(相关资料图)
本报记者 赵觉珵
刷脸支付、刷脸开门、刷脸解锁手机……基于人工智能图像识别技术的种种应用在日常生活中屡见不鲜。但将这项人工智能技术用来识别“虫脸”，恐怕就是很多人都想象不到的了。据《环球时报》记者了解，由中国科学院合肥物质科学研究院智能机械研究所研发的“虫脸识别”技术已在安徽、江西等6省市推广应用。该所智慧农业研究中心博士后杜健铭近日接受《环球时报》记者采访时介绍称，“虫脸识别”技术目前可以精准识别数十种常见害虫，助力田间植物保护测报人员和种田大户判断田间病虫害发生程度。
“虫脸识别”是一种基于人工智能图像识别和检测技术，让机器自动化识别照片中害虫种类和数量的病虫害测报手段。经由拍摄、上传、分析、反馈等环节，植保人员和种田大户可以快速了解农田内的病虫害情况。
杜健铭向《环球时报》记者介绍称，在田间采集拍摄使用的是由中科院合肥物质科学研究院智能机械研究所科研人员自主研发的智能设备（上图）。该设备由一根配有高清摄像头与传感器的“自拍杆”和搭载专用App的智能终端组成，可以伸到作物根系、果树树梢等调查人员难以进入、观察的地方，使图像采集工作更加便捷。
在田间完成图像采集后，图片将通过专用App被上传至后端的算法服务器上，服务器会基于人工智能技术对这些图像中包含的信息进行分析与综合研判，并将识别结果数据返回至移动终端，整个过程仅需1秒钟左右。
在移动终端上，用户可以实时查看当前的图像中包含有哪些害虫以及害虫的数量，也可以根据多个采样点的识别结果综合评估出当前田块中可能的虫害发生等级，辅助农业植物保护专家完成快速田间调查，并提供合适的防治建议。
此外，相关数据还会被存储到云端的数据库中，工作人员可以通过电脑客户端进行更加仔细地查阅，并可以对结果进行编辑、备注及下载，从而完成整个测报工作。
除移动端外，中科院合肥物质科学研究院智能机械研究所也与其他机构合作研发多种测报装置下的病虫害识别技术，其中最具代表性的案例是田间固定式害虫测报灯下多种类害虫智能识别技术。
杜健铭说，固定式害虫测报灯通过在田间安放光诱灯，用特定频段光把目标害虫诱来后，自动对捕获到的害虫进行周期性拍照，并使用人工智能技术对图像进行识别，远程确认害虫的种类与数量。测报灯的重点害虫识别率能达到75%-80%，对于非常重要的害虫预计可以达到90%。
尽管说起来容易，但“虫脸识别”比生活中得到广泛应用的人脸识别难度大得多。甚至可以说，同样是基于机器视觉对于图像包含物体的识别，精准辨认出特征不同、形态各异的“虫脸”难度更上一个台阶。
杜健铭告诉《环球时报》记者，人脸有几十个关键点，机器是通过查找眼睛、鼻子、嘴等特征确认一个人的长相，“很重要的一点是，人脸识别的都是人，而害虫的形态特征是非常复杂的”。
据杜健铭介绍，“虫脸识别”存在多项主要挑战：首先，很多害虫的相似度极高，例如鳞翅目下就包含数十种常见田间作物害虫，外貌特征很相似，“普通人看上去都是蛾子”，有些类别之间的区别仅仅在翅膀上的一个不起眼的小斑点，专业人员也需仔细分辨，因此使用人工智能进行归纳比较困难；其次，害虫大小不一，有的害虫在照片中会小到难以进行形态分辨；此外，拍摄手法导致的逆光、阴影等会让拍摄采样质量有较大波动，进一步增加了识别难度。
更复杂的是，我国主要经济作物上可能出现的害虫种类达到几百种；而每种害虫又可能处于不同虫龄以及发育阶段，如幼虫期和成虫期，导致即使是同一种害虫的样子也会大不相同。这就造成了田间的“虫脸识别”需要识别多姿态、多种类、多形态的害虫，带来的技术挑战比人脸识别大得多。
面对比人脸更加复杂多样的“虫脸”，提升识别准确率的核心还是建立起足够规模的“虫脸”数据库。据悉，2016年到2018年的3年时间里，中科院合肥物质科学研究院智能机械研究所的科研人员几乎住在了安徽省内的各个县市，对田间的害虫进行数据采集，完成了快速的数据积累。
数据库建立后，农业植物保护专家首先依据对害虫的判断来分析整理数据库，然后使用特别设计的人工智能深度学习算法，让计算机自动归纳和总结某一类害虫所拥有的共性，例如口器、翅膀纹理、后背的花纹和斑点，这些特征最终构成了一张张“虫脸”。
据杜健铭介绍，目前针对种田大户使用的数据库已包括100多万张图片，覆盖29种农作物和经济作物，300多种病虫害。其中，对四五十种病虫害的识别准确度在80%以上。杜健铭说，“虫脸识别”技术对一些重大的迁飞性害虫以及小麦、水稻的重点关注害虫的识别，已经比较成功了。
“虫脸识别”技术最先在安徽省内进行试验。从2016年开始，由全国农业技术推广服务中心联合安徽省植保总站向全国4个省市进行推广应用，在2018年扩大到6个省市（安徽、江西、河南、湖南、湖北、山东省）。
杜健铭告诉《环球时报》记者，“虫脸识别”技术的应用提升了病虫害测报的效率，也降低了成本。科研人员将继续对“虫脸识别”技术进行完善，希望进一步提升可识别的病虫害种类及准确性。杜健铭表示，团队希望不断更新硬件设备，提升图片拍摄的质量。与此同时，针对难以识别的“虫脸”，团队也计划能够开发新算法，通过总结植保专家的经验知识和模拟人的感知能力，搭建一个与多种知识结合的图像识别推理模型，提升图像的识别能力。
杜健铭说，除了进行即时病虫害测报外，科研人员正在向更长期的自动化病虫害发生精准预测这个方向努力。现在还需要人工在田间采集数据的工作，未来将通过无人设备或者更加智能化的辅助设备来完成。届时再利用先进的人工智能技术，逐步替代人工构建、补充及维护预测模型的工作，就可以实现自动化的快速迭代害虫发生预测模型，帮助农业专家们更快更准确地预测病虫害发生。▲
关键词：
