近日舉行的AI Challenger 2018發(fā)起了世界上首個農作物病害檢測競賽，競賽提供給參賽選手近5萬張標注圖片，覆蓋10種植物的27種病害，目前已經吸引了來自世界各地的29個國家的近1200支團隊參賽。
AI識別技術的應用，正從人臉識別、動物識別進一步擴展到農作物病蟲害檢測等領域。AI識別技術是如何檢測病蟲害的，其準確率如何?有哪些應用難點?在農業(yè)領域，AI還會有哪些應用?
有望通過AI改進當前農業(yè)技術
新客科技創(chuàng)始人劉新農說，AI與農業(yè)病蟲害做結合，首先是要建立病蟲害的數據集，其次需要機器學習和圖像識別系統(tǒng)技術的配合，并且要確保農民使用智能手機的普及率，這樣才可以使技術快速有效地傳達。
AI監(jiān)測病蟲害主要指利用機器學習、計算機視覺等技術，采用特定的計算機算法和模型，對農業(yè)病蟲害發(fā)生的光譜或圖像信號進行挖掘，獲得有效的數據特征，實現對病蟲害情況的實時識別和鑒定的過程。
農作物病害檢測競賽的發(fā)起方、創(chuàng)新工場人工智能工程院執(zhí)行院長王詠剛認為，目前AI在圖像識別領域已非常成熟，并有了相應的數據，將其應用到農業(yè)病蟲害檢測中難度不大?！叭绻軌蚶脜①愡x手的算法，開發(fā)出一個能實際運用的產品，對于農業(yè)發(fā)展來說，是一個非常有價值的事情?！?/p>
以往，病蟲害的檢測需要人工巡視，而且一旦發(fā)現不及時，就容易導致農作物大片死亡。通過AI圖像識別技術的引入，可以不停拍照和比對，提供不間斷的監(jiān)測和預報，節(jié)省了大量人力成本。美國和墨西哥農場AI實際應用結果顯示，農產品每周的收成提高了2%—4%。
AI助力智慧農業(yè)仍存一定限制
不過，利用AI檢測病蟲害發(fā)生并非如此容易。有農業(yè)專家在接受科技日報記者專訪時表示，應用難點主要體現在農業(yè)領域涉及不可知因素太多，如地理位置、氣候水土、病蟲害、生物多樣性甚至微生物環(huán)境等都影響著農作物生產。因此，在應用推廣過程中，其中某個因素的改變很可能就將在特定環(huán)境中已經測試成功的算法變成無效算法，進而影響檢測效率。
“這也是當前AI檢測技術只能應用于場景、害蟲種類以及相應檢測方法都相對特定化環(huán)境的原因?！痹搶＜冶硎?，AI檢測技術還對隱蔽性較強的農業(yè)害蟲或病害的監(jiān)測能力有限。農業(yè)害蟲本身就存在著種間相似、種內變化、姿態(tài)變化、作物遮擋等問題，從特征分析角度來講，會造成待識別樣本的同一種類內差異大、相近種類間差異小、特征信息缺失嚴重等情況，無形中大大增加了害蟲目標區(qū)分的難度。尤其對于一些個體小、生境隱蔽的害蟲而言，比如煙粉虱成蟲體長不到2毫米，且活動能力強，利用AI對其進行檢測，難度非常大。
此外，用于輔助農藥的噴施過程中，從獲取圖像、處理分析、噴施作業(yè)決策到執(zhí)行噴施作業(yè)，通常允許處理的時間非常短暫，這也對相關算法的時間復雜度提出了很高要求。
美國賓夕法尼亞州立大學和瑞士聯(lián)邦理工學院的研究人員建立了一個系統(tǒng)模型，并將其連接到一個計算機集群來形成一個神經網絡。隨后建立了一個擁有53000多張健康及患病農作物照片的數據庫，其中包括14種作物和26種病害。研究人員利用深度學習的方法來“訓練”模型尋找出所有視覺數據。最終，這個系統(tǒng)能夠從照片中識別出作物和病害，準確率高達99.35%。不過，美國通用人工智能協(xié)會主席、漢森機器人公司首席科學家本·戈策爾表示，如果拍攝的圖片不符合標準，識別準確率會從99.35%降到30%，甚至更低。因此，要想讓AI成為農業(yè)方面的“醫(yī)生”，還要加強用AI的能力，讓其模仿人類大腦，多維度觀察學習作物病害特點從而進行判斷。
AI技術本身還有種種不完善之處，而且農業(yè)涉及不可知因素太多，農業(yè)病蟲害的種類多樣、危害多元化等，因此，當前AI在農業(yè)中的應用還受到一定的限制。但毫無疑問的是，AI技術在農業(yè)領域具有廣泛的應用前景。而且隨著AI技術的不斷發(fā)展和完善，將來可以通過AI改進、甚至完全改變當前的農業(yè)技術，打造“智慧農業(yè)”等。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產業(yè)前沿產品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產業(yè)數字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經驗，提供媒體、活動、展會等整合營銷服務。
粵公網安備 44030402000264號
