AI作物の害虫と病気の制御にもかかわらず重要な人間

MIKKELGRUM著

害虫や病気の監視は労働集約的なプロセスであり、 スカウトが温室を横切って移動するときに、植物と作物の健康状態を正確に評価する必要があります。 フィールドまたはファーム。 AI主導の画像分析は、作物監視の自動化を支援することを目的としています

[email protected]

害虫や病気の偵察における技術の進歩は、労働集約型のセクターをより効率的でデータ駆動型のセクターに変えています。作物の生産を支援するために人工知能（AI）が開発されているため、 生産者は、これらの初期段階のソリューションの利点を評価する上で、これまで以上に重要である必要があります。

ミケル・グラム博士、 世界的な作物害虫および病気のマッピングの専門家であるScarabSolutionsの研究開発ディレクター、 農場と作物保護の管理者は、AIの約束を守るのではなく、人的労働を増強する技術に焦点を合わせ続けるべきだと言います。

国連食糧農業機関（FAO）は、世界の作物生産の20〜40％が、害虫や病気によって毎年失われていると推定しています。 世界経済に2200億ドルの費用がかかります。アザミウマなどの害虫、 アブラムシ、 葉の採掘者、 ダニ、 コナジラミとイモムシ、 枯れ病などの病気、 カビ、 灰色かび病と茎と根の腐敗は、すべての気候帯で一般的です。

さらに効果的になるためには、 作物管理には、技術だけでなく技術の向上も必要です。多くの人がAIが答えを持っていると信じています。

AIは園芸の第一歩を踏み出します

害虫や病気の監視は労働集約的なプロセスであり、 スカウトが温室を横切って移動するときに、植物と作物の健康状態を正確に評価する必要があります。 フィールドまたはファーム。 AI主導の画像分析は、作物の監視を自動化することを目的としています。

園芸では、 最近の開発には、うどんこ病を検出するための近赤外線画像カメラと、芽と花の収量を予測するための画像分析を備えた「ロボットスカウト」が含まれます。 とIRISスカウトロボット。リモート害虫監視システムがあります、 機械学習（ML）を使用して、フェロモントラップの画像分析を実行します。 そして、ドローンと衛星画像を提案する多数の、 将来の作物管理の基礎として。

害虫や病気の兆候がないか写真をスキャンするためのスマートフォンアプリケーションのより広範な使用、 多くの場合、準備ができていると提示されますが、 またはプライムタイムの使用の準備がほぼ整っています。

多くの人が、Googleの画像分析は、画像内の猫や犬の認識において人間よりも優れていると聞いています。 または乳がんの研究では、 AI画像分析は、専門の放射線科医よりも効率的かつ正確にマンモグラム上の癌を検出するようになりました。確かに、 画像分析を使用して、スマートフォンで撮影した写真の害虫や病気を特定することは、それほど遠くありません。そんなに早くない。

現実はバラ色の少ない絵を描く

スマートフォンで画像認識技術を使用する取り組みは、農場と温室の詳細な洞察と実用的な概要の両方を提供するという約束には達していません。

最近で強調されているように サイエンティフィックアメリカンの記事 、 画像分析がどの程度うまく機能するかを示すために使用される統計は、誤解を招くことがよくあります。最も一般的な「ペアリングテスト」、 これは、2つの画像を比較し、2つの画像のどちらに害虫や病気があるかを示す機能をテストします。 複数の画像の分析よりもはるかに高い精度のパーセンテージを提供します。 作物のいずれかに害虫や病気があるかどうかの知識がありません。

AIから収集した不正確または歪んだ結果を農薬管理の基礎として使用すると、良いよりも多くの被害を引き起こす可能性があります。 誤検知の問題で示されているように。

わずか5％の確率で、枯死に対して誤検知を与える画像システムを想像してみましょう。 現在のアプリの正確さを主張しても、非常に控えめな数字です。枯れ果てた畑で、 これは問題にはなりませんが、 しかし、今度は病気の発生がない分野を取り上げましょう。あなたが2を取った場合 その分野で000枚の画像を使用すると、100個の肯定的な結果が得られます。

農民はこの結果に基づいて行動しますか、 または、100個の「ポジティブ」な場所を調べて、本当にこの問題が発生しているかどうかを確認しますか？これに、画像分析システムもチェックしている他の害虫や病気を掛けると、おそらくさらに高い偽陽性率があります。 そして、あなたは実際的な悪夢の働きをしています。誤検知の数が多いほど、 結果の独立した検証を実行するには、より多くのリソースが必要になります。つまり、自動化によるすべてのメリットが失われます。

機械対人間

このアプローチもコンテキストに入れる必要があります。 AIが存在するか、作物スカウティング技術がまったく存在しない状況を比較した研究では、現実的な絵は描かれていません。 場合によっては、すでにシステムが導入されているため、 これは、人間のスカウトによって収集されたデータを記録および分析するのに役立ちます。

乳がんの研究事例では、 腫瘍は人間の目には見えないので、 医師とAIは同じ画像を見ています。温室の設定では、 しかし、 画像分析は、細部への人間の注意よりもはるかに効果的ではありません。スカウトは頭を動かして葉をひっくり返し、拡大鏡を使ってさまざまな角度から問題を確認できます。

モバイルテクノロジーで人間のスキルを強化– スマートフォン 人々をより賢くする

農場や温室はまだ人々が歩き回る必要があります、 作物の天蓋を開き、 葉を裏返し、必要に応じて虫眼鏡を使用します。これには、スカウトがより正確に仕事をすることを可能にする技術が必要です。 より速く、より大きな結果をもたらします。

スマートフォンは引き続き重要ですが、主にAIツールとしてではありません。モバイルアプリケーションのより現実的で実績のある使用法は、データ収集とマッピングです。 AIが分析するためにスマートフォンを使用して写真を撮る代わりに、 作物保護管理者は、スカウトが検査スキルを使用し、結果を記録できるようにする必要があります。

トレーニングは重要な役割を果たします。害虫や病気の正しい識別と精練、 サンプリングプロトコルとプロセスをスピードアップするための技術に関する完全な知識、 農場全体でスカウトのパフォーマンスと精度を調和させるためにすべてが必要です。これが成功の鍵です。

AIは、スカウトが未知の害虫や病気を正しく特定するのに役立つ可能性があります。 しかし、ほとんどの作物の偵察は、よく知られている一連の害虫や病気の分布を追跡することです。

デジタルマッピングとスカウティングテクノロジーにより、人間は新しい洞察を収集できます

スカウトによって記録されたデータを地理情報と組み合わせると、 結果はデー​​タセットを作成し、 トレーサビリティとデジタルマップなどのデータ視覚化オプションの明確な監査証跡を提供し、 グラフやグラフ、およびその他の追加のヘルプを使用して、固有の繰り返し発生する問題やパターン、および誤検知を簡単に特定できます。

デジタルマッピングは、害虫や病気の偵察技術が人間の専門知識と出会って結果を最適化する場所です。 Scarab Solutionsでは、 私たちはこれを毎日見ています。クライアントは、Scarab Precisionの作物害虫および病気の偵察およびマッピングソリューションを使用して、侵入のホットスポットを特定するための確固たる基盤を提供します。 適切な農薬の使用または生物的防除剤を決定し、強化された農場管理を通じて作物の損失を減らします。

データセットが大きくなるにつれて、 作物保護管理者は、場合によっては、その地域の害虫や病気の数値に対してベンチマークを行うことができます。 他の農場からの匿名化されたデータを使用します。

まだAIの輝きの時ではありません。 しかし、私たちは常に人間的なタッチが必要になります

AI主導の画像分析は業界の論点であり続けていますが、 この技術は、信頼性の高いものを生み出すまでには長い道のりがあります。 正確で実用的なユースケース。今日、 GPS追跡、 モバイルデータ収集および解釈ツールは、作物の害虫および病気の管理のための最も効果的で収益性の高いテクノロジーソリューションです。

園芸が技術革新を遂げるにつれ、 人工知能は、既存のプロセスの代わりと見なされるべきではありません。 しかし、人間の知性の延長として。 AI主導の画像分析には、一部の設定でドローンとロボットが付属します。 しかし、それは別の日の話です。