人工智能如何更轻松地识别常见玉米害虫
作者：Entomology Today
安德鲁·波特菲尔德安德鲁·波特菲尔德
但玉米的消费者不仅限于人类和牲畜。该作物还被 30 多种鳞翅目昆虫（即飞蛾和蝴蝶）食用。四种主要害虫最具破坏性：亚洲玉米螟,草地贪夜蛾,粘虫， 和斜纹夜蛾。
这些害虫的破坏能力根据其幼虫阶段或龄期的不同而有所不同。因此，对于种植者和害虫管理专业人员来说，能够确定每种害虫的阶段以优化其管理非常重要。传统上，识别是通过肉眼和对每种害虫的了解来完成的。这可能是缓慢而费力的，并且可能会错误地识别鳞翅目阶段。不同阶段之间的体型差异非常小，不同物种的幼虫具有相似的颜色。
中国吉林农业大学的一个研究小组最近研究了某些人工智能（AI）模型是否可以更快、更准确地识别这些昆虫的不同阶段。在测试了多个人工智能模型后，他们发现人工智能模型和数据优化器的一种组合对于按年龄对四种害虫的 23 个发育阶段进行昆虫分类最有效。研究人员发现，这种人工智能/机器学习组合的总体准确率为 96.65%，优于他们测试的所有其他模型。他们的发现是10 月发表于环境昆虫学。
通过利用机器学习算法，农民和研究人员可以更快、更轻松地进行识别，并更早地发现害虫，从而采取更精确的控制措施并增强作物保护和可持续性。然而，使用正确的人工智能模型很重要。
将人工智能应用于昆虫识别的一个主要问题是能够管理来自不同来源和不同尺寸的图像，并将这些原始数据转换为可用且可共享的昆虫特征表示，例如形状、几何形状、颜色和纹理。
吉林农业大学的陈日照博士和他的团队使用卷积神经网络 (CNN) 模型，该模型可以更好地分类和检测图像，并且所需的内存和计算量更少。他们还应用了迁移学习，它依赖于先前机器学习任务的预训练模型，并进一步减少了对高级（且昂贵）计算的需求。
在他们的研究中，研究人员选择了四种最具破坏性的鳞翅目玉米害虫的幼虫（O. funicalis、S. frugiperda、M. separata、和斜纹夜蛾）。幼虫以玉米叶作为唯一的食物来源。选择20只幼虫进行饲养。用显微镜拍摄了所有四个物种的第一至第四龄幼虫，而第五龄幼虫红线虫用移动相机拍摄了其他三个物种的第五龄和第六龄。每 24 小时，研究人员为每种害虫拍摄 20 张图像。在现场测试中，研究人员将昆虫幼虫引入现有的玉米地，并使用手机拍摄图像。
那么，人工智能的关键任务是解析所有这些不同的数据并正确识别每个物种和龄期。在五个 CNN 模型中，一个名为“Densenet121”的模型最为准确。但该模型依赖于可以协调照片和显微照片的数据增强软件。名为“Adam”的优化算法被证明是最准确的。
农业中的人工智能并不是一个新现象，但研究人员表示，真正的挑战在于在“众多人工智能驱动的方法中找到最佳模型”。
研究人员写道，人工智能驱动的系统使得精确喷雾器的开发成为可能，能够将最佳除草剂剂量直接喷洒到目标杂草上。– 此外，喷洒区域等创新为了解田间异质性、优化杀虫剂施用策略提供了宝贵的见解。 –
尽管如此，“准确识别和分类这些害虫”的发育阶段仍然是一个挑战。我们基于深度学习的方法填补了这一空白。 –
安德鲁·波特菲尔德是生命科学领域学术机构、公司和非营利组织的作家、编辑和传播顾问。他居住在加利福尼亚州卡马里奥。在 Twitter 上关注他：@AM波特菲尔德或访问他的脸书页面。
关于《人工智能如何更轻松地识别常见玉米害虫》的评论
暂无评论