合肥这些博士为啥“盯”上了虫子？

　　一根长长的“自拍杆”探入麦苗丛中，或深或浅，动作迅速如“扫雷”般……在合肥市长丰县，中国科学院合肥物质科学研究院智能机械研究所博士陈红波正在麦苗地里，给麦苗上的害虫们拍照片。

　　小小“自拍杆”，为何要给害虫拍照？

　　“给虫子拍照是为了识别害虫并进行防治，这是虫脸识别技术。”陈红波介绍，“虫脸识别”基于人工智能图像识别和检测技术，能够让机器自动化识别拍摄照片中害虫的种类、数量。经由拍摄、上传、分析、反馈等环节，植物保护测报工作者和种粮大户能迅速了解田间病虫害发生程度，为之后的精准防治、精准施药以及快速上报提供决策和建议。

　　100万张300余种虫脸数据库

　　一根“自拍杆”就能实现“虫脸识别”？陈红波拿起设备边操作，边向记者介绍，将设备探头伸进麦田，轻轻点击手机的拍摄按钮，就完成图片采集，再通过专用手机软件将图片上传至后端的算法服务器上，经算法分析与综合研判后，识别结果返回至移动终端。“整个识别过程约1秒钟。”

　　“这就是'自拍杆'传回的照片。”记者看到在专用手机软件上，图片上的虫子都被智能系统自动打上了框，不同种类的虫子以不同颜色的框加以区分。图片下方害虫种类、数量，虫害发生等级等一一呈现，并提供了合适的防治建议。

　　

　　识别千姿百态的虫子，最重要的是建立起“虫脸”数据库。

　　“从2016年到2018年，团队的科研人员带领学生几乎住在了省内各个县市，对田间害虫进行数据采集，就这样一点一滴，完成数据的快速积累。”陈红波感慨。

　　初步建立数据库后，该团队与省农业植物保护专家合作研究虫脸数据，让计算机自动归纳和总结某一类害虫所拥有的共性，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”。

　　中国科学院合肥物质科学研究院智能机械研究所博士后杜健铭介绍，目前“虫脸”数据库已包括100多万张图片，300多种病虫害“相貌”，覆盖小麦、水稻、油菜等29种农作物和经济作物。

　　“识别虫脸可不是一般的难”

　　“一周标记6000多张害虫图片，那段时间一闭眼，满脑子都是虫子。”34岁的杜健铭自2020年从国外回来加入“虫脸识别”团队，过去他研究语音识别，如今成了蚜虫专家。“蚜虫很小，计算、识别难度也很高，挑战性很大。”

　　“‘虫脸识别’和人脸识别都是基于机器视觉对图像包含的物体进行识别，但识别‘虫脸’可不是一般的难。”杜健铭打开了话匣子，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，“普通人看上去都是蛾子”；有的害虫在照片中会小到难以进行形态分辨；拍摄手法导致的逆光、阴影等也会让拍摄采样质量有较大波动，进一步增加识别难度。

　　

　　此外，我国是一个农业大国，主要农作物、经济作物上可能出现的害虫种类达到几百种；同一种类害虫若处于不同虫龄以及发育阶段，也可能有不同样貌。这种现状又加大了“虫脸识别”的难度。

　　为逐步突破“虫脸识别”的难点，该团队在第一版虫脸识别数据库搭建完毕后，科研人员继续从当地植保站及相关渠道中收集图像，同时每年还会有几十次的外派出差去实地采集图片数据，让图片数据库不断增长与完善。通过与植物保护专家团队合作建立优质数据基础，利用逐渐发展的摄像技术和人工智能技术，“虫脸识别”的识别率逐年上升。目前，“虫脸识别”技术对稻纵卷叶螟、二化螟、水稻纹枯病、稻曲病等16种重大病虫害识别率达到80%以上。

　　在全国农业技术推广服务中心和安徽省植物保护总站的支持下，2017年，这种病虫害移动采集设备在安徽省的10余个县区植保站率先应用示范，如今已经推广应用到河南、江西、湖北等10余个省份的80余家植保站。

　　来源：安徽日报