通用人工智能（AI）可以促进农业数字化，因为许多工具不需要编码。然而，与目前的标准实践相比，目前尚不清楚新兴的通用人工智能技术在执行农业数字化的基本任务——物体计数方面的表现如何。本研究发现ChatGPT （GPT4 V）在从图像中计算咖啡樱桃方面表现出中等的性能，而T-Rex（物体计数的基础模型）则表现出很高的准确性。使用100张图像进行测试，检查了ChatGPT可以计算樱桃，并且在人类反馈的情况下性能有所提高（R2分别为0.36和0.46）。T-Rex基础模型只需要少量样本进行训练，但优于传统的最佳实践模型YOLOv8 （R2分别为0.92和0.90）。使用这些模型获得结果的时间比传统最佳实践缩短了100倍。这些结果给应用领域的深度学习用户带来了两个惊喜：基础模型可以大大节省工作量并达到比传统方法更高的精度，ChatGPT可以显示出相对较好的性能，特别是通过提供一些示例和反馈来指导。对编码技能的不要求可以影响为支持农民而进行的教育、推广和生成式人工智能的实际实施。

图1  传统的深度学习、ChatGPT和基础模型计算樱桃的数量。(a)在Python中实现标准深度学习预测模型的示例，该示例需要使用大量图像进行编码和数据注释。(b) ChatGPT （gpt - 4v）只需要一个查询。在这个例子中，我们问：“在这幅图中可以看到多少颗樱桃？”，模型回答“10″”，并描述了图像的内容。(c) T-Rex是一个计数物体的基础模型，它需要用户画几个边界框来指导。在本例中，在指示计数（左）之后，模型在图像中识别出“11″樱桃”（右）。

图2  传统深度学习、ChatGPT和Foundation模型的性能比较。模型在以下方面进行了比较：(a)性能（图像中看到的观察到的樱桃数量和预测的樱桃数量之间的平方）和(b)完成计算樱桃数量所需的总时间，因为有了100张咖啡樱桃树枝的图像。在假设计数任务需要在拥有大量图像的情况下从头开始完成的情况下，YOLOv8为YOLOv8包含了手动图像注释任务。未经训练的基础模型T-Rex的性能超过了经过训练的最先进的目标检测算法YOLOv8模型。GPT-4还展示了计算樱桃数量的能力。

图3  比较预测和观察的散点图。(a) YOLOv8, (b) GPT-4 Zero-shot learning, (c)提供用户反馈的GPT-4， (d)目标计数基础模型T-Rex。