2018年AI挑战者大会启动了全球首个作物病害检测竞赛。比赛为参赛者提供了近50,000张带注释的图片，涵盖了10种植物的27种疾病。它吸引了来自全球29个国家的专家。近1,200个团队参加了比赛。 AI识别技术的应用已从人脸识别和动物识别扩展到农作物病虫害检测等领域。 AI识别技术如何检测病虫害，其准确性如何？应用程序有哪些困难？在农业领域，人工智能还有哪些其他应用？有望通过AI改善当前的农业技术，新科科技创始人刘新农表示，将AI与农业病虫害相结合必须首先建立病虫害数据集，其次需要机器学习和图像识别系统的合作技术，并确保农民使用智能手机。这样，可以快速有效地交流技术。病虫害的AI监测主要是指利用机器学习，计算机视觉等技术，使用特定的计算机算法和模型来挖掘农业病虫害的频谱或图像信号，获取有效的数据特征并实现实时病虫害的鉴定和鉴定。过程。作物病害检测大赛发起人，创新工场人工智能工程研究所执行院长王永刚认为，人工智能在图像识别领域目前非常成熟，有了相应的数据，应用起来并不难。它可用于检测农业病虫害。 “如果您可以使用参赛者的算法来开发可以在实践中使用的产品，那么对于农业发展而言，这是非常有价值的事情。”过去，疾病和虫害的检测需要人工检查，如果不及时发现，很容易造成农作物的大规模死亡。通过引入AI图像识别技术，您可以连续拍照和比较，提供连续的监视和预测，并节省大量的人工成本。在美国和墨西哥的农场上实际应用AI的结果表明，农产品的每周收获量增加了2％-4％。人工智能帮助智慧农业仍然有一定的局限性。但是，使用AI来检测病虫害的发生并非易事。一位农业专家在接受《科技日报》记者独家采访时说，应用的困难主要体现在农业领域，涉及太多不可知因素，例如地理位置，气候，水土，病虫害，生物多样性甚至微生物环境都会影响农作物的产量。因此，在应用促进过程中，因素之一的改变很可能会使在特定环境中成功测试的算法变为无效算法，从而影响检测效率。 “这也是为什么当前的AI检测技术只能应用于情景，有害生物类型以及相应的检测方法是相对特定的环境的原因。”专家说，人工智能检测技术对具有强烈隐蔽性的农业病虫害的监测能力也很有限。 。农业害虫本身具有种间相似性，种内变化，态势变化，农作物阻塞等问题。从特征分析的角度来看，它将导致待鉴定样品中同一物种内的差异较大，差异较小。相似物种之间缺乏特征信息。在严重的情况下，区分有害生物目标的难度会大大增加。特别是对于一些个体较小且栖息地隐蔽的害虫，例如烟粉虱成虫，其体长小于2 mm且活动性强，很难用AI进行检测。另外，在辅助农药的喷洒过程中，从获取图像，处理分析，喷洒操作决策到执行喷洒操作的处理时间通常很短，这也给相关算法带来了高度的时间复杂性。宣称。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系统模型，并将其连接到计算机集群以形成神经网络。随后，建立了一个数据库，其中包含53,000多张健康和病态作物的照片，包括14种作物和26种疾病。研究人员使用深度学习方法来“训练”学习能力。查找所有可视数据的模型。最后，这个系统可以