聽説過“人臉識別”“刷臉支付”，但“蟲臉識別”技術你了解過嗎？

事實證明，只有你想不到，沒有科學家們做不到。隨著科技的進步，這項用人工智慧識別“蟲臉”的技術已經照進現實。近期，由中國科學院合肥物質科學研究院智慧機械研究所研發的“蟲臉識別”技術已在安徽、江西等6省市推廣應用。這項技術目前可以精準識別數十種常見害蟲，助力田間植物保護測報人員和種田大戶判斷田間病蟲害發生程度，對我國農業病蟲害的防治，起到了巨大作用。

蟲臉識別，從自拍開始

相較于“人臉識別”而言，“蟲臉識別”更為複雜。

當我們想要進行人臉識別時，只需要用錄影機或攝像頭采集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，就能達到人臉識別的目的。但是，這些技術是為人類研發的，而田間的害蟲無法自行操控這些步驟。在這種情況下，就需要科學家為它們進行“自拍”。

蟲臉的“自拍”設備

為了能夠捕捉到更多不同種類害蟲的“臉”，科學家們需要在田間地頭不斷行走，讓機器自動化識別照片中害蟲的種類和數量，經由拍攝、上傳、分析、反饋等環節，植保人員和農戶們就可以快速了解農田內的病蟲害情況，進而採取一些病蟲害的防治措施。

然而，“蟲臉識別”也面臨著許多難點。

在實際的農業生産生活中，就算是經驗豐富的農民，也不會對每一種害蟲都瞭如指掌。特別是有些害蟲相似度非常高，且小到難以分辨，用人工智慧技術區別分類比較困難。而對其面部進行拍照時，拍攝手法導致的逆光、陰影等也會進一步增加其識別難度。

強烈光線下的小麥蚜蟲，幾乎無法分辨顏色特徵

除此之外，不同蟲齡的害蟲對圖像識別也會造成很大干擾，尤其是在幼蟲階段，科學家很難僅僅通過一張圖片就判斷不同種類幼蟲之間的區別。此時就需要獲取更多的資訊，比如作物種類、地理位置、採集時間、氣溫、濕度等，再通過經驗來判斷害蟲的種類。

因此，為了能夠採集到高品質的圖像，科學家們還與相關機構進行合作，發佈了水稻和小麥的智慧圖像採集標準，標準中涵蓋了經過實驗總結出來的、正確採集各類田間病害蟲害的規範，以此提高數據的規範化，提升了數據品質。

巨大數據庫，讓害蟲無處遁形

我國的安徽省是“蟲臉識別”數據採集的主要根據地。

從2016年到2018年的3年時間裏，中科院合肥物質科學研究院智慧機械研究所科研人員，對田間的害蟲進行數據採集，足跡幾乎遍及安徽省內的各個縣市。在他們的不懈努力下，最終對田間的多種類害蟲完成了快速的數據積累。目前，針對種田大戶使用的數據庫已包括100多萬張圖片，覆蓋29種農作物和經濟作物，300多種病蟲害。

專業人員在進行害蟲資訊採集

數據庫建立後，農業植物保護專家也一刻不停歇。他們首先依據對害蟲的判斷來分析整理數據庫，然後使用特別設計的人工智慧深度學習演算法，讓電腦自動歸納和總結某一類害蟲所擁有的共性，例如口器、翅膀紋理、後背的花紋和斑點，最後根據這些特徵構成一張張“蟲臉”。

目前，“蟲臉識別”技術對四五十種病蟲害的識別準確度在80%以上。

現如今，科研人員正在向更長期的自動化病蟲害發生精準預測方向努力，致力於在未來實現自動化的快速迭代害蟲發生預測模型，幫助農業專家們更快、更準確地預測病蟲害發生。

相信在“蟲臉識別”等技術的支援下，我國農業病蟲害防治的春天就在不遠處。