

蝽象,大多数人都能通过它们被粗暴压碎后散发出的刺鼻难闻的气味来辨认,实际上是困扰北美和南欧农民的最严重的农业害虫之一。这种令人讨厌的入侵物种,可能是在 20 世纪 90 年代 通过集装箱从亚洲搭乘而来,进入美国。据 报道,仅在 2019 年,它就造成了欧洲高达 5 亿欧元的农作物损失。所有这些破坏使得对这些昆虫进行有效监测成为当务之急,然而,当前的方法劳动密集且在大规模上相对无效。现在,研究人员认为,配备摄像头的无人机和新的人工智能模型相结合,可能终于能为农民提供更好的反击方式。
一群意大利研究人员 在《害虫管理科学》期刊上发表文章,最近公布了一项研究结果。在该研究中,他们使用现成的商用无人机收集了栖息在梨园中的蝽象的高质量图像。研究人员开发了一种“自动飞行协议”,让他们可以通过移动应用程序控制无人机并在受感染的作物上空悬停。然后,无人机能够捕获数百张高质量图像,用于训练一个能够成功识别未来蝽象的人工智能算法。得益于无人机捕获图像的质量,该模型能够以 97% 的准确率识别蝽象。
帕尔马大学研究员、论文合著者 Daniele Giannetti 在一份声明中说:“总的来说,这个新颖的监测系统展示了集成无人机和 人工智能 来检测和量化 H. halys(蝽象)大小和形状的害虫存在的潜力。”

无人机导致昆虫原地不动
在 无人机 实验之前,蝽象的观察和监测通常包括使用信息素陷阱引诱昆虫进行人工计数。研究人员写道,这种方法效果有限,尤其是在尝试测量广阔作物区域的蝽象数量时。Giannetti 表示,这些更传统的监测方法也受到雇佣工人进行监测的相关经济成本的限制。
在他们的研究中,研究人员为一架 DJI Matrice 300 无人机配备了高清摄像头,并让它在果园进行了 16 次不同的飞行任务。然而,当无人机开始在梨树上方盘旋时,发生了一件有趣的事情。与人类观察者接近时会逃散或从作物上掉落不同,这些昆虫反而僵住了。大约 85% 的被测昆虫在无人机在 4 米和 8 米的高度悬停在它们上方时表现出这种僵住的行为。这种不同寻常的僵住效应意味着无人机有充足的时间捕捉到包含昆虫的高质量照片。
之后,研究人员使用这些图像来训练一个能够检测蝽象的人工智能模型。尽管无人机总共捕获了 2,459 张图像,但其中只有 402 张包含蝽象。研究人员手动标记了这些蝽象,通过用矩形框住昆虫来帮助训练人工智能模型。一旦经过图像的充分训练,研究人员表示,人工智能能够高度熟练地在其他图像中识别出 蝽象 的实例。
虽然研究人员将重点严格限制在蝽象上,但他们表示,同样的潜在原理可用于监测各种害虫。未来的研究人员需要捕获自己的新无人机图像,然后将其输入到他们自己的定制人工智能中。美国和世界各地的农民和环保主义者已经在 积极利用无人机 来协助作物管理、土壤分析和实时“杂草侦察”。
摩德纳大学教授、论文合著者 Lara Maistrello 在一份声明中说:“这次经历确实令人鼓舞。我们发现这些结果令人兴奋,尤其是因为它们未来的应用非常广泛。”