澳大利亚研发出人工智能识别害虫

澳大利亚的西澳大利亚的科学家已经训练出一种人工智能来识别害虫，比技术领域的任何东西都要快，创造了一种世界一流的昆虫探测器。

来自默多克大学和西澳政府的研究人员实现了72.1%的身份识别准确率，击败了现有技术，同时实现了每秒63.8张图像的快速检测率。

他们使用了一个名为YOLOv3的机器学习平台，这是一个作为一个有效而简单的探测器的网络，它可以学习识别不同大小的物体。研究人员在YOLOv3机器学习平台上添加了识别昆虫的功能。

他们增加了一个功能，允许探测器学习不同的空间元素。

“传统上，通过目测和人工计数来获得昆虫种群的信息，”首席研究员和信息技术专家教授费多斯·索赫尔说道，“然而，这些方法是劳动密集型，耗时和潜在的不一致，由于人为因素。随着机器学习和深度学习技术的快速发展，农业昆虫的自动检测已经成为可能。开发多种昆虫检测策略已经成为害虫管理的一个必不可少的部分。”

Sohel教授表示，该团队的目标是利用增强型人工智能机器学习技术，现高性能农业昆虫探测器。

他们使用25878张昆虫图像的数据集开发了一种算法，这些昆虫包括甲虫、象鼻虫和蛾。

研究人员记录的平均准确率为71.6%，然后，通过处理具有复杂背景的昆虫图像，他们将检测准确率进一步提高了3%。

“从计算机算法的角度来看，昆虫检测图像提出了一个问题，因为他们是如此之小。由于图像中昆虫的分辨率较小，以及遮挡（当对象过于接近或重叠时）、噪声和缺乏特征和纹理等其他干扰，因此在大型数据集中检测微小对象具有挑战性。"

实验结果表明，与其他最先进的物体探测器相比，昆虫探测精度有了明显的提高.

此外，它们的开发对处理速度的影响很小。

“此外，它也适用于从大型多尺度农业害虫数据集的图像中实时自动检测昆虫。”

有一些缺点。对于含有重叠小昆虫的图像，模型的性能较差。

此外，该机器难以识别颜色和形状相似的昆虫，而且大小和规模的差异导致数据集的不平衡，从而降低了准确性。“在未来，我们计划解决重叠的昆虫，昆虫具有高相似性和规模变化的检测。“而且需要更多的研究来提高在具有挑战性的条件下检测的准确性。”