人工智慧預警系統警告西葫蘆之白粉病

　　西葫蘆（又稱夏季南瓜、美國南瓜和櫛瓜等）與印度南瓜（又稱冬季南瓜和金瓜等）在美國全州皆有商業化種植，特別是在佛羅里達州的東南和西南部。根據美國農業部國家農業統計局的數據，2019年佛羅里達州收成產值3,540萬美元的南瓜，然而全世界普遍存在的白粉病會導致南瓜產量降低。植株高密度種植且生長於潮濕陰涼環境時，易被甜瓜白粉病菌(Podosphaera xanthii )感染，其主要先感染較成熟的葉片，使葉片出白斑點或灰色塗層，但這些成熟的葉片通常被其他新葉覆蓋，導致南瓜早期受感染時不易診斷出來，該疾病會迅速蔓延，當上部突出的葉子也產生白色發霉的斑點時，要阻止疾病的散播已變得相當困難了。因此，佛羅里達大學開發出一種人工智慧來及早發現疾病的方法，提供種植西葫蘆的農民即時管控這種疾病的機會，相關研究發表於「Biosystems Engineering」期刊。【延伸閱讀】以色列五大農業創新技術使農場更加智慧化

　　在這項研究中，UF/IFAS研究人員研究人員需先找到最佳偵測早期白粉病（葉片無症狀或早期表現狀態）的光譜波長，接著將感測系統連結在無人機上，收集田野與UF / IFAS西南佛羅里達研究和教育中心的西葫蘆白粉病光譜數據，最後再利用機器學習（machine learning）進行影像與光譜反射率分析，其學習的方式是以徑向基底函數（Radial basis function）作為演算法，將學習的參數以距離公式進行非線性換算並分類出不同時期的病灶，該技術的特點是能夠建立數學模型而不需人工編輯特定程式，因此，學習機械模型可從光譜數據中「學習」檢測白粉病以辨別不同時期的症狀。

　　UF / IFAS農業與生物工程學助理教授Yiannis Ampatzidis表示：疾病會改變葉片的特性並影響葉片在可見光譜外的光反射的區域，而這些變化是人類無法直接看見的。試驗結果發現來自田野患病早期與晚期的樣本，其各別的檢測率為89%與96%，來自實驗室無症狀與患病晚期的樣本，檢測率則各為82%與99%。透過這項技術來及早檢測健康問題，其病源體數量相對較低，就可盡早處理以獲得控制疾病的最佳機會，同時也降低噴灑化學藥劑，進而提高作物產量並減少損失。

資料來源

• Food & Farming Technology
• Detecting powdery mildew disease in squash at different stages using UAV-based hyperspectral imaging and artificial intelligence

文章摘譯

• 農業科技決策資訊平台管理團隊