:
意見回饋

人工智慧預警系統警告西葫蘆之白粉病

2020/10/08 @國際

摘要

美國佛羅里達大學以人工智慧早期預警白粉病為西葫蘆作物帶來的困擾,應用無人機裝載感測器來偵測白粉病早期的光譜波長與相關數據蒐集,輔以機器學習與演算法進行影像與光譜反射率分析,進而建構出專門的數學模型,使得每回無人機偵測時都能藉由模型學習到白粉病不同時期的病症表象,可提供農民白粉病的預警通知,獲得控制病情的最佳時機。

示意圖

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

關鍵字

資料讀取中

推薦文章

資料讀取中
: