关注微信号xnz360hao 进入:
【土壤改良、科学种植、新农资经销商】群

EPFL和宾大共同推出诊断植物病虫害的app
2015-12-12   来源:中国农药网   

  农作物疾病是饥荒的主要原因之一,但是传统的方法主要是通过视觉观察植物的叶片等进行判断,当然现今的科技使得我们能够在实验室环境对植物进行显微镜微观成像,甚至对他们进行DNA测序等深度分析,但是在研究病虫害的一线,我们仍然需要通过眼镜直接去进行判断,而这些奋战在抗击农作物病虫害一线的就是我们的农民伯伯了。

  为了解决这种诊断的问题,来自EPFL的研究者和宾大最近合作,收集了50000张被感染了疾病和正常的农作物叶子图片。这些训练样本集将作为机器学习的输入,他们将根据相关的逻辑构建树叶图片特征和病害标记标签建立相关的学习算法,形成一套自动的农作物病虫害诊断软件。最终,他们会将这些工作转化为一个成型的手机软件,送给农民伯伯们,作为抗击病虫害的武器!

  全世界都依赖稳定的粮食供应,我们是农业大国,都还需要跟泰国进行高铁换大米,转基因是一种解决方案,但是我们需要多元化的途径去应对不断膨胀的全球人口问题,以及这些嘴要吃饭的问题,保证粮食的安全就是保证大家的安全。每年都有大量的庄稼因为得不到及时的诊断和治疗使得收成减少,在不发达国家造成饥荒也是很正常的。我们所面临的调整就在于如何保证在病虫害的挑战下,保证粮食尽可能少的受到损失。

  在1845-1847年发生的马铃薯饥荒就使得爱尔兰1万人死于饥饿,往近处说咱们还有3年自然灾害,现在隆平高科的种子也不断爆出抗疾病能力太差。而最近联合国粮食农业部的调查也显示目前的作物病虫害每年导致粮食产量下降40%之多。

  EPFL的Marcel Salathé和宾大的David Hughes希望通过现在普及率很高的手机作为一线农民抵抗病虫害的武器。他们公布的开源数据包含50000张受到病虫害感染的作物叶片图像。

  这一举措背后的想法是通过一些软件开发人员通过这些原材料构建机器学习算法。而机器学习的一般想法就是通过给的数据以及标记的结果去构建一套分类系统,在具备大量学习素材的情况下去训练算法(SVM、神经网络等等)。虽然这些方法以及被广泛的应用于我们的日常生活,比如手机的指纹解锁,siri的语音识别、人脸识别等等,但是我们还很少将他们直接的应用到农业上。

  Salathé他们希望通过计算机科学中的识别和诊断算法来帮助检测农作物的疾病。最终的算法将十分精准,然后他们会封装成手机app,这样能够让农民们在日常耕作时实时的对自己的作物进行诊断,并提供合理的治疗方案。

  这两位科学家还建立了自己的网站,这个网站也是世界上最大的主题是植物疾病相关的科学知识网站,和相关书籍的免费图书馆。目前汇集了154种不同植物和超过1800多种疾病,相关的数据还在不停的增长中。作为一个在线的图书馆,他们希望自己的网站在将来能为世界范围内的用户提供一个能够解决他们需要的关于植物疾病信息的查询网站。如果我们能够让手机完成基本的和大部分的诊断工作,我们就能释放更多的时间去解决别的难题。

  不过手机诊断系统还在下一步的计划中,利用智能手机的摄像头成像并判断植物的疾病种类,这将十分方便和快捷。手机的妙处在于,就目前而言,Burkina Faso这边的小农场主们都有自己的智能手机,而有些机构预测2019年全球的手机拥有量将达到50亿部,到那个时候,智能设备可能真的能够改变我们食物的生长方式。

  目前的瓶颈在于训练算法的好坏,首先要能够识别作物是否生病了。虽然目前的手机普及率很高,但是我们仍然缺乏相关的训练数据集。

  我们希望通过公开已有的数据集,来吸引更多的参与者加入到我们的研究领域来。我们一方面鼓励更多的研究者收集并分享自己所整理的数据,同时我们还希望大家能够在算法上进行优化。

  在将来,我们将结合专业知识,并在世界范围内举办在线竞赛的形式吸引世界范围内的研究人员,我们的数据库会越来越丰富,而我们的算法也会越来越优良。

  这是一场令人兴奋的冒险,互联网移动平台已经从很多方面改变了我们的生活。我们希望通过在线比赛和众包的形式来改变人类社会的基石--我们的农作物。

  更多病虫害资讯,请关注农药网(www.nongyao168.com)

本文链接http://www.xnz360.com/35-177477-1.html

标签:农药 国际 病虫害 植物 诊断 共同 推出

上一篇:陶氏与杜邦产业链条重组 三个上市公司将拆分
下一篇:巴西haloxyfop-P除草剂被欧盟勒令暂停使用