Schädling: Wie kann beim Essen meine ID-Nummer offengelegt werden? !

Mit dem Einzug des Frühlings haben die Bauern wieder mit dem Frühjahrspflügen begonnen. Auf den Feldern machte eine Gruppe von Wissenschaftlern Fotos von Insekten mit Stäben. Es stellte sich heraus, dass die „Insektengesichtserkennung“ erneut auf dem „Schlachtfeld“ war. Diese beiden Artikel führen Sie in die „schwarze Technologie“ des Institute of Intelligent Machinery, Hefei Institutes of Physical Science, Chinese Academy of Sciences ein – die Technologie zur „Insektengesichtserkennung“.

Der neue Job der Wissenschaftler: Insekten fotografieren

Bei der „Insektengesichtserkennung“ handelt es sich um eine Technologie, die hauptsächlich auf der Bilderkennungs- und -erfassungstechnologie künstlicher Intelligenz basiert und es der Maschine ermöglicht, die Art und Menge von Schädlingen auf den aktuell aufgenommenen Fotos automatisch zu identifizieren. Es kann Feldpflanzenschutzüberwachungspersonal und Großbauern dabei unterstützen, das aktuelle Ausmaß von Schädlingen und Krankheiten auf dem Feld zu bestimmen und Entscheidungen und Vorschläge für eine anschließende präzise Prävention und Kontrolle, eine präzise Anwendung von Pestiziden und eine schnelle Berichterstattung zu liefern.

Schauen wir uns genauer an, wie dieses Tool aussieht.

Das Gerät zur „Insektengesichtserkennung“ umfasst ein Front-End-Kameragerät (CCD-Kamera), ein mobiles Smart-Terminal (Mobile Terminal Client) und einen Algorithmus-Server. (Bildquelle: Autor)

Das Tool „Bug Face Recognition“ besteht aus drei Teilen.

Der erste Teil ist das Front-End-Aufnahmegerät, das von Wissenschaftlern des Institute of Intelligent Machinery des Hefei Institutes of Physical Science der Chinesischen Akademie der Wissenschaften unabhängig entwickelt wurde und einem Selfie-Stick ähnelt. An der Vorderseite ist eine hochauflösende Kamera angebracht, mit der auch schwer zugängliche Stellen erreicht werden können, die für Ermittler schwer zu erreichen und zu beobachten sind, wie etwa das Wurzelsystem von Nutzpflanzen und die Wipfel von Obstbäumen, wodurch die Bilderfassung vereinfacht wird.

Der zweite Teil ist das mobile Smart-Terminal, das mit einer speziellen APP zur Ermittlung ausgestattet ist. Nach dem Sammeln der Daten auf dem Frontend kann diese APP die ausgewählten Umfragebilder schnell im Hintergrund auf den Algorithmusserver hochladen.

Der Algorithmus-Server ist der dritte Teil. Nach Erhalt dieser Bilder analysiert und beurteilt der Algorithmusserver die in diesen Bildern enthaltenen Informationen umfassend auf der Grundlage künstlicher Intelligenz. Der Server gibt dann die Daten des Erkennungsergebnisses an das mobile Endgerät zurück. Der gesamte Vorgang dauert nur etwa 1 Sekunde.

Wenn Sie das Gerät zur „Insektengesichtserkennung“ bedienen, strecken Sie die Frontkamera in die Stelle, an der das Ungeziefer auftritt, um Bilder aufzunehmen und diese über die App hochzuladen. Welche Schädlinge sich in der aktuellen Aufnahme befinden und wie viele Schädlinge es sind, sehen Sie sofort am Terminal. Die Maschine kann anhand der Erkennungsergebnisse mehrerer Probenahmestellen das mögliche Ausmaß des Schädlingsbefalls auf dem aktuellen Feld umfassend bewerten, Pflanzenschutzexperten in der Landwirtschaft bei der Durchführung schneller Felduntersuchungen unterstützen und geeignete Vorschläge zur Prävention und Bekämpfung unterbreiten.

Diese Daten liefern nicht nur Echtzeit-Feedback auf Mobilgeräten, sondern werden auch in einer Cloud-Datenbank gespeichert. Die Mitarbeiter können sie über einen Computerclient genauer prüfen und die Ergebnisse bearbeiten, kommentieren und herunterladen, um die gesamte Überwachungs- und Berichtsarbeit abzuschließen.

Ergebnisse der Schädlingsidentifizierung (Bildquelle: Autor)

Der erste Schritt der „Bug Face Recognition“: Ersetzen des menschlichen Gesichts durch „Bug Face“

Die Gesichtserkennungstechnologie wird in allen Bereichen unseres täglichen Lebens eingesetzt. Sowohl die „Insektengesichtserkennung“ als auch die menschliche Gesichtserkennung basieren auf der Erkennung von in Bildern enthaltenen Objekten durch maschinelles Sehen. Allerdings ist es äußerst schwierig, das Erkennungsobjekt von einem menschlichen Gesicht in ein „Insektengesicht“ zu ändern.

Das Gesicht einer Person weist Dutzende von Schlüsselpunkten auf und die Maschine kann grundsätzlich erkennen, wie eine Person aussieht, indem sie nach Augen, Nase, Mund usw. sucht. Beim „Käfergesicht“ ist das jedoch anders. Durch einfache, manuell gesetzte Schlüsselpunkte kann die Maschine es nicht genau identifizieren.

Auf den Feldern können Hunderte von Schädlingsarten vorkommen, die auf den wichtigsten Nutzpflanzen meines Landes auftreten können. Jeder Schädling kann sich in einem anderen Alter und Entwicklungsstadium befinden, beispielsweise als Larve oder erwachsenes Tier, was dazu führen kann, dass derselbe Schädling sehr unterschiedlich aussieht. Dies bedeutet, dass die „Gesichtserkennung von Insekten“ im Feld die Identifizierung von Schädlingen mit unterschiedlichen Haltungen, Arten und Formen erfordert, was viel schwieriger ist als die Gesichtserkennung beim Menschen.

Um Insekten unterschiedlicher Formen und Größen identifizieren zu können, ist es am wichtigsten, eine Datenbank mit „Insektengesichtern“ anzulegen. Ganz am Anfang der Entwicklung der Technologie zur „Insektengesichtserkennung“ stand für die Wissenschaftler die Datensammlung im Vordergrund. Von 2016 bis 2018 führten Wissenschaftler des Instituts für Intelligente Maschinen des Hefei Institutes of Physical Science der Chinesischen Akademie der Wissenschaften Studenten durch fast alle Kreise und Städte der Provinz Anhui, um Daten über Schädlinge auf den Feldern zu sammeln und so eine schnelle Datensammlung durchzuführen.

Wissenschaftler schließen Datenerhebung im Feld ab (Bildquelle: Autor)

Nachdem die Datenbank erstellt wurde, analysieren und organisieren Pflanzenschutzexperten die Datenbank zunächst auf Grundlage ihrer Einschätzung der Schädlinge. Anschließend verwenden sie Deep-Learning-Algorithmen künstlicher Intelligenz, damit der Computer die gemeinsamen Merkmale einer bestimmten Schädlingsart – Mundwerkzeuge, Flügelstruktur, Muster und Flecken auf dem Rücken … – automatisch zusammenfassen und daraus schließen kann. Diese werden dann zu den vom Computer automatisch zusammengefassten Schädlingsmerkmalen, dem „Insektengesicht“.

Nach mehreren Jahren ist es uns endlich gelungen, „Insektengesichter“ intelligent zu erkennen, genauso wie menschliche Gesichter.

Doch die Arbeit am Aufbau der Datenbank wurde nicht eingestellt. Nachdem die erste Version des Erkennungssystems erstellt worden war, sammelten die Wissenschaftler weiterhin Bilder von lokalen Pflanzenschutzstationen und anderen relevanten Kanälen. Gleichzeitig würden sie jedes Jahr Dutzende von Geschäftsreisen ins Ausland unternehmen, um vor Ort relevante Bilddaten zu sammeln, sodass die Bilddatenbank weiter wachsen und sich verbessern und die Erkennungsrate der „Insektengesichtserkennung“ von Jahr zu Jahr steigen würde.

Das „Käfergesicht“ ist so klein, wie können wir erkennen, wer es ist?

Solange Sie über die drei wichtigsten Hilfsmittel verfügen, können Sie den „Ausweis“ des Schädlings schnell melden.

Der erste ist die schrittweise Entwicklung der Kameratechnologie. Die Auflösung und Bildqualität der Bilder, die wir heute aufnehmen, sei es von Mobiltelefonen, Kameras oder festen Überwachungsgeräten, nimmt schrittweise zu. Dies ist die Grundlage für die Bereitstellung besserer und klarerer Bilddaten zu Schädlingen.

Der Herbst-Heerwurm ist auf dem Bild sehr deutlich zu erkennen (Bildquelle: Autor)

Das zweite ist ein hochkarätiges Team von Pflanzenschutzexperten. Es handelt sich um Experten der Chinesischen Akademie der Agrarwissenschaften und der Pflanzenschutzstation der Provinz. Sie verfügen über ein klares Verständnis von Schädlingen und sind in der Lage, relativ kleine Schädlinge genau zu identifizieren und zu kennzeichnen, wodurch eine hochwertige Datengrundlage für nachfolgendes maschinelles Lernen bereitgestellt wird.

Der dritte Faktor ist die sich rasch entwickelnde Technologie der künstlichen Intelligenz. Mithilfe künstlicher Intelligenz kann dieses Gerät sehr kleine Schädlinge identifizieren. Die ausgereiftere Technologie besteht derzeit darin, die visuelle Wahrnehmung des menschlichen Auges zu simulieren – „von grob bis fein“.

Wenn wir beispielsweise in die Ferne blicken, sehen wir zunächst ein riesiges Panorama. Wenn in einem bestimmten Bereich des Panoramas ein interessantes Objekt erscheint, mobilisiert unser visueller Wahrnehmungsmechanismus die Aufmerksamkeit des Gehirns, sodass wir aufmerksamer beobachten und die Details des Objekts in diesem Bereich erkennen können.

Der Computeralgorithmus simuliert tatsächlich den menschlichen visuellen Wahrnehmungsprozess. Es identifiziert zunächst das aktuelle Bild grob, um zu bestimmen, wo Schädlinge im Bild erscheinen könnten, zoomt dann in den Schädlingsbereich und identifiziert schließlich die Art und Anzahl der Schädlinge im vergrößerten Bereich. Diese Methode verbessert die Geschwindigkeit der künstlichen Intelligenz bei der Bilderkennung erheblich, spart Rechenressourcen und gewährleistet zudem die Genauigkeit bei der Identifizierung kleiner Schädlinge.

Im Feld sind es im Allgemeinen Sonnenlicht und Schatten, die die Erkennungsgenauigkeit am meisten beeinflussen und die sich erheblich auf die vom Personal fotografierten Zielmerkmale auswirken können. Um qualitativ hochwertige Bilder zu sammeln, haben Wissenschaftler daher auch mit relevanten Institutionen zusammengearbeitet, um intelligente Bilderfassungsstandards für Reis und Weizen zu veröffentlichen. Die Standards umfassen die Spezifikationen für die korrekte Erfassung verschiedener, durch Experimente zusammengefasster Feldschädlinge und -krankheiten und verbessern dadurch die Standardisierung der Daten und die Verbesserung der Datenqualität.

Weizenblattläuse unter starkem Licht, die Farbmerkmale sind kaum zu unterscheiden (Bildquelle: Autor)

Auch Schädlinge unterschiedlichen Alters beeinträchtigen die Bilderkennung erheblich, insbesondere im Larvenstadium (Raupe), wo die Beeinträchtigung sehr gravierend ist. Selbst Pflanzenschutzexperten fällt es schwer, anhand eines einzigen Bildes die verschiedenen Larvenarten zu unterscheiden. Zu diesem Zeitpunkt sind weitere Informationen erforderlich, beispielsweise über die Art der Ernte, den geografischen Standort, den Erntezeitpunkt, die Temperatur, die Luftfeuchtigkeit usw. Anschließend kann die Art des Schädlings anhand von Erfahrungen bestimmt werden.

Beim Fotografieren von Schädlingen fotografieren Wissenschaftler natürlich auch nützliche Insekten, nehmen diese jedoch im Allgemeinen nicht in die Datenbank auf. Dies liegt zum einen daran, dass Nützlinge insgesamt einen relativ geringen Anteil ausmachen, zum anderen soll dadurch auch die Komplexität der Bestimmungsbibliothek minimiert und die Genauigkeit der Schädlingsbestimmung verbessert werden.

Die Technologie zur „Gesichtserkennung von Insekten“ war bei der Identifizierung einiger wichtiger wandernder Schädlinge und wichtiger explosiver Schädlinge von Weizen und Reis relativ erfolgreich. Die Erkennungsgenauigkeit im Feld liegt bei etwa 70 % bis 80 %.

Es kann nicht nur Insekten identifizieren, sondern auch „Krankheiten diagnostizieren“

Für Nutzpflanzen sind Krankheiten, Schadinsekten und Unkraut äußerst schädlich. Die Identifizierung von Schädlingen ist mit dieser Technologie relativ einfach, da die einzelnen Schädlinge deutlich erkennbar sind und ihre Anzahl gezählt werden kann. Bei der Krankheitsidentifizierung ist der Algorithmus jedoch komplizierter. Krankheiten können in Form von schwarzen Flecken, weißen Flecken oder gekräuselten Blättern auftreten. Die Merkmale jeder Krankheit sind völlig unterschiedlich, was bedeutet, dass die Krankheitsidentifizierung einen anderen Weg einschlagen muss als die Schädlingsidentifizierung. Es bedarf einer entsprechenden Algorithmusmodellierung, die auf den Charakteristika der jeweiligen Krankheit basiert.

Reiskornbrand (Bildquelle: Autor)

Die Forschung zu den Krankheiten von Weizen und Reis ist für die Wissenschaftler mittlerweile im Wesentlichen abgeschlossen und die Anwendungsebene erreicht. Die Forschung zu Krankheiten anderer Nutzpflanzen muss noch abgewartet werden.

Abschluss

Die „Insektengesichtserkennung“ ähnelt im Prinzip der menschlichen Gesichtserkennung, allerdings ist die Erkennung von „Insektengesichtern“ um viele Größenordnungen schwieriger als die Erkennung menschlicher Gesichter. Wie nützlich ist also die „Gesichtserkennung von Insekten“? Welche bitteren Erfahrungen haben Forscher im Forschungsprozess gemacht und wohin geht die zukünftige Entwicklung der intelligenten Landwirtschaft? Bleiben Sie dran für die nächste Folge, um es herauszufinden.

Autor: Du Jianming

Dieser Artikel stammt vom öffentlichen Konto „Science Academy“. Bitte geben Sie beim Nachdruck die Quelle des öffentlichen Kontos an.