随着人口的快速增长、耕地面积的逐步缩减和城镇化速度的推进，农业发展面临的挑战日益严峻。通过探索信息技术促进农业提质增效，成为国内外农业发展研究的深刻话题。
日本研究人员通过人工智能图像识别来预测柑橘糖度，这次用人工智能图像识别来诊断果园病虫害，随着农药的普及，许多人认为病虫害对农业的影响不大。农业生产和服务领域存在的痛点由来已久，生产方式粗放、农业服务不完善、病虫害问题解决不及时等等，而人工智能融合农业生产服务创新应用，恰是解决农业问题的新突破点。事实上，病虫害仍然是威胁农业发展的主要罪魁祸首。
人工智能是人工智能，是计算机科学的一个分支。它试图了解智能的本质，并生产一种新的智能机器，可以以类似的方式反映人类智能。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统。据估计，全球农业中有害生物的潜在损失每年达到5400亿美元，因此迫切需要遏制病虫害。
AI诊断原理
病虫害对植物的影响大致不同。例如，一些昆虫吸收树汁，一些昆虫吃果实，并根据特殊痕迹判断罪魁祸首。日本研究人员开发了一种以视觉图像特征为判断基础的人工智能，通过积累相关痕迹数据来丰富人工智能的数据模型，然后将现有图像与人工智能存储数据进行比较，以判断植物不适的原因。数据越多，对病虫害的判断就越准确!
AI诊断操作
植物叶片分为三个区域，即健康区、疾病区和常见特征。在本研究中心，RGB图像的输入尺寸为256*256像素，特征区域为4096维。根据不同的特点定义不同的区域，准确找出病房!然后将病区图像与现有数据进行比较，反复确认最终诊断原因。
未来AI诊断
人工智能疾病诊断的困难在于数据的积累。为了提高疾病诊断的准确性，我们应该支持足够的数据。如果人工智能疾病诊断数据积累足够，它将面向更多的领域，如比较现有的叶片图像，判断植物的生长，是否缺乏微量元素，并实时控制植物的健康!
当然，人工智能技术的应用不仅限于此。未来，通过对人工智能图像识别算法的调教，机器就能识别更多更全的害虫;通过对虫情测报算法模型的构建，将虫情测报数据与气象等影响虫害生长的环境数据结合，就能根据现有数据对未来虫情趋势作出测报预报;通过处理好空间、时间上的数据关联，建立相应的算法模型，就能在区域测报防治上提供像手机助手一样的决策建议。
21世纪是属于人工智能的时代，随着应用领域的不断拓展，人工智能正悄然改变我们的世界。近些年，人工智能技术在产业当中的应用正由浅至深，由点至面的拓宽，在植保领域也出现了不少人工智能应用，推动植保方式向着多元化、高效化、智能化的方向发展。从播种到发芽、开花、结果，现代科技力量在其中发挥着越来越重要的作用，让农业种植越来越智能高效，不断书写着科技惠农的现代农业故事。
官方微信