從人臉識別到“蟲臉識別”難度多大

趙覺珵

刷臉支付、刷臉開門、刷臉解鎖手機……基于人工智能圖像識別技術(shù)的種種應(yīng)用在日常生活中屢見不鮮。但將這項人工智能技術(shù)用來識別“蟲臉”，恐怕就是很多人都想象不到的了。據(jù)《環(huán)球時報》記者了解，由中國科學院合肥物質(zhì)科學研究院智能機械研究所研發(fā)的“蟲臉識別”技術(shù)已在安徽、江西等6省市推廣應(yīng)用。該所智慧農(nóng)業(yè)研究中心博士后杜健銘近日接受《環(huán)球時報》記者采訪時介紹稱，“蟲臉識別”技術(shù)月前可以精準識別數(shù)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(fā)生程度。

用“自拍桿”為害蟲拍“寫真”

“蟲臉識別”是一種基于人工智能圖像識別和檢測技術(shù)，讓機器自動化識別照片中害蟲種類和數(shù)量的病蟲害測報手段。經(jīng)由拍攝、上傳、分析、反饋等環(huán)節(jié)，植保人員和種田大戶可以快速了解農(nóng)田內(nèi)的病蟲害情況。

杜健銘向《環(huán)球時報》記者介紹稱，在田間采集拍攝使用的是由中科院合肥物質(zhì)科學研究院智能機械研究所科研人員自主研發(fā)的智能設(shè)備(上圖)。該設(shè)備由一根配有高清攝像頭與傳感器的“自拍桿”和搭載專用App的智能終端組成，可以伸到作物根系、果樹樹梢等調(diào)查人員難以進入、觀察的地方，使圖像采集工作更加便捷。

在田間完成圖像采集后，圖片將通過專用App被上傳至后端的算法服務(wù)器上，服務(wù)器會基于人工智能技術(shù)對這些圖像中包含的信息進行分析與綜合研判，并將識別結(jié)果數(shù)據(jù)返回至移動終端，整個過程僅需1秒鐘左右。

在移動終端上，用戶可以實時查看當前的圖像中包含有哪些害蟲以及害蟲的數(shù)量，也可以根據(jù)多個采樣點的識別結(jié)果綜合評估出當前田塊中可能的蟲害發(fā)生等級，輔助農(nóng)業(yè)植物保護專家完成快速田間調(diào)查，并提供合適的防治建議。

此外，相關(guān)數(shù)據(jù)還會被存儲到云端的數(shù)據(jù)庫中，工作人員可以通過電腦客戶端進行更加仔細地查閱，并可以對結(jié)果進行編輯、備注及下載，從而完成整個測報工作。

除移動端外，中科院-合肥物質(zhì)科學研究院智能機械研究所也與其他機構(gòu)合作研發(fā)多種測報裝置下的病蟲害識別技術(shù)，其中最具代表性的案例是田間固定式雷蟲測報燈下多種類害蟲智能識別技術(shù)。

杜健銘說，固定式害蟲測報燈通過在田間安放光誘燈，用特定頻段光把目標害蟲誘來后，自動對捕獲到的害蟲進行周期性拍照，并使用人工智能技術(shù)對圖像進行識別，遠程確認害蟲的種類與數(shù)量。測報燈的重點害蟲識別率能達到75%-80%,對于非常重要的害蟲預(yù)計可以達到90%。

“蟲臉識別”比人臉識別更難

盡管說起來容易，但“蟲臉識別”比生活中得到廣泛應(yīng)用的人臉識別難度大得多。甚至可以說，同樣是基于機器視覺對于圖像包含物體的識別，精準辨認出特征不同、形態(tài)各異的“蟲臉”難度更上一個臺階。

杜健銘告訴《環(huán)球時報》記者，人臉有幾十個關(guān)鍵點，機器是通過查找眼睛、鼻子、嘴等特征確認一個人的長相，“很重要的一點是，人臉識別的都是人，而害蟲的形態(tài)特征是非常復(fù)雜的”。

據(jù)杜健銘介紹，“蟲臉識別”存在多項主要挑戰(zhàn)：首先，很多害蟲的相似度極高，例如鱗翅目下就包含數(shù)十種常見田間作物害蟲，外貌特征很相似，“普通人看上去都是蛾子”，有些類別之間的疼別僅僅在翅膀上的一個不起眼的小斑點，專業(yè)人員也需仔細分辨，因此使用人工智能進行歸納比較困難；其次，害蟲大小不一，有的害蟲在照片中會小到難以進行形態(tài)分辨；此外，拍攝手法導致的逆光、陰影等會讓拍攝采樣質(zhì)量有較大波動，進一步增加了識別難度。

更復(fù)雜的是，我國主要經(jīng)濟作物上可能出現(xiàn)的害蟲種類達到幾百種；而每種害蟲又可能處于不同蟲齡以及發(fā)育階段，如幼蟲期和成蟲期，導致即使是同一一種害蟲的樣子也會大不相同。這就造成了田間的“蟲臉識別”需要識別多姿態(tài)、多種類、多形態(tài)的害蟲，帶來的技術(shù)挑戰(zhàn)比人臉識別大得多。

面對比人臉更加復(fù)雜多樣的“蟲臉”，提升識別準確率的核心還是建立起足夠規(guī)模的“蟲臉”數(shù)據(jù)庫。據(jù)悉，2016年到2018年的3年時間里，中科院合肥物質(zhì)科學研究院智能機械研究所的科研人員幾乎住在了安徽省內(nèi)的各個縣市，對田間的害蟲進行數(shù)據(jù)采集，完成了快速的數(shù)據(jù)積累。

數(shù)據(jù)庫建立后，農(nóng)業(yè)植物保護專家首先依據(jù)對害蟲的判斷來分析整理數(shù)據(jù)庫，然后使用特別設(shè)計的人工智能深度學習算法，讓計算機自動歸納和總結(jié)某一類害蟲所擁有的共性，例如口器、翅膀紋理、后背的花紋和斑點，這些特征最終構(gòu)成了一張張“蟲臉”。

據(jù)杜健銘介紹，目前針對種田大戶使用的數(shù)據(jù)庫已包括100多萬張圖片，覆蓋29種農(nóng)作物和經(jīng)濟作物，300多種病蟲害。其中，對四五十種病蟲害的識別準確度在80%以上。杜健銘說，“蟲臉識別”技術(shù)對一些重大的遷飛性害蟲以及小麥、水稻的重點關(guān)注害蟲的識別，已經(jīng)比較成功了。

向更長期的自動化病蟲害精準預(yù)測努力

“蟲臉識別”技術(shù)最先在安徽省內(nèi)進行試驗。從2016年開始，由全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心聯(lián)合安徽省植保總站向全國4個省市進行推廣應(yīng)用，在2018年擴大到6個省市(安徽、江西、河南、湖南、湖北、山東省)。

杜健銘告訴《環(huán)球時報》記者，“蟲臉識別”技術(shù)的應(yīng)用提升了病蟲害測報的效率，也降低了成本。科研人員將繼續(xù)對“蟲臉識別”技術(shù)進行完善，希望進一步提升可識別的病蟲害種類及準確性。杜健銘表示，團隊希望不斷更新硬件設(shè)備，提升圖片拍攝的質(zhì)量。與此同時，針對難以識別的“蟲臉”，團隊也計劃能夠開發(fā)新算法，通過總結(jié)植保專家的經(jīng)驗知識和模擬人的感知能力，搭建一個與多種知識結(jié)合的圖像識別推理模型，提升圖像的識別能力。

杜健銘說，除了進行即時病蟲害測報外，科研人員正在向更長期的自動化病蟲害發(fā)生精準預(yù)測這個方向努力。現(xiàn)在還需要人工在田間采集數(shù)據(jù)的工作，未來將通過無人設(shè)備或者更加智能化的輔助設(shè)備來完成。屆時再利用先進的人工智能技術(shù)，逐步替代人工構(gòu)建、補充及維護預(yù)測模型的工作，就可以實現(xiàn)自動化的快速迭代害蟲發(fā)生預(yù)測模型，幫助農(nóng)業(yè)專家們更快更準確地預(yù)測病蟲害發(fā)生。▲