在美國(guó)和墨西哥的幾座農(nóng)場(chǎng)里，溫室中有10 臺(tái)攝像機(jī)正連續(xù)拍攝西紅柿的生長(zhǎng)情況，并提交給相關(guān)軟件進(jìn)行分析，識(shí)別出可能存在的問(wèn)題，比如蟲(chóng)害或病菌侵染……AI識(shí)別技術(shù)的應(yīng)用，正從人臉識(shí)別、動(dòng)物識(shí)別進(jìn)一步擴(kuò)展到農(nóng)作物病蟲(chóng)害檢測(cè)等領(lǐng)域。AI識(shí)別技術(shù)是如何檢測(cè)病蟲(chóng)害的，其準(zhǔn)確率如何?有哪些應(yīng)用難點(diǎn)?在農(nóng)業(yè)領(lǐng)域，AI還會(huì)有哪些應(yīng)用?

進(jìn)軍農(nóng)業(yè)“藍(lán)海” 圖像識(shí)別日趨成熟

與AI在其他領(lǐng)域應(yīng)用相比，在農(nóng)業(yè)領(lǐng)域的應(yīng)用可以說(shuō)還是一片“藍(lán)海”，不過(guò)，這種狀況正在發(fā)生變化。近日舉行的AI Challenger 2018發(fā)起了世界上首個(gè)農(nóng)作物病害檢測(cè)競(jìng)賽，競(jìng)賽提供給參賽選手近5萬(wàn)張標(biāo)注圖片，覆蓋10種植物的27種病害，目前已經(jīng)吸引了來(lái)自世界各地的29個(gè)國(guó)家的近1200支團(tuán)隊(duì)參賽。

據(jù)中國(guó)統(tǒng)計(jì)年鑒，2016年，我國(guó)農(nóng)業(yè)生產(chǎn)總值達(dá)5.93萬(wàn)億元，占GDP的8%，但由農(nóng)業(yè)病害等災(zāi)害造成的直接損失達(dá)0.503萬(wàn)億元，占農(nóng)業(yè)生產(chǎn)總值的8.48%。

新客科技創(chuàng)始人劉新農(nóng)說(shuō)，在農(nóng)業(yè)生產(chǎn)中，農(nóng)藥使用也在急劇增加，農(nóng)藥殘留不僅會(huì)引發(fā)社會(huì)問(wèn)題，還會(huì)加劇對(duì)環(huán)境的污染。因此，對(duì)農(nóng)作物進(jìn)行準(zhǔn)確的病害識(shí)別并推薦合適的防治措施，創(chuàng)造出能為植物看病的“醫(yī)生”，可以挽救農(nóng)作物的生命，減少農(nóng)藥使用量，保證農(nóng)作物的產(chǎn)量。

劉新農(nóng)說(shuō)，AI與農(nóng)業(yè)病蟲(chóng)害做結(jié)合，首先是要建立病蟲(chóng)害的數(shù)據(jù)集，其次需要機(jī)器學(xué)習(xí)和圖像識(shí)別系統(tǒng)技術(shù)的配合，并且要確保農(nóng)民使用智能手機(jī)的普及率，這樣才可以使技術(shù)快速有效地傳達(dá)。

AI監(jiān)測(cè)病蟲(chóng)害主要指利用機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等技術(shù)，采用特定的計(jì)算機(jī)算法和模型，對(duì)農(nóng)業(yè)病蟲(chóng)害發(fā)生的光譜或圖像信號(hào)進(jìn)行挖掘，獲得有效的數(shù)據(jù)特征，實(shí)現(xiàn)對(duì)病蟲(chóng)害情況的實(shí)時(shí)識(shí)別和鑒定的過(guò)程。

農(nóng)作物病害檢測(cè)競(jìng)賽的發(fā)起方、創(chuàng)新工場(chǎng)人工智能工程院執(zhí)行院長(zhǎng)王詠剛認(rèn)為，目前AI在圖像識(shí)別領(lǐng)域已非常成熟，并有了相應(yīng)的數(shù)據(jù)，將其應(yīng)用到農(nóng)業(yè)病蟲(chóng)害檢測(cè)中難度不大。“如果能夠利用參賽選手的算法，開(kāi)發(fā)出一個(gè)能實(shí)際運(yùn)用的產(chǎn)品，對(duì)于農(nóng)業(yè)發(fā)展來(lái)說(shuō)，是一個(gè)非常有價(jià)值的事情。”

不可知因素多 “把脈”農(nóng)作物并非易事

以往，病蟲(chóng)害的檢測(cè)需要人工巡視，而且一旦發(fā)現(xiàn)不及時(shí)，就容易導(dǎo)致農(nóng)作物大片死亡。通過(guò)AI圖像識(shí)別技術(shù)的引入，可以不停拍照和比對(duì)，提供不間斷的監(jiān)測(cè)和預(yù)報(bào)，節(jié)省了大量人力成本。美國(guó)和墨西哥農(nóng)場(chǎng)AI實(shí)際應(yīng)用結(jié)果顯示，農(nóng)產(chǎn)品每周的收成提高了2%—4%。

不過(guò)，利用AI檢測(cè)病蟲(chóng)害發(fā)生并非如此容易。有農(nóng)業(yè)專家在接受科技日?qǐng)?bào)記者專訪時(shí)表示，應(yīng)用難點(diǎn)主要體現(xiàn)在農(nóng)業(yè)領(lǐng)域涉及不可知因素太多，如地理位置、氣候水土、病蟲(chóng)害、生物多樣性甚至微生物環(huán)境等都影響著農(nóng)作物生產(chǎn)。因此，在應(yīng)用推廣過(guò)程中，其中某個(gè)因素的改變很可能就將在特定環(huán)境中已經(jīng)測(cè)試成功的算法變成無(wú)效算法，進(jìn)而影響檢測(cè)效率。

“這也是當(dāng)前AI檢測(cè)技術(shù)只能應(yīng)用于場(chǎng)景、害蟲(chóng)種類以及相應(yīng)檢測(cè)方法都相對(duì)特定化環(huán)境的原因。”該專家表示，AI檢測(cè)技術(shù)還對(duì)隱蔽性較強(qiáng)的農(nóng)業(yè)害蟲(chóng)或病害的監(jiān)測(cè)能力有限。農(nóng)業(yè)害蟲(chóng)本身就存在著種間相似、種內(nèi)變化、姿態(tài)變化、作物遮擋等問(wèn)題，從特征分析角度來(lái)講，會(huì)造成待識(shí)別樣本的同一種類內(nèi)差異大、相近種類間差異小、特征信息缺失嚴(yán)重等情況，無(wú)形中大大增加了害蟲(chóng)目標(biāo)區(qū)分的難度。尤其對(duì)于一些個(gè)體小、生境隱蔽的害蟲(chóng)而言，比如煙粉虱成蟲(chóng)體長(zhǎng)不到2毫米，且活動(dòng)能力強(qiáng)，利用AI對(duì)其進(jìn)行檢測(cè)，難度非常大。

此外，用于輔助農(nóng)藥的噴施過(guò)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(shí)間非常短暫，這也對(duì)相關(guān)算法的時(shí)間復(fù)雜度提出了很高要求。

美國(guó)賓夕法尼亞州立大學(xué)和瑞士聯(lián)邦理工學(xué)院的研究人員建立了一個(gè)系統(tǒng)模型，并將其連接到一個(gè)計(jì)算機(jī)集群來(lái)形成一個(gè)神經(jīng)網(wǎng)絡(luò)。隨后建立了一個(gè)擁有53000多張健康及患病農(nóng)作物照片的數(shù)據(jù)庫(kù)，其中包括14種作物和26種病害。研究人員利用深度學(xué)習(xí)的方法來(lái)“訓(xùn)練”模型尋找出所有視覺(jué)數(shù)據(jù)。最終，這個(gè)系統(tǒng)能夠從照片中識(shí)別出作物和病害，準(zhǔn)確率高達(dá)99.35%。不過(guò)，美國(guó)通用人工智能協(xié)會(huì)主席、漢森機(jī)器人公司首席科學(xué)家本·戈策爾表示，如果拍攝的圖片不符合標(biāo)準(zhǔn)，識(shí)別準(zhǔn)確率會(huì)從99.35%降到30%，甚至更低。因此，要想讓AI成為農(nóng)業(yè)方面的“醫(yī)生”，還要加強(qiáng)用AI的能力，讓其模仿人類大腦，多維度觀察學(xué)習(xí)作物病害特點(diǎn)從而進(jìn)行判斷。

有望通過(guò)AI改進(jìn)當(dāng)前農(nóng)業(yè)技術(shù)

AI技術(shù)本身還有種種不完善之處，而且農(nóng)業(yè)涉及不可知因素太多，農(nóng)業(yè)病蟲(chóng)害的種類多樣、危害多元化等，因此，當(dāng)前AI在農(nóng)業(yè)中的應(yīng)用還受到一定的限制。但毫無(wú)疑問(wèn)的是，AI技術(shù)在農(nóng)業(yè)領(lǐng)域具有廣泛的應(yīng)用前景。而且隨著AI技術(shù)的不斷發(fā)展和完善，將來(lái)可以通過(guò)AI改進(jìn)、甚至完全改變當(dāng)前的農(nóng)業(yè)技術(shù)，打造“智慧農(nóng)業(yè)”等。

“全國(guó)有5億農(nóng)民，能夠?yàn)樗麄兘鉀Q農(nóng)作物病蟲(chóng)害的專家可能不足5萬(wàn)，平均1萬(wàn)個(gè)農(nóng)民才對(duì)應(yīng)1個(gè)專家，而且一個(gè)專家通常只研究一到兩種農(nóng)作物，未必能知道所有農(nóng)作物的病害問(wèn)題。”神農(nóng)識(shí)創(chuàng)始人郭強(qiáng)說(shuō)，AI農(nóng)作物病害檢測(cè)為解決農(nóng)戶需求與專業(yè)信息不對(duì)稱的問(wèn)題提供了解決之道。

AI農(nóng)作物病害檢測(cè)僅是AI在農(nóng)業(yè)應(yīng)用的很小一個(gè)方面，它的應(yīng)用領(lǐng)域是非常廣泛的。比如農(nóng)業(yè)專家系統(tǒng)，也可以叫農(nóng)業(yè)智能系統(tǒng)，是一個(gè)具有大量農(nóng)業(yè)專業(yè)知識(shí)與經(jīng)驗(yàn)的計(jì)算機(jī)系統(tǒng)。應(yīng)用AI技術(shù)可依據(jù)一個(gè)或多個(gè)農(nóng)業(yè)專家提供的特殊領(lǐng)域知識(shí)、經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬農(nóng)業(yè)專家就某一復(fù)雜農(nóng)業(yè)問(wèn)題進(jìn)行決策。

又如農(nóng)產(chǎn)品無(wú)損檢測(cè)，即在不損壞檢測(cè)對(duì)象的前提下，利用被測(cè)物外部特征和內(nèi)部結(jié)構(gòu)所引起的物化反應(yīng)變化，來(lái)探測(cè)其性質(zhì)和數(shù)量變化，主要用于水果、蔬菜、畜禽、水產(chǎn)品類、經(jīng)濟(jì)作物和谷物籽粒等的檢測(cè)與分級(jí)。隨著無(wú)損檢測(cè)技術(shù)的發(fā)展，AI技術(shù)將在農(nóng)產(chǎn)品無(wú)損檢測(cè)中發(fā)揮越來(lái)越重要的作用。智能農(nóng)田氣候預(yù)測(cè)系統(tǒng)，即通過(guò)對(duì)衛(wèi)星拍攝圖片、航拍圖片以及農(nóng)田間其他設(shè)備拍攝的照片進(jìn)行智能識(shí)別和分析，AI能夠精確的預(yù)報(bào)天氣、氣候?yàn)?zāi)害，識(shí)別土壤肥力，莊稼的健康狀況等。

關(guān)鍵詞：