人工智能新应用：虫脸识别技术在多省市推广助力田间植保
刷脸支付，刷脸开门，且刷脸解锁手机，等等，基于人工智能图像识别技术的各类应用，于日常生活里屡见不鲜，但把这项人工智能技术用以识别“虫脸”，恐怕是很多人都想象不到的，据《环球时报》记者知悉，由中国科学院合肥物质科学研究院智能机械研究所研发的“虫脸识别”技术，已在安徽、江西等6省市推广应用。近日，该所智慧农业研究中心博士后杜健铭，在接受《环球时报》记者采访时介绍说，“虫脸识别”技术如今能够精准识别数十种常见害虫，这有助于田间植物保护测报人员，以及种田大户判断田间病虫害发生的程度 。
用“自拍杆”为害虫拍“写真”
“虫脸识别”是一种测报病虫害的手段，它基于人工智能图像识别以及检测技术，能让机器自动化识别照片里害虫的种类还有数量，经由拍摄、上传、分析、反馈等环节，植保人员与种田大户能够快速了解农田内的病虫害状况。
杜健铭向《环球时报》记者介绍称 在田间采集拍摄 使用的是智能设备 该智能机械设备 是由中科院合肥物质科学研究院智能机械研究所科研人员自主研发的 （如上图所示。） 该设备 由一根配有高清摄像头 与传感器的 “自拍杆” 以及搭载专用App的智能终端 共同组成 它可以伸到作物根系 果树树梢等 调查人员难以进入 难以观察的地方 进而让图像采集工作 变得更加便捷 。
在田间做完图像采集后，图片借助专用App上传到后端算法服务器上面，服务器依据人工智能技术对这些图像所含信息做分析和综合研判，接着把识别结果数据返回到移动终端，整个过程大概只需1秒钟 。
在移动终端那儿，用户能够实时去查看当下的图像里边包含着哪些害虫，还有害虫的数量，用户同样能够依据多个采样点的识别结果，综合评估出当下田块中可能出现的虫害发生等级，以此辅助农业植物保护专家完成快速的田间调查呢，并且提供合适的防治建议。
，可以备注并且能够下载，如此就能完成整个测报工作。
中科院合肥物质科学研究院智能机械研究所，除了移动端之外，还和别的机构一起合作，研发在多种测报装置情况下的病虫害识别技术，其中具有代表性的案例，是田间固定式害虫测报灯下多种类害虫的智能识别技术。
杜健铭讲，有固定式害虫测报灯，于田间安放光诱灯后，借助特定频段光捕捉目标害虫，之后自动对捕获害虫周期性拍照，运用人工智能技术识别图像，远程确认其所捕获害虫种类及数量，该测报灯重点害虫识别率可达75%至80%，极为重要害虫预计能达90%。
“虫脸识别”比人脸识别更难
虽说讲起来较为简单，然而“虫脸识别”相较于在生活里得以广泛运用的人脸识别，其难度要大出许多。甚至能够这么讲，同样是借助机器视觉来对图像中所包含的物体进行识别，精确辨识出那些在特征方面存在差异、形态各不相同的“虫脸”，这个难度又提升到了一个新水平。
杜健铭告知《环球时报》记者，如果从人脸来看，存在几十个关键点，就机器而言，是借助查找眼睛、鼻子、嘴等特征来确认一个人的长相，“非常关键的一点在于，人脸识别的对象都是人，然而害虫的形态特征是极为复杂的”。
杜健铭介绍说，“虫脸识别”有多项主要挑战，首先，不少害虫相似度极高，像鳞翅目就涵盖数十种常见田间作物害虫，外貌特征相似，“普通人看都是蛾子”，有些类别差异仅在翅膀不起眼小斑点，专业人员也得仔细分辨，用人工智能归纳较困难，其次，害虫大小不同，有的在照片里小到形态难分辨，此外，拍摄手法造成的逆光、阴影等会使拍摄采样质量波动大，进一步加大识别难度。
更为复杂的是，我国主要经济作物之上，可能出现的害虫种类达几百种，每种害虫又可能处于不同虫龄，处于不同发育阶段，比如幼虫期，比如成虫期，这致使即便为同一种害虫，其样子也会差异极大，这便造成田间的“虫脸识别”，需识别多姿态害虫，需识别多种类害虫，需识别多形态害虫，所带来的技术挑战，比人脸识别大得多。
面对比人脸更为复杂多样的“虫脸”，提升识别准确率的核心，是建立起具备足够规模的“虫脸”数据库。据悉，在2016年到2018年这3年时间当中，中科院合肥物质科学研究院智能机械研究所的科研人员，几乎居住在了安徽省内的各个县市，针对田间的害虫进行数据采集而且完成了快速的数据积累。
数据库建成之后，农业植物保护方面的专家，一开始根据对于害虫的认定去剖析梳理数据库，接着运用特意设计的人工智能深度学习算法，使得计算机自行归结和概括某一种类害虫具备有的共同特性，像口器，像翅膀纹理，像后背的花纹以及斑点，这些特征最终形成了一张张“虫脸”。
杜健铭介绍，目前针对种田大户使用的数据库，已包含超100万张图片，涉猎29种农作物及经济作物，还有300多种病虫害。其中，四五十种病虫害的识别准确度达80%以上。杜健铭讲，“虫脸识别”技术于一些重大迁飞性害虫及小麦、水稻重点关注害虫的识别，已颇为成功。
向更长期的自动化病虫害精准预测努力
‘虫脸识别’技术，最先在安徽省内开展试验，自二零一六年起始，联合安徽省植保总站，向全国四个省市予以推广应用，于二零一八年，范围扩大至六个省市，分别为安徽、江西、河南、湖南、湖北、山东省 。
《环球时报》记者被告知杜健铭称，“虫脸识别”技术应用提升了病虫害测报效率，还降低了成本。科研人员会继续完善“虫脸识别”技术，期望进一步提升可识别病虫害种类及准确性。杜健铭表明，团队希望持续更新硬件设备，提高图片拍摄质量。与此同时，针对难识别的“虫脸”，团队也打算开发新算法，借助总结植保专家经验知识和模拟人的感知能力，搭建一个结合多种知识的图像识别推理模型，提升图像识别能力 。
杜健铭讲，除了开展即时病虫害测报之外，科研人员朝着更长期的，朝自动化病虫害发生精准预测这个趋向用功。当下人工在田间采集数据的作业仍需存在，未来会经由无人设备或者更具智能化的辅助设备加以完成。那时借助先进的人工智能技术，步移替代人工构建、补充以及维护预测模型的工作，便能够达成自动化的快速迭代害虫发生预测模型，助力农业专家们更迅速而精准地预测病虫害发生。
欢迎 你 发表评论: