秋の収穫がインテリジェントになったら: 携帯電話で写真を撮るだけで作物を診断できるでしょうか?

制作：中国科学普及協会

著者: 杜建明 (中国科学院合肥物理科学研究所)

プロデューサー: 中国科学博覧会

スマート秋の収穫アシスタント名刺

アシスタント：作物の病気、害虫、雑草の自動識別および遠隔診断システム

2つの魔法の武器：害虫、病気、雑草の自動認識。マルチターミナルモード

3つの主要技術：深度情報に基づく自動画像セグメンテーション技術。マルチ特徴融合に基づく画像特徴抽出技術。機械学習に基づく画像分類・認識技術

エネルギー値: 5 つ星

身分証明書用写真:

フロントエンドカメラ機器（CCDカメラ）、モバイルインテリジェント端末（モバイル端末クライアント）、アルゴリズムサーバーを含む（画像提供：著者）

スマート秋の収穫アシスタント自己紹介

はじめまして。私は、作物の病気、害虫、雑草の自動識別および遠隔診断システムであり、中国科学院合肥物理科学研究所の大家族の一員です。

作物の病気、害虫、雑草が、植栽業界にとって常に最も厄介な問題の一つであったことは、誰もが知っています。しかし、私の助けがあれば、作物の病気、害虫、雑草は簡単に解決できます。

食べられたトウモロコシの葉（写真提供：veer photo gallery）

2つのコア機能

作物の病気、害虫、雑草を予防および制御するためのインテリジェント システムとして、病気、害虫、雑草の画像の自動認識とマルチ端末モードという「 2 つの魔法の武器」をご紹介します。

害虫、病気、雑草画像の自動認識と多端末適応モードの実現は、科学研究チームが開発した害虫、病気、雑草の高性能画像認識アルゴリズムと中国科学院内に構築されたデータサーバーと切り離せないものです。

まず、高性能な私の体の害虫と病気のサーバーは、さまざまなチャネル（携帯電話、カメラ、さらには監視カメラなど）によって収集された画像の高精度で正確な認識を実現できるだけでなく、認識モデルの軽量で高速な処理も実現できるため、モデルは大量の写真を同時に処理する際に高い認識率を確保しながらデータ処理速度を確保できます。

さらに、研究チームは認識モデルをインターフェース呼び出しの形式でパッケージ化し、標準化された伝送プロトコルとフィールドを通じてデータの伝送、アクセス、分析、結果取得を実現しました。

こうすることで、複数の端末で同時に同じ認識モデルを使用できるようになります。データ処理サーバーが中国科学院のデータセンターに設置されていることも強調しておく必要がある。このセンターは、各種データの伝送と計算のための全国トップクラスの安全で安定した環境を提供し、私の「脳」内のシステムの正常な動作をしっかりと保証します。

私の他の魔法の武器：マルチ端末モードの中で、携帯電話モードはフィールド調査の先駆者です。科学研究チーム自らが開発した現地調査プローブと一緒に使用できるだけでなく、携帯電話のカメラを通じて直接データを収集することもできます。

携帯電話で害虫、病気、雑草を自動識別（画像提供：著者）

携帯電話は画像や地理環境情報を収集する機能があり、インターネットを通じて画像や情報をアップロードすることができます。わずか数秒で、画像内の害虫や雑草の種類、発生評価、一般的に使用されている予防・防除方法などの情報が得られます。

マイ コンピュータ モードは、データの整理とレポート作成においてユーザーに役立つように特別に設計されています。ここで、ユーザーは携帯電話からアップロードされたすべての画像、認識結果、環境地理情報を閲覧できるだけでなく、農業専門家が提供する専門的な薬物使用の予防と管理のガイドラインも確認できます。

さらに、このモードでは結果のエクスポート機能もサポートされており、ユーザーは簡単な操作で完全な現地調査データテーブルを取得できるため、レポート作成が容易になります。

3つの主要技術

もし私がこの二つの魔法の武器しか持っていなかったら、作物の病気や害虫、雑草を完全に防除する資格はないだろう。また、深度情報に基づく自動画像セグメンテーション技術、マルチ特徴融合に基づく画像特徴抽出技術、機械学習に基づく画像分類・認識技術という3つの主要技術も有しています。

私の研究開発チームは設立以来、国内外の害虫や病気のインテリジェントな識別の分野の最前線に立ってきました。毎年、人工知能と農業を組み合わせた優れた研究成果を多数生み出し、世界のトップジャーナルに掲載されています。

その中で、自動画像セグメンテーション、多特徴融合抽出、画像分類・認識技術は、あくまでも一般的な方向性にすぎません。実際、各方向は、農業害虫や病気の現在の特定で遭遇する顕著かつ困難な問題を解決するために、いくつかの小さな方向に細分化することができます。

害虫の識別結果（画像提供：著者）

例えば、自動セグメンテーション技術では、研究チームは、特に積み重ねられた害虫を対象とした表面害虫検出およびセグメンテーションアルゴリズムを開発し、また、密集した極めて小さな害虫を対象とした多層改良セグメンテーションアルゴリズムも開発しました。研究チームは、多特徴融合抽出において、環境的背景に基づいて作物と害虫種の関係を研究しただけでなく、害虫とその姿勢および形態学的特徴との間の潜在的な相関関係も研究しました。分類・認識技術の分野では、研究チームは複数の高粒度認識アルゴリズムを提案しただけでなく、非常に類似したさまざまな蛾の特殊な分類技術も提案しました。

2 つのコア機能と 3 つの主要テクノロジーにより、植物保護の専門家に代わって、自動作物診断を効果的かつタイムリーに完了し、農薬の使用を減らして農産物の品質を向上させることができます。

データベースと植物保護の専門家

常に高いレベルの認識精度と正確さを維持できるように、システム内のデータベースは継続的に反復されています。

現在、科学研究チームは毎年、安徽省の病害虫発生地域で現地データ収集を組織するほか、安徽省植物防疫所や安徽省内の多くの県植物防疫所と連絡を取り、安徽省農業科学院の専門家を招いて指導にあたっている。

研究チームは現場でデータを収集している（画像提供：著者）

私のデータベースは、年間 100,000 枚以上の画像の割合で成長しています。私も、私を開発している科学者たちもすごいと思いませんか？

現在、モバイルアプリでもWEB端末でも、最新のデータベースとアルゴリズムライブラリが表示され、随時更新・プッシュされ、ユーザーが最新の技術を利用できるように努めています。

また、現在の私の機能は、害虫や病気の特定だけではなく、携帯電話に内蔵されている地理気象機能を直接呼び出してマルチ情報記録を実現したり、WEB側でいつでも履歴記録を閲覧したり、ワンクリックでエクスポートしたりと、現場調査員が調査結果を出力するのに便利ななど、多くの新機能を皆様に提供しています。

さらに、最も重要な点は、科学研究チームが2019年から安徽省植物保護ステーションと協力し、人工知能と手作業による現場調査のベンチマーク実験を3年間実施し、8つの一般的な現場害虫と病気の統計的インテリジェント識別と手作業調査間の評価結果の比較分析を行ったことです。

これにより、人工知能による識別結果に基づいて、現場調査の害虫および病気の発生レベルの評価をユーザーに直接提供できるようになります。ユーザーが自分で記録や計算を行う必要がなくなり、ユーザーの調査速度とインテリジェンスレベルが大幅に向上します。

害虫や病気の防除をより効果的に行うために、私には植物保護の専門家という多くのパートナーもいます。

科学研究チームは長年にわたり、植物保護ステーションや安徽省農業科学院の専門家と緊密な協力関係を維持してきた。害虫、病気、雑草を正確に特定し、予防と管理の提案を行うことができますが、実際には、すべての知識ベースは彼らによって慎重に編集および検証されており、優れた科学性と応用性を備えています。同時に、私のシステム内の専門知識ベースも定期的に更新されます。

現在、科学研究チームはユーザーを組織して専門家とコミュニケーションをとる予定であり、現在の識別システムに基づいてさらに進んで、専門家のコミュニケーションと質疑応答のチャンネルを確立し、農業分野の専門家を組織してユーザーからの質問に答える予定です。

アシスタントからのメッセージ

もちろん、私のシステムはまだ改良が続けられており、より良いユーザー エクスペリエンスをすべての人に提供するために、徐々に機能が追加されています。

我が国の農業生産に貢献するインテリジェント農業機械の一つとして、その開発にはアイデアと能力を備えた科学研究者の努力と知恵も緊急に必要です。中国科学院合肥物理科学研究所の研究チームはまた、技術が成熟すれば、ソフトウェアインターフェースAPIの形で大多数の開発者に開発資格を開放し、より多くのアイデアを持ったチームがこの技術をより広い農業分野に適用し、大多数の農業従事者に、より完全で専門的かつインテリジェントなサービスを提供できるようになることを期待している。