应用人工智能监测作物病虫害的问题与展望


发布时间:

2021-07-17

来源:

本站

作者:

PhenoTrait

农作物病害的发生率与日俱增,导致了高达30%甚至更多的产量损失。及时发现病害,采取植保措施,防止有害生物扩散是当务之急。由于作物病害鉴定和解释工作的复杂性和大规模性,现代数字技术和人工智能在这一领域的应用具有极为广阔的前景。为此,通常使用神经网络算法,即卷积神经网络算法,它具有多层和最精确的输出信息。然而,这些技术的使用也有挑战,特别是需要采取不同保护措施的传染病和非传染病的区别诊断、无法诊断植物根系病害以及建立受影响植物数据库的高昂成本。但是,这些问题都是可以利用人工智能技术解决。综上所述,人工智能在监测作物的病虫害方面具有广阔的应用前景。

 

基于神经网络的植物病害识别方案

 

作物叶茎感染造成的作物损失

 

来源:

Elena V. KhudyakovaIrina V. SlastyaVictoria S. Semenyuk. Problems and Prospects of Using Artificial Intelligence to Monitor Phytosanitary Conditions of Crops. The Challenge of Sustainability in Agricultural Systems pp 847-854.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。