人工智能幫助農民追踪蜜蜂授粉軌跡
2023/03/14 @國際
摘要
研究人員在澳大利亞維多利亞州草莓農場的溫室內安裝了微型數碼相機和計算機，以跟踪蜜蜂和其他昆蟲從植物飛到植物授粉花的過程。就像監控道路可以幫助交通順暢運行一樣，此系統有望提高授粉效率，這將有助於更好地利用資源並增加糧食產量。
示意圖
隨著人口的增長和自然資源的有限，糧食生產需要變得更加高效和可持續，由人工智慧等新技術驅動的精準農業可以幫助確保未來的糧食生產，因此有效的授粉對於生產健康的水果、蔬菜、豆類和堅果至關重要。
最佳授粉需要昆蟲傳粉者恰到好處造訪花朵的次數，造訪次數過少或過多，或無效昆蟲傳粉者的造訪，都會降低開花植物生產的食物質量。監測昆蟲授粉的典型技術使用直接目視觀察或盤誘捕，這是勞動密集型的，需要很多天。此外，如果沒有大量訓練有素的觀察員，就不可能同時收集大型農場的數據，然而在一個季節的授粉窗口關閉之前，需要這些數據來提供作物授粉程度的時間關鍵證據。
然而使用此授粉監測系統，農場經理可以獲得有關作物授粉水平的當天數據，系統設置在Sunny Ridge農場的一個草莓溫室內，該溫室對昆蟲開放，攝像機陣列監測草莓中的昆蟲活動，記錄蜜蜂、食蚜蠅、飛蛾、蝴蝶和一些黃蜂。
此系統收集的數據量需要定制軟體來可靠地跟踪飛行在復雜樹葉中的個體昆蟲，不會重複計算，因此能夠準確評估一天中某個地區的昆蟲數量，分析它們的類型（例如物種），並監測它們造訪花卉的次數。
我們的定制軟體使用混合檢測模型來檢測和跟踪影片中的昆蟲和花朵，該模型結合了使用卷積神經網絡的深度學習的基於 AI 的對象檢測功能，以及單獨的前景檢測算法，以識別錄製影片中昆蟲和它們訪問的花朵的精確位置。該軟體包括使數據處理更高效並節省計算機功率的功能，我們的軟體生成的昆蟲路徑是使用一種稱為匈牙利算法的方法計算出來的，這會檢查序列中每個影片幀中昆蟲的位置，並能夠識別跨一系列影片幀的昆蟲位置之間的匹配，通過記錄和可視化這些路徑，我們了解了昆蟲的行為和溫室中的授粉效率。
我們的分析顯示68%花卉在監測期間接受了完全受精最少須昆蟲造訪四次，在至少四次昆蟲訪問一朵花後，草莓才能結出優質果實，太多的訪問實際上會損壞花朵並降低水果質量。
雖然蜜蜂對授粉的貢獻最大，但其他昆蟲的拜訪通常會導致單朵花達到四次拜訪的預期閾值，從而有可能提高作物產量。通過檢測最佳授粉所需的昆蟲數量、類型和時間，我們的監測系統為農民提供了決策所需的證據，例如，了解作物授粉的程度可以讓種植者改變蜂巢的位置和數量，以增加授粉不足。農民也可能會打開或關閉溫室側壁，以鼓勵或阻止昆蟲從特定方向來訪，他們可能會決定添加引誘劑花來引誘昆蟲探索未被充分訪問的作物區域。
這些簡單的干預措施可以確保更高的授粉成功率和更高的市場品質水果產量，像這樣的智能昆蟲管理有望幫助滿足用健康農產品養活不斷增長的人口的需求。【延伸閱讀】- 自動授粉機能有效提升作物產量
資料來源
文章摘譯
