当前的农业技术有望通过AI进行改进

当前的农业技术有望通过AI进行改进

近日举行的AI Challenger 2018发起了世界上首个农作物病害检测竞赛，竞赛提供给参赛选手近5万张标注图片，覆盖10种植物的27种病害，目前已经吸引了来自世界各地的29个国家的近1200支团队参赛。

AI识别技术的应用，正从人脸识别、动物识别进一步扩展到农作物病虫害检测等领域。AI识别技术是如何检测病虫害的，其准确率如何？有哪些应用难点？在农业领域，AI还会有哪些应用？

有望通过AI改进当前农业技术

新客科技创始人刘新农说，AI与农业病虫害做结合，首先是要建立病虫害的数据集，其次需要机器学习和图像识别系统技术的配合，并且要确保农民使用智能手机的普及率，这样才可以使技术快速有效地传达。

AI监测病虫害主要指利用机器学习、计算机视觉等技术，采用特定的计算机算法和模型，对农业病虫害发生的光谱或图像信号进行挖掘，获得有效的数据特征，实现对病虫害情况的实时识别和鉴定的过程。

农作物病害检测竞赛的发起方、创新工场人工智能工程院执行院长王咏刚认为，目前AI在图像识别领域已非常成熟，并有了相应的数据，将其应用到农业病虫害检测中难度不大。"如果能够利用参赛选手的算法，开发出一个能实际运用的产品，对于农业发展来说，是一个非常有价值的事情。"

以往，病虫害的检测需要人工巡视，而且一旦发现不及时，就容易导致农作物大片死亡。通过AI图像识别技术的引入，可以不停拍照和比对，提供不间断的监测和预报，节省了大量人力成本。美国和墨西哥农场AI实际应用结果显示，农产品每周的收成提高了2％—4％。

AI助力智慧农业仍存一定限制

不过，利用AI检测病虫害发生并非如此容易。有农业专家在接受科技日报记者专访时表示，应用难点主要体现在农业领域涉及不可知因素太多，如地理位置、气候水土、病虫害、生物多样性甚至微生物环境等都影响着农作物生产。因此，在应用推广过程中，其中某个因素的改变很可能就将在特定环境中已经测试成功的算法变成无效算法，进而影响检测效率。

"这也是当前AI检测技术只能应用于场景、害虫种类以及相应检测方法都相对特定化环境的原因。"该专家表示，AI检测技术还对隐蔽性较强的农业害虫或病害的监测能力有限。农业害虫本身就存在着种间相似、种内变化、姿态变化、作物遮挡等问题，从特征分析角度来讲，会造成待识别样本的同一种类内差异大、相近种类间差异小、特征信息缺失严重等情况，无形中大大增加了害虫目标区分的难度。尤其对于一些个体小、生境隐蔽的害虫而言，比如烟粉虱成虫体长不到2毫米，且活动能力强，利用AI对其进行检测，难度非常大。

此外，用于辅助农药的喷施过程中，从获取图像、处理分析、喷施作业决策到执行喷施作业，通常允许处理的时间非常短暂，这也对相关算法的时间复杂度提出了很高要求。

美国宾夕法尼亚州立大学和瑞士联邦理工学院的研究人员建立了一个系统模型，并将其连接到一个计算机集群来形成一个神经网络。随后建立了一个拥有53000多张健康及患病农作物照片的数据库，其中包括14种作物和26种病害。研究人员利用深度学习的方法来"训练"模型寻找出所有视觉数据。

最终，这个系统能够从照片中识别出作物和病害，准确率高达99．35％。不过，美国通用人工智能协会主席、汉森机器人公司首席科学家本·戈策尔表示，如果拍摄的图片不符合标准，识别准确率会从99．35％降到30％，甚至更低。因此，要想让AI成为农业方面的"医生"，还要加强用AI的能力，让其模仿人类大脑，多维度观察学习作物病害特点从而进行判断。

AI技术本身还有种种不完善之处，而且农业涉及不可知因素太多，农业病虫害的种类多样、危害多元化等，因此，当前AI在农业中的应用还受到一定的限制。但毫无疑问的是，AI技术在农业领域具有广泛的应用前景。而且随着AI技术的不断发展和完善，将来可以通过AI改进、甚至完全改变当前的农业技术，打造"智慧农业"等。

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。