農(nóng)機大全網(wǎng)（www.97661a.com）最新農(nóng)機信息：澳大利亞研發(fā)出人工智能識別害蟲，農(nóng)機新產(chǎn)品,二手農(nóng)機,農(nóng)機補貼目錄,農(nóng)機價格查詢,農(nóng)機報價大全，更多農(nóng)機資訊請查看：農(nóng)機資訊

　　澳大利亞研發(fā)出人工智能識別害蟲

澳大利亞的西澳大利亞的科學家已經(jīng)訓練出一種人工智能來識別害蟲，比技術(shù)領(lǐng)域的任何東西都要快，創(chuàng)造了一種世界一流的昆蟲探測器。

來自默多克大學和西澳政府的研究人員實現(xiàn)了72.1%的身份識別準確率，擊敗了現(xiàn)有技術(shù)，同時實現(xiàn)了每秒63.8張圖像的快速檢測率。

他們使用了一個名為YOLOv3的機器學習平臺，這是一個作為一個有效而簡單的探測器的網(wǎng)絡，它可以學習識別不同大小的物體。研究人員在YOLOv3機器學習平臺上添加了識別昆蟲的功能。

他們增加了一個功能，允許探測器學習不同的空間元素。

“傳統(tǒng)上，通過目測和人工計數(shù)來獲得昆蟲種群的信息，”首席研究員和信息技術(shù)專家教授費多斯·索赫爾說道，“然而，這些方法是勞動密集型，耗時和潛在的不一致，由于人為因素。隨著機器學習和深度學習技術(shù)的快速發(fā)展，農(nóng)業(yè)昆蟲的自動檢測已經(jīng)成為可能。開發(fā)多種昆蟲檢測策略已經(jīng)成為害蟲管理的一個必不可少的部分?！?/p>

Sohel教授表示，該團隊的目標是利用增強型人工智能機器學習技術(shù)，現(xiàn)高性能農(nóng)業(yè)昆蟲探測器。

他們使用25878張昆蟲圖像的數(shù)據(jù)集開發(fā)了一種算法，這些昆蟲包括甲蟲、象鼻蟲和蛾。

研究人員記錄的平均準確率為71.6%，然后，通過處理具有復雜背景的昆蟲圖像，他們將檢測準確率進一步提高了3%。

“從計算機算法的角度來看，昆蟲檢測圖像提出了一個問題，因為他們是如此之小。由于圖像中昆蟲的分辨率較小，以及遮擋（當對象過于接近或重疊時）、噪聲和缺乏特征和紋理等其他干擾，因此在大型數(shù)據(jù)集中檢測微小對象具有挑戰(zhàn)性。"

實驗結(jié)果表明，與其他最先進的物體探測器相比，昆蟲探測精度有了明顯的提高.

此外，它們的開發(fā)對處理速度的影響很小。

“此外，它也適用于從大型多尺度農(nóng)業(yè)害蟲數(shù)據(jù)集的圖像中實時自動檢測昆蟲?！?/p>

有一些缺點。對于含有重疊小昆蟲的圖像，模型的性能較差。

此外，該機器難以識別顏色和形狀相似的昆蟲，而且大小和規(guī)模的差異導致數(shù)據(jù)集的不平衡，從而降低了準確性?！霸谖磥?，我們計劃解決重疊的昆蟲，昆蟲具有高相似性和規(guī)模變化的檢測?！岸倚枰嗟难芯縼硖岣咴诰哂刑魬?zhàn)性的條件下檢測的準確性?！?/p>