版權(quán)歸原作者所有，如有侵權(quán)，請(qǐng)聯(lián)系我們

春天來到，農(nóng)戶的春耕又開始了。在田間地頭，有一群科學(xué)家拿著桿子在給蟲子拍照，原來，“蟲臉識(shí)別”又上了“戰(zhàn)場(chǎng)”。兩篇文章，帶你走進(jìn)中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機(jī)械研究所的“黑科技”——“蟲臉識(shí)別”技術(shù)。

科學(xué)家的新工作：給蟲子拍照

“蟲臉識(shí)別”是這樣一個(gè)技術(shù)，它主要基于人工智能圖像識(shí)別和檢測(cè)技術(shù)，能夠讓機(jī)器自動(dòng)化識(shí)別當(dāng)前拍攝的照片之中害蟲的種類、數(shù)量。它能輔助田間植物保護(hù)測(cè)報(bào)人員和種田大戶，判斷田間當(dāng)前病蟲害發(fā)生的程度，為之后的精準(zhǔn)防治，精準(zhǔn)施藥以及快速上報(bào)提供決策和建議。

讓我們仔細(xì)看看這個(gè)工具長什么樣子。

“蟲臉識(shí)別”設(shè)備，包含前端的攝像設(shè)備（CCD camera）、移動(dòng)智能終端（Mobile Terminal Client）和算法服務(wù)器。（圖片來源：作者）

“蟲臉識(shí)別”的工具分三部分組成。

第一部分是前端的拍攝設(shè)備，是中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機(jī)械研究所的科學(xué)家們自主研發(fā)的，類似于自拍桿。它的前端設(shè)有一個(gè)高清攝像頭，可以伸到作物根系、果樹樹梢等調(diào)查人員難以進(jìn)入、觀察的地方，使圖像采集工作更加便捷。

第二個(gè)部分就是移動(dòng)智能終端，搭載著調(diào)查專用的APP。在前端進(jìn)行采集之后，這個(gè)APP能夠快速將選取的調(diào)查圖像上傳到后臺(tái)的算法服務(wù)器。

算法服務(wù)器就是第三部分，在接收到這些圖片之后，算法服務(wù)器會(huì)基于人工智能技術(shù)對(duì)這些圖像中包含的信息進(jìn)行分析與綜合研判，隨后服務(wù)器會(huì)將識(shí)別結(jié)果數(shù)據(jù)返回給移動(dòng)終端，整個(gè)過程僅僅需要1秒鐘左右。

在操作“蟲臉識(shí)別”設(shè)備時(shí)，將前端拍攝設(shè)備伸入蟲害發(fā)生部位進(jìn)行拍攝并通過APP完成上傳，馬上就可以在終端上看到當(dāng)前的圖像中包含有哪些害蟲以及害蟲的數(shù)量，機(jī)器會(huì)根據(jù)多個(gè)采樣點(diǎn)的識(shí)別結(jié)果綜合評(píng)估出當(dāng)前田塊中可能的蟲害發(fā)生等級(jí)，輔助農(nóng)業(yè)植物保護(hù)專家完成快速田間調(diào)查，并且還會(huì)提供合適的防治建議。

這些數(shù)據(jù)不僅提供移動(dòng)設(shè)備上的實(shí)時(shí)反饋，還會(huì)被存儲(chǔ)到云端的數(shù)據(jù)庫中，工作人員可以通過電腦客戶端進(jìn)行更加仔細(xì)的查閱，并可以對(duì)結(jié)果進(jìn)行編輯、備注及下載，從而完成整個(gè)測(cè)報(bào)工作。

害蟲識(shí)別結(jié)果（圖片來源：作者）

“蟲臉識(shí)別”第一步：把人臉換成“蟲子臉”

人臉識(shí)別技術(shù)已經(jīng)被運(yùn)用到我們?nèi)粘Ｉ畹姆椒矫婷妫跋x臉識(shí)別”和人臉識(shí)別都是基于機(jī)器視覺對(duì)于圖像包含物體的識(shí)別，但把識(shí)別對(duì)象從人臉換為“蟲子臉”可不是一般的難。

人臉有幾十個(gè)關(guān)鍵點(diǎn)，機(jī)器通過查找眼睛、鼻子、嘴等基本就可以知道一個(gè)人的長相。但是“蟲子臉”不一樣，機(jī)器無法通過簡(jiǎn)單的人工設(shè)置的關(guān)鍵點(diǎn)進(jìn)行精準(zhǔn)的識(shí)別。

在田間，我國主要經(jīng)濟(jì)作物上可能出現(xiàn)的害蟲種類可能達(dá)到幾百種；每種害蟲可能處于不同蟲齡以及發(fā)育階段，如幼蟲期和成蟲期，導(dǎo)致即使是同一種害蟲樣子也會(huì)大不相同。這就造成了田間的“蟲臉識(shí)別”需要識(shí)別多姿態(tài)、多種類、多形態(tài)的害蟲，這要比人臉識(shí)別困難得多。

要想識(shí)別千姿百態(tài)的蟲子，最重要的是建立起“蟲臉”數(shù)據(jù)庫。在“蟲臉識(shí)別”技術(shù)發(fā)展的最開始，數(shù)據(jù)積累是科學(xué)家們的頭等大事，2016年到2018年的3年時(shí)間里，中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機(jī)械研究所的科學(xué)家們帶領(lǐng)著學(xué)生幾乎住在了安徽省內(nèi)的各個(gè)縣市，對(duì)田間的害蟲進(jìn)行數(shù)據(jù)采集，完成了快速的數(shù)據(jù)積累。

科學(xué)家們?cè)谔镩g完成數(shù)據(jù)采集（圖片來源：作者）

數(shù)據(jù)庫建立起來之后，農(nóng)業(yè)植物保護(hù)專家首先依據(jù)對(duì)害蟲的判斷來分析整理數(shù)據(jù)庫，然后使用人工智能深度學(xué)習(xí)算法，讓計(jì)算機(jī)自動(dòng)歸納和總結(jié)某一類害蟲所擁有的共性——口器、翅膀紋理、后背的花紋和斑點(diǎn)……這些都會(huì)成為計(jì)算機(jī)自動(dòng)歸納出來的害蟲特征，也就是“蟲臉”。

歷經(jīng)幾年時(shí)間，終于像識(shí)別人臉一樣實(shí)現(xiàn)了對(duì)“蟲臉”的智能化識(shí)別。

但數(shù)據(jù)庫的建立工作并沒有停下腳步，第一版識(shí)別系統(tǒng)搭建完畢之后，科學(xué)家們繼續(xù)從當(dāng)?shù)氐闹脖Ｕ疽约捌渌嘘P(guān)渠道中進(jìn)行圖像收集，同時(shí)他們每年還會(huì)有幾十次的外派出差去實(shí)地采集相關(guān)圖片數(shù)據(jù)，讓圖片數(shù)據(jù)庫不斷增長與完善，也使“蟲臉識(shí)別”的識(shí)別率逐年上升。

“蟲臉”那么小，怎么認(rèn)出它是誰？

只要擁有三大支持，就能迅速報(bào)出害蟲的“身份證”。

首先是逐漸發(fā)展的攝像技術(shù)。我們現(xiàn)在拍攝的圖像，無論是手機(jī)、相機(jī)還是固定的監(jiān)視設(shè)備，其分辨率和圖像質(zhì)量是逐漸上升的，這是能夠提供更好、更清晰的害蟲圖像數(shù)據(jù)的基礎(chǔ)。

圖片中的草地貪夜蛾十分清晰（圖片來源：作者）

其次是優(yōu)質(zhì)的植物保護(hù)專家團(tuán)隊(duì)，他們是來自于農(nóng)科院以及省植保站的專家，他們對(duì)害蟲有清晰的了解，并且能夠?qū)ο鄬?duì)細(xì)小的害蟲進(jìn)行準(zhǔn)確辨認(rèn)與精細(xì)的標(biāo)注，為后續(xù)的機(jī)器學(xué)習(xí)提供優(yōu)質(zhì)的數(shù)據(jù)基礎(chǔ)。

第三就是當(dāng)前快速發(fā)展的人工智能技術(shù)。在人工智能技術(shù)的加持下，這套設(shè)備能夠識(shí)別非常細(xì)小的害蟲，當(dāng)前比較成熟的技術(shù)就是一種模擬人眼的視覺感知的方式——“由粗到細(xì)（coarse to fine）”。

舉個(gè)例子來說，當(dāng)我們極目遠(yuǎn)眺時(shí)，先是看到了廣闊的全景，當(dāng)其中某一個(gè)區(qū)域出現(xiàn)了我們感興趣的物體時(shí)，我們的視覺感知機(jī)制會(huì)調(diào)動(dòng)大腦注意力，讓我們更加專注的觀察，從而看清這個(gè)區(qū)域中物體的細(xì)節(jié)。

計(jì)算機(jī)算法其實(shí)就是模擬了人的視覺感知過程，先粗略識(shí)別當(dāng)前圖片以判斷圖片中哪些地方可能出現(xiàn)了害蟲，然后再對(duì)這個(gè)害蟲區(qū)域進(jìn)行放大，最后進(jìn)一步識(shí)別被放大區(qū)域中害蟲的種類與數(shù)量。這種方式極大地提升了人工智能識(shí)別圖片的速度，節(jié)省了運(yùn)算資源，同時(shí)也保證了細(xì)小害蟲識(shí)別的準(zhǔn)確度。

在田間，最影響識(shí)別準(zhǔn)確度的一般是陽光和陰影，它們會(huì)對(duì)工作人員所拍攝的目標(biāo)特征有非常大的影響。因此，為了能夠采集到高質(zhì)量的圖像，科學(xué)家們還與相關(guān)機(jī)構(gòu)進(jìn)行合作，發(fā)布了水稻和小麥的智能圖像采集標(biāo)準(zhǔn)，標(biāo)準(zhǔn)中涵蓋了經(jīng)過實(shí)驗(yàn)總結(jié)出來的，正確采集各類田間病害蟲害的規(guī)范，以此提高數(shù)據(jù)的規(guī)范化，提升了數(shù)據(jù)質(zhì)量。

強(qiáng)烈光線下的小麥蚜蟲，幾乎無法分辨顏色特征（圖片來源：作者）

不同蟲齡的害蟲對(duì)圖像識(shí)別也有很大干擾，尤其是在幼蟲（也就是毛毛蟲）階段，干擾是非常嚴(yán)重的。即使是植物保護(hù)專家也很難僅僅通過一張圖片就判斷不同種類幼蟲之間的區(qū)別。此時(shí)就需要獲取更多的信息，比如作物種類、地理位置、采集時(shí)間、氣溫、濕度等等，再通過經(jīng)驗(yàn)來判斷害蟲的種類。

在拍攝害蟲的時(shí)候，科學(xué)家們當(dāng)然也會(huì)拍攝到益蟲，不過一般不會(huì)將益蟲納入到數(shù)據(jù)庫中。一方面是由于益蟲總體占比較少，另一方面也是盡量減少識(shí)別庫種類復(fù)雜度，提升對(duì)害蟲的識(shí)別準(zhǔn)確率。

“蟲臉識(shí)別”技術(shù)在一些重大的遷飛性害蟲以及小麥、水稻的重點(diǎn)爆發(fā)性害蟲的識(shí)別上來說，已經(jīng)相對(duì)比較成功了，田間的識(shí)別準(zhǔn)確率大概在70%~80%左右。

不僅會(huì)辨蟲，它還能“看病”

對(duì)于農(nóng)作物而言，病害、蟲害以及草害，都是危害極大的。對(duì)這項(xiàng)技術(shù)來說，識(shí)別蟲害是相對(duì)來說最簡(jiǎn)單的，因?yàn)楹οx個(gè)體足夠明顯，數(shù)量可以計(jì)算。但是在病害的識(shí)別上，它的算法要更加復(fù)雜，病害可能是以黑點(diǎn)的形式出現(xiàn)，或者是白斑又或者是葉子卷曲的形式出現(xiàn)……每一種病害的特征是完全不一樣的，就導(dǎo)致病害識(shí)別要跟蟲害識(shí)別走不同的道路，需要針對(duì)每種病害的特征進(jìn)行對(duì)應(yīng)的算法建模工作。

科學(xué)家們現(xiàn)在基本完成了常見的小麥和水稻的病害研究，基本能夠達(dá)到應(yīng)用水平，其他作物的病害研究還需繼續(xù)期待。

結(jié)語

“蟲臉識(shí)別”在原理上與人臉識(shí)別相近，但認(rèn)“蟲臉”比認(rèn)人臉可難上好多個(gè)數(shù)量級(jí)。那么“蟲臉識(shí)別”的用處究竟有多大？科研人員在研究的過程中有哪些辛酸往事，智慧農(nóng)業(yè)未來又有什么發(fā)展方向呢？且聽下回分解。

歡迎掃碼關(guān)注深i科普！

我們將定期推出

公益、免費(fèi)、優(yōu)惠的科普活動(dòng)和科普好物！