版權歸原作者所有，如有侵權，請聯係我們(men)

春天來到，農(nong) 戶的春耕又開始了。在田間地頭，有一群科學家拿著杆子在給蟲子拍照，原來，“蟲臉識別”又上了“戰場”。兩(liang) 篇文章，帶你走進中國科學院合肥物質科學研究院智能機械研究所的“黑科技”——“蟲臉識別”技術。

科學家的新工作：給蟲子拍照

“蟲臉識別”是這樣一個(ge) 技術，它主要基於(yu) 人工智能圖像識別和檢測技術，能夠讓機器自動化識別當前拍攝的照片之中害蟲的種類、數量。它能輔助田間植物保護測報人員和種田大戶，判斷田間當前病蟲害發生的程度，為(wei) 之後的精準防治，精準施藥以及快速上報提供決(jue) 策和建議。

讓我們(men) 仔細看看這個(ge) 工具長什麽(me) 樣子。

“蟲臉識別”設備，包含前端的攝像設備（CCD camera）、移動智能終端（mobiles Terminal Client）和算法服務器。（圖片來源：作者）

“蟲臉識別”的工具分三部分組成。

第一部分是前端的拍攝設備，是中國科學院合肥物質科學研究院智能機械研究所的科學家們(men) 自主研發的，類似於(yu) 自拍杆。它的前端設有一個(ge) 高清攝像頭，可以伸到作物根係、果樹樹梢等調查人員難以進入、觀察的地方，使圖像采集工作更加便捷。

第二個(ge) 部分就是移動智能終端，搭載著調查專(zhuan) 用的APP。在前端進行采集之後，這個(ge) APP能夠快速將選取的調查圖像上傳(chuan) 到後台的算法服務器。

算法服務器就是第三部分，在接收到這些圖片之後，算法服務器會(hui) 基於(yu) 人工智能技術對這些圖像中包含的信息進行分析與(yu) 綜合研判，隨後服務器會(hui) 將識別結果數據返回給移動終端，整個(ge) 過程僅(jin) 僅(jin) 需要1秒鍾左右。

在操作“蟲臉識別”設備時，將前端拍攝設備伸入蟲害發生部位進行拍攝並通過APP完成上傳(chuan) ，馬上就可以在終端上看到當前的圖像中包含有哪些害蟲以及害蟲的數量，機器會(hui) 根據多個(ge) 采樣點的識別結果綜合評估出當前田塊中可能的蟲害發生等級，輔助農(nong) 業(ye) 植物保護專(zhuan) 家完成快速田間調查，並且還會(hui) 提供合適的防治建議。

這些數據不僅(jin) 提供移動設備上的實時反饋，還會(hui) 被存儲(chu) 到雲(yun) 端的數據庫中，工作人員可以通過電腦客戶端進行更加仔細的查閱，並可以對結果進行編輯、備注及下載，從(cong) 而完成整個(ge) 測報工作。

害蟲識別結果（圖片來源：作者）

“蟲臉識別”第一步：把人臉換成“蟲子臉”

人臉識別技術已經被運用到我們(men) 日常生活的方方麵麵，“蟲臉識別”和人臉識別都是基於(yu) 機器視覺對於(yu) 圖像包含物體(ti) 的識別，但把識別對象從(cong) 人臉換為(wei) “蟲子臉”可不是一般的難。

人臉有幾十個(ge) 關(guan) 鍵點，機器通過查找眼睛、鼻子、嘴等基本就可以知道一個(ge) 人的長相。但是“蟲子臉”不一樣，機器無法通過簡單的人工設置的關(guan) 鍵點進行精準的識別。

在田間，我國主要經濟作物上可能出現的害蟲種類可能達到幾百種；每種害蟲可能處於(yu) 不同蟲齡以及發育階段，如幼蟲期和成蟲期，導致即使是同一種害蟲樣子也會(hui) 大不相同。這就造成了田間的“蟲臉識別”需要識別多姿態、多種類、多形態的害蟲，這要比人臉識別困難得多。

要想識別千姿百態的蟲子，最重要的是建立起“蟲臉”數據庫。在“蟲臉識別”技術發展的最開始，數據積累是科學家們(men) 的頭等大事，2016年到2018年的3年時間裏，中國科學院合肥物質科學研究院智能機械研究所的科學家們(men) 帶領著學生幾乎住在了安徽省內(nei) 的各個(ge) 縣市，對田間的害蟲進行數據采集，完成了快速的數據積累。

科學家們(men) 在田間完成數據采集（圖片來源：作者）

數據庫建立起來之後，農(nong) 業(ye) 植物保護專(zhuan) 家首先依據對害蟲的判斷來分析整理數據庫，然後使用人工智能深度學習(xi) 算法，讓計算機自動歸納和總結某一類害蟲所擁有的共性——口器、翅膀紋理、後背的花紋和斑點……這些都會(hui) 成為(wei) 計算機自動歸納出來的害蟲特征，也就是“蟲臉”。

曆經幾年時間，終於(yu) 像識別人臉一樣實現了對“蟲臉”的智能化識別。

但數據庫的建立工作並沒有停下腳步，第一版識別係統搭建完畢之後，科學家們(men) 繼續從(cong) 當地的植保站以及其他有關(guan) 渠道中進行圖像收集，同時他們(men) 每年還會(hui) 有幾十次的外派出差去實地采集相關(guan) 圖片數據，讓圖片數據庫不斷增長與(yu) 完善，也使“蟲臉識別”的識別率逐年上升。

“蟲臉”那麽(me) 小，怎麽(me) 認出它是誰？

隻要擁有三大支持，就能迅速報出害蟲的“身份證”。

首先是逐漸發展的攝像技術。我們(men) 現在拍攝的圖像，無論是手機、相機還是固定的監視設備，其分辨率和圖像質量是逐漸上升的，這是能夠提供更好、更清晰的害蟲圖像數據的基礎。

圖片中的草地貪夜蛾十分清晰（圖片來源：作者）

其次是優(you) 質的植物保護專(zhuan) 家團隊，他們(men) 是來自於(yu) 農(nong) 科院以及省植保站的專(zhuan) 家，他們(men) 對害蟲有清晰的了解，並且能夠對相對細小的害蟲進行準確辨認與(yu) 精細的標注，為(wei) 後續的機器學習(xi) 提供優(you) 質的數據基礎。

第三就是當前快速發展的人工智能技術。在人工智能技術的加持下，這套設備能夠識別非常細小的害蟲，當前比較成熟的技術就是一種模擬人眼的視覺感知的方式——“由粗到細（coarse to fine）”。

舉(ju) 個(ge) 例子來說，當我們(men) 極目遠眺時，先是看到了廣闊的全景，當其中某一個(ge) 區域出現了我們(men) 感興(xing) 趣的物體(ti) 時，我們(men) 的視覺感知機製會(hui) 調動大腦注意力，讓我們(men) 更加專(zhuan) 注的觀察，從(cong) 而看清這個(ge) 區域中物體(ti) 的細節。

計算機算法其實就是模擬了人的視覺感知過程，先粗略識別當前圖片以判斷圖片中哪些地方可能出現了害蟲，然後再對這個(ge) 害蟲區域進行放大，最後進一步識別被放大區域中害蟲的種類與(yu) 數量。這種方式極大地提升了人工智能識別圖片的速度，節省了運算資源，同時也保證了細小害蟲識別的準確度。

在田間，最影響識別準確度的一般是陽光和陰影，它們(men) 會(hui) 對工作人員所拍攝的目標特征有非常大的影響。因此，為(wei) 了能夠采集到高質量的圖像，科學家們(men) 還與(yu) 相關(guan) 機構進行合作，發布了水稻和小麥的智能圖像采集標準，標準中涵蓋了經過實驗總結出來的，正確采集各類田間病害蟲害的規範，以此提高數據的規範化，提升了數據質量。

強烈光線下的小麥蚜蟲，幾乎無法分辨顏色特征（圖片來源：作者）

不同蟲齡的害蟲對圖像識別也有很大幹擾，尤其是在幼蟲（也就是毛毛蟲）階段，幹擾是非常嚴(yan) 重的。即使是植物保護專(zhuan) 家也很難僅(jin) 僅(jin) 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信息，比如作物種類、地理位置、采集時間、氣溫、濕度等等，再通過經驗來判斷害蟲的種類。

在拍攝害蟲的時候，科學家們(men) 當然也會(hui) 拍攝到益蟲，不過一般不會(hui) 將益蟲納入到數據庫中。一方麵是由於(yu) 益蟲總體(ti) 占比較少，另一方麵也是盡量減少識別庫種類複雜度，提升對害蟲的識別準確率。

“蟲臉識別”技術在一些重大的遷飛性害蟲以及小麥、水稻的重點爆發性害蟲的識別上來說，已經相對比較成功了，田間的識別準確率大概在70%~80%左右。

不僅(jin) 會(hui) 辨蟲，它還能“看病”

對於(yu) 農(nong) 作物而言，病害、蟲害以及草害，都是危害極大的。對這項技術來說，識別蟲害是相對來說最簡單的，因為(wei) 害蟲個(ge) 體(ti) 足夠明顯，數量可以計算。但是在病害的識別上，它的算法要更加複雜，病害可能是以黑點的形式出現，或者是白斑又或者是葉子卷曲的形式出現……每一種病害的特征是完全不一樣的，就導致病害識別要跟蟲害識別走不同的道路，需要針對每種病害的特征進行對應的算法建模工作。

科學家們(men) 現在基本完成了常見的小麥和水稻的病害研究，基本能夠達到應用水平，其他作物的病害研究還需繼續期待。

結語

“蟲臉識別”在原理上與(yu) 人臉識別相近，但認“蟲臉”比認人臉可難上好多個(ge) 數量級。那麽(me) “蟲臉識別”的用處究竟有多大？科研人員在研究的過程中有哪些辛酸往事，智慧農(nong) 業(ye) 未來又有什麽(me) 發展方向呢？且聽下回分解。

歡迎掃碼關(guan) 注深i科普！

我們(men) 將定期推出

公益、免費、優(you) 惠的科普活動和科普好物！