出品: 科普中国
作者：杜健铭（中国科学院合肥物质科学研究院智能机械研究所）
监制：中国科普博览
智能秋收小助手名片
小助手：农作物病虫草害自动识别与远程诊断系统
两大法宝：病虫草害图像自动识别；多终端模式
三大关键技术：基于深度信息的图像自动分割技术；基于多特征融合的图像特征提取技术；基于机器学习的图像分类与识别技术
能量值：5颗星
证件照：
包含前端的摄像设备（CCD camera）、移动智能终端（Mobile Terminal Client）和算法服务器（图片来源：作者）
智能秋收小助手自我介绍
很高兴认识你，我是农作物病虫草害自动识别与远程诊断系统，是中国科学院合肥物质科学研究院这个大家庭的成员之一。
我们都知道，农作物病虫草害向来是令种植业非常头疼的问题之一。不过有了我的帮助，农作物病虫草害便能被轻松解决。
被啃食的玉米叶子（图片来源：veer图库）
两大核心功能
作为防治农作物病虫草害的智能系统，就不得不给大家介绍一下我的“两大法宝”——病虫草害图像自动识别和多终端模式。
病虫草图像自动识别与多终端适配模式的实现与科研团队研发的病虫草高性能图像识别算法以及在中国科学院内搭建的数据服务器分不开的。
首先，我身上的病虫草高性能服务器不仅能够实现对各种渠道（比如手机、相机甚至是监控相机）采集的图像的高精度准确识别，同时还对识别模型进行了轻量化、高速化处理，使得该模型在同时处理大量图片时，也能在保证高识别率的情况下保证数据处理速度。
另外，科研团队将识别模型包装为接口调用的形式，只需要通过标准化的传输协议与字段，就能够实现数据传输、访问、分析及结果获取。
由此，我就能具备多种终端同时能够使用同一个识别模型的能力。还需要强调的是，数据处理服务器放置于中国科学院的数据中心内，该中心为各类数据的传输及运算提供了全国领先的安全稳定环境，是我“大脑”内系统正常工作的坚实保障。
在我的另一法宝：多终端模式中，我的手机模式是田间调查的先锋军。它不仅能够搭配科研团队自己研发的田间调查探杆，也可以直接通过手机摄像头进行数据采集。
病虫草害自动识别手机客户端（图片来源：作者）
手机具备图像收集、地理环境信息收集能力，同时通过网络实现图像与信息上传，经过短短几秒钟就能够获得图像中的病虫草种类、发生情况评估以及常用的防治方法等信息。
我的计算机模式则是专门为用户进行数据整理与上报所服务的。在这里，用户不仅能够查看自己通过手机上传的全部图像、识别结果以及环境地理信息，还能够看到农业专家给出的专业的防治用药指南。
另外，这一模式还支持结果导出功能，让用户只需要简单操作就能获得完整的田间调查数据表格，方便他们进行上报工作。
三个关键技术
如果只有这两大法宝，那我还不能完全胜任农作物病虫草害防治的工作。我身上还有三个关键技术，它们分别是基于深度信息的图像自动分割技术、基于多特征融合的图像特征提取技术和基于机器学习的图像分类与识别技术。
负责研发我的科研团队从筹建以来，一直走在国内外病虫草害智能识别的领域前沿，每年都产出大量优秀的人工智能与农业相结合的研究成果，并刊登于全球顶尖的期刊上。
其中图像自动分割、多特征融合提取以及图像分类与识别技术只是一个笼统的方向，其实每个方向都能被细分成若干的小方向，用于解决目前农业病虫草害识别中遇见的突出及难以解决的问题。
害虫识别结果（图片来源：作者）
比如在自动分割技术中，科研团队专门开发了针对堆叠害虫的表面害虫发现分割算法，也开发了针对密集聚集的极小害虫的多层细化分割算法；而在多特征融合提取中，科研团队既针对环境上下文研究作物与害虫种类关系，也进行了害虫与其姿态、形态特征之间潜在关联的研究；而在分类识别技术里，科研团队不仅提出了多个高细粒度识别算法，还专门针对多种极其相似的飞蛾类提出了专门的分类技术。
借助两个核心功能和三个关键技术，我能够代替植保专家有效且及时地完成农作物自动化诊断，从而降低农药使用，提高农产品品质。
数据库和植保专家
为了保证我能一直保持较高的识别准确度与精确度，我系统里的数据库也一直是不停迭代的。
目前，除了科研团队每年会组织在安徽省内的病虫草害图像爆发区域进行实地数据采集以外，还与安徽省植保总站、安徽省多地县植保站进行交流，并邀请安徽省农业科学院的专家进行指导。
科研团队在田间采集数据（图片来源：作者）
我的数据库一直以每年十余万图像的速度不断增长，是不是觉得我和研发我的科学家们都非常厉害呢？
当前，无论是使用的手机APP端、WEB端等，都会显示最新的数据库、算法库，并且还会不定期地更新与推送，力求让用户使用到我身上最新的技术。
除此之外，我现在的功能不仅是识别病虫草害，还能为大家提供很多新的功能，包括直接调用手机内置的地理气象功能实现多信息记录，或者在WEB端实现随时查看历史记录以及一键导出，方便田间调查人员输出调查结果。
另外，最重要的一点是科研团队从2019年开始与安徽省植保总站进行合作，开展了3年的人工智能与人工田间调查对标实验，对田间8种常见病虫害进行统计学上的智能识别与人工调查之间的评估结果对比分析。
由此使我能够为用户直接提供基于人工智能识别结果的田间调查病虫害发生等级评估，不再需要用户自己记录及计算，极大提高了用户的调查速度与智能化水平。
为了更好地进行病虫草害防治工作，我还有许多合作伙伴——植保专家。
科研团队长期与植保总站以及安徽省农业科学院的专家保持紧密的合作关系。别看我能精准地找出病虫草害并且提供防治建议，但其实所有的知识库都是由他们一条条仔细编写及校验的，具备较好的科学性与可应用性。同时，我系统中的专家知识库还会定期更新。
目前，科研团队也会组织用户与专家进行沟通，并正在计划在目前识别系统的基础上进一步深入，建立专家沟通答疑通道，组织农业领域专家针对用户反映的问题进行解答。
小助手寄语
当然，我的系统现在仍然正在不停迭代之中，并逐渐增加功能，从而为大家提供更好的使用体验。
作为服务于我国农业生产的智能农机之一，我的发展也亟需各个有想法、有实力的科研人员注入心血与智慧。中国科学院合肥物质科学研究员的科研团队也希望在发展成熟之时，可以将我以软件接口API的形式向广大开发人员开放开发资格，让更多有想法、有点子的团队将这一技术应用到更宽广的农业领域，为广大农业工作者提供更加完整、专业、智能的服务。
来源：科普博览
报道链接:https://www.kepuchina.cn/article/articleinfo?business_type=100&classify=0&ar_id=442402
