害虫：食べるとID番号が漏れるなんてあり得るの？ ！

春の到来とともに、農家は再び春の耕作を始めました。野原では、科学者の一団が棒を使って昆虫の写真を撮っていました。 「昆虫の顔認識」が再び「戦場」に出たことが判明した。これら 2 つの記事では、中国科学院合肥物理科学研究所の知能機械研究所の「ブラック テクノロジー」である「昆虫の顔認識」テクノロジーについて詳しく説明します。

科学者の新しい仕事：虫の写真を撮る

「昆虫顔認識」は、主に人工知能による画像認識・検出技術をベースにした技術で、撮影した写真に写っている害虫の種類や量を機械が自動的に識別することができます。現場の植物保護監視担当者や大規模農家が現場の害虫や病気の現状を把握し、その後の正確な予防と管理、農薬の正確な散布、迅速な報告のための判断や提案を行うのに役立ちます。

このツールがどのようなものか詳しく見てみましょう。

「昆虫顔認識」デバイスには、フロントエンドカメラデバイス（CCDカメラ）、モバイルスマート端末（モバイル端末クライアント）、およびアルゴリズムサーバーが含まれます。 （画像出典：著者）

「虫の顔認識」ツールは3つの部分で構成されています。

最初の部分は、中国科学院合肥物理科学研究所知能機械研究所の科学者が独自に開発した、自撮り棒に似たフロントエンド撮影装置です。先端に高解像度カメラを搭載しており、作物の根系や果樹の先端など、調査員が立ち入って観察することが難しい場所まで到達できるため、画像収集がより便利になります。

2番目の部分は、調査用の特別なアプリを搭載したモバイルスマート端末です。このアプリは、フロントエンドでデータを収集した後、選択した調査画像をバックグラウンドでアルゴリズム サーバーにすばやくアップロードできます。

アルゴリズム サーバーは 3 番目の部分です。これらの写真を受け取った後、アルゴリズム サーバーは人工知能技術に基づいてこれらの画像に含まれる情報を分析し、総合的に判断します。その後、サーバーは認識結果データをモバイル端末に返します。全体のプロセスには約 1 秒しかかかりません。

「昆虫顔認識」装置を操作する際は、先端カメラを害虫が発生した場所に伸ばして写真を撮影し、アプリを通じてアップロードします。現在の画像にどんな害虫が含まれているか、また害虫の数が端末上ですぐに確認できます。この機械は、複数のサンプリングポイントの認識結果に基づいて、現在の圃場での害虫発生の可能性レベルを総合的に評価し、農業植物保護の専門家が迅速に現場調査を完了するのを支援し、適切な予防と制御の提案を提供します。

これらのデータは、モバイル デバイス上でリアルタイムのフィードバックを提供するだけでなく、クラウド データベースにも保存されます。スタッフは、コンピュータ クライアントを通じてそれらをより注意深く確認し、結果を編集、注釈付け、ダウンロードして、監視およびレポート作業全体を完了できます。

害虫の識別結果（画像提供：著者）

「虫の顔認識」の第一歩：人間の顔を「虫の顔」に置き換える

顔認識技術は私たちの日常生活のあらゆる側面に応用されています。 「昆虫の顔認識」も人間の顔認識も、画像に含まれる物体を機械視覚で認識する技術ですが、認識対象を人間の顔から「昆虫の顔」に変更することは極めて困難です。

人の顔には数十の重要なポイントがあり、機械は基本的に目、鼻、口などを見ることで、その人がどのような顔をしているかを知ることができます。しかし、「虫の顔」は違います。機械は、単純に手動で設定されたキーポイントを通じて正確に識別することはできません。

畑には、我が国の主要な経済作物に発生する可能性のある害虫が何百種も存在する可能性があります。それぞれの害虫は、幼虫や成虫など、年齢や発育段階が異なるため、同じ害虫でも見た目が大きく異なります。つまり、現場での「昆虫の顔認識」では、多様な姿勢、種類、形態の害虫を識別する必要があり、人間の顔認識よりもはるかに困難です。

さまざまな形や大きさの昆虫を識別するために最も重要なのは、「昆虫の顔」データベースを構築することです。 「昆虫の顔認識」技術の開発当初は、データの蓄積が科学者の最優先事項でした。 2016年から2018年にかけて、中国科学院合肥物理科学研究所知能機械研究所の科学者らは学生たちを率いて安徽省のほぼすべての県と市に滞在し、現場で害虫に関するデータを収集し、急速なデータ蓄積を完了した。

科学者が現場でデータ収集を完了（画像提供：著者）

データベースが構築された後、農作物保護の専門家は、まず害虫の判断に基づいてデータベースを分析および整理し、次に人工知能のディープラーニングアルゴリズムを使用して、コンピューターが特定の種類の害虫の共通の特徴（口器、羽の質感、背中の模様や斑点など）を自動的に要約して結論付けられるようにします。これらは、コンピューターによって自動的に要約された害虫の特徴、つまり「昆虫の顔」になります。

数年を経て、私たちはついに人間の顔を認識するのと同じように「昆虫の顔」をインテリジェントに認識できるようになりました。

しかし、データベースを構築する作業は止まりませんでした。認識システムの最初のバージョンが構築された後、科学者たちは地元の植物保護ステーションやその他の関連チャネルから画像を収集し続けました。同時に、毎年数十回海外出張し、現地で関連画像データを収集することで、画像データベースは継続的に成長し、改善され、「昆虫の顔認識」の認識率は年々向上しました。

「虫の顔」はとても小さいので、それが誰なのかどうやってわかるのでしょうか?

３大サポートがあれば、害虫の「IDカード」をすぐに通報できます。

1つ目は、カメラ技術の段階的な発展です。現在、携帯電話、カメラ、固定監視装置などから撮影される画像の解像度と画質は徐々に向上しており、これがより優れた鮮明な害虫画像データを提供する基礎となっています。

写真のヨトウムシは非常に鮮明です（画像提供：著者）

2つ目は、植物保護の専門家による質の高いチームです。彼らは中国農業科学院と省植物防疫所の専門家です。彼らは害虫を明確に理解しており、比較的小さな害虫を正確に識別して細かくラベル付けすることができ、その後の機械学習のための高品質のデータ基盤を提供します。

3つ目は急速に発展している人工知能技術です。この装置は人工知能技術のサポートにより、非常に小さな害虫を識別することができます。現在、より成熟した技術は、人間の目の視覚認識（「粗いものから細かいものまで」）をシミュレートする方法です。

たとえば、遠くを眺めると、まず広大なパノラマが見えます。興味のあるオブジェクトがパノラマの特定の領域に現れると、私たちの視覚知覚メカニズムが脳の注意を動員し、より注意深く観察して、この領域内のオブジェクトの詳細を見ることができるようになります。

コンピュータ アルゴリズムは実際に人間の視覚認識プロセスをシミュレートします。まず、現在の画像を大まかに識別して、画像内のどこに害虫が出現する可能性があるかを判断し、次に害虫領域を拡大し、最後に拡大領域内の害虫の種類と数をさらに識別します。この方法により、人工知能による画像認識の速度が大幅に向上し、コンピューティング リソースが節約され、小さな害虫の識別精度も確保されます。

現場では、認識精度に最も影響を与える要因は通常、日光と影であり、スタッフが撮影した対象の特徴に大きな影響を与える可能性があります。そのため、高品質の画像を収集するために、科学者は関連機関と協力して、米と小麦のインテリジェント画像取得基準も発表しました。この規格は、実験を通じてまとめられたさまざまな野外害虫や病気を正確に収集するための仕様をカバーしており、それによってデータの標準化が進み、データの品質が向上します。

強い光の下では、小麦アブラムシの色の特徴はほとんど区別がつかない（画像提供：著者）

異なる年齢の害虫も画像認識に大きな干渉を与え、特に幼虫（イモムシ）の段階では干渉が非常に深刻になります。植物保護の専門家でさえ、たった一枚の写真からさまざまな種類の幼虫を区別するのは難しいと感じています。このとき、作物の種類、地理的位置、収集時期、温度、湿度などのより多くの情報が必要であり、その後、経験を利用して害虫の種類を判断します。

科学者は害虫を撮影する際に、もちろん有益な昆虫も撮影しますが、通常、有益な昆虫はデータベースに含めません。これは、一方では、有益昆虫が全体の中で占める割合が比較的小さいためであり、他方では、識別ライブラリの複雑さを最小限に抑え、害虫の識別精度を向上させるためでもある。

「昆虫の顔認識」技術は、小麦や米の主要な移動性害虫や爆発的被害をもたらす害虫の特定に比較的成功している。現場での認識精度は70%～80%程度です。

昆虫を識別できるだけでなく、「病気を診断」することもできる

作物にとって、病気、害虫、雑草はいずれも極めて有害です。この技術では、個々の害虫が十分に明白であり、その数を数えることができるため、害虫の特定は比較的簡単です。しかし、病気の特定に関しては、アルゴリズムはより複雑になります。病気は、黒い斑点、白い斑点、または葉が丸まった形で現れることがあります...それぞれの病気の特徴はまったく異なるため、病気の特定は害虫の特定とは異なる方法をとる必要があります。それぞれの疾患の特性に応じて、対応するアルゴリズムモデリングが必要です。

米粒の黒穂病（画像提供：著者）

科学者たちは現在、一般的な小麦と稲の病気に関する研究を基本的に完了しており、基本的に応用レベルに達しています。他の作物の病気に関する研究はまだ待たなければなりません。

結論

「昆虫の顔認識」は原理的には人間の顔認識と似ていますが、「昆虫の顔」を認識するのは人間の顔を認識するよりも桁違いに困難です。では、「虫の顔認識」はどれほど役に立つのでしょうか?研究者が研究の過程で経験した苦い経験と、スマート農業の今後の発展の方向性とは？次のエピソードをお楽しみに。

著者: 杜建明

この記事は「サイエンスアカデミー」の公開アカウントからのものです。転載の際は公開アカウントの出典を明記してください。