國能源部相關生物能源與農業研究計畫。隨著高通量表型平台持續產生大量植物影像資料，結合高效運算技術與人工智慧模型，將有助於加速作物性狀解析與新品種開發。本研究已於2025年《SC25》國際高效能運算會議中發表。


資料來源：農業科技-新脈動
https://agritech-foresight.atri.org.tw/article/contents/6157?Category=trend