隨著人口的快速增長、耕地面積的逐步縮減和城鎮(zhèn)化速度的推進(jìn)，農(nóng)業(yè)發(fā)展面臨的挑戰(zhàn)日益嚴(yán)峻。通過探索信息技術(shù)促進(jìn)農(nóng)業(yè)提質(zhì)增效，成為國內(nèi)外農(nóng)業(yè)發(fā)展研究的深刻話題。

日本研究人員通過人工智能圖像識別來預(yù)測柑橘糖度，這次用人工智能圖像識別來診斷果園病蟲害，隨著農(nóng)藥的普及，許多人認(rèn)為病蟲害對農(nóng)業(yè)的影響不大。農(nóng)業(yè)生產(chǎn)和服務(wù)領(lǐng)域存在的痛點由來已久，生產(chǎn)方式粗放、農(nóng)業(yè)服務(wù)不完善、病蟲害問題解決不及時等等，而人工智能融合農(nóng)業(yè)生產(chǎn)服務(wù)創(chuàng)新應(yīng)用，恰是解決農(nóng)業(yè)問題的新突破點。事實上，病蟲害仍然是威脅農(nóng)業(yè)發(fā)展的主要罪魁禍?zhǔn)住?/p>

人工智能是人工智能，是計算機(jī)科學(xué)的一個分支。它試圖了解智能的本質(zhì)，并生產(chǎn)一種新的智能機(jī)器，可以以類似的方式反映人類智能。該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)。據(jù)估計，全球農(nóng)業(yè)中有害生物的潛在損失每年達(dá)到5400億美元，因此迫切需要遏制病蟲害。

AI診斷原理

病蟲害對植物的影響大致不同。例如，一些昆蟲吸收樹汁，一些昆蟲吃果實，并根據(jù)特殊痕跡判斷罪魁禍?zhǔn)住Ｈ毡狙芯咳藛T開發(fā)了一種以視覺圖像特征為判斷基礎(chǔ)的人工智能，通過積累相關(guān)痕跡數(shù)據(jù)來豐富人工智能的數(shù)據(jù)模型，然后將現(xiàn)有圖像與人工智能存儲數(shù)據(jù)進(jìn)行比較，以判斷植物不適的原因。數(shù)據(jù)越多，對病蟲害的判斷就越準(zhǔn)確!

AI診斷操作

植物葉片分為三個區(qū)域，即健康區(qū)、疾病區(qū)和常見特征。在本研究中心，RGB圖像的輸入尺寸為256*256像素，特征區(qū)域為4096維。根據(jù)不同的特點定義不同的區(qū)域，準(zhǔn)確找出病房!然后將病區(qū)圖像與現(xiàn)有數(shù)據(jù)進(jìn)行比較，反復(fù)確認(rèn)最終診斷原因。

　未來AI診斷

人工智能疾病診斷的困難在于數(shù)據(jù)的積累。為了提高疾病診斷的準(zhǔn)確性，我們應(yīng)該支持足夠的數(shù)據(jù)。如果人工智能疾病診斷數(shù)據(jù)積累足夠，它將面向更多的領(lǐng)域，如比較現(xiàn)有的葉片圖像，判斷植物的生長，是否缺乏微量元素，并實時控制植物的健康!

當(dāng)然，人工智能技術(shù)的應(yīng)用不僅限于此。未來，通過對人工智能圖像識別算法的調(diào)教，機(jī)器就能識別更多更全的害蟲;通過對蟲情測報算法模型的構(gòu)建，將蟲情測報數(shù)據(jù)與氣象等影響蟲害生長的環(huán)境數(shù)據(jù)結(jié)合，就能根據(jù)現(xiàn)有數(shù)據(jù)對未來蟲情趨勢作出測報預(yù)報;通過處理好空間、時間上的數(shù)據(jù)關(guān)聯(lián)，建立相應(yīng)的算法模型，就能在區(qū)域測報防治上提供像手機(jī)助手一樣的決策建議。

21世紀(jì)是屬于人工智能的時代，隨著應(yīng)用領(lǐng)域的不斷拓展，人工智能正悄然改變我們的世界。近些年，人工智能技術(shù)在產(chǎn)業(yè)當(dāng)中的應(yīng)用正由淺至深，由點至面的拓寬，在植保領(lǐng)域也出現(xiàn)了不少人工智能應(yīng)用，推動植保方式向著多元化、高效化、智能化的方向發(fā)展。從播種到發(fā)芽、開花、結(jié)果，現(xiàn)代科技力量在其中發(fā)揮著越來越重要的作用，讓農(nóng)業(yè)種植越來越智能高效，不斷書寫著科技惠農(nóng)的現(xiàn)代農(nóng)業(yè)故事。