听说过“人脸识别”“刷脸支付”，但“虫脸识别”技术你了解过吗？

事实证明，只有你想不到，没有科学家们做不到。随着科技的进步，这项用人工智能识别“虫脸”的技术已经照进现实。近期，由中国科学院合肥物质科学研究院智能机械研究所研发的“虫脸识别”技术已在安徽、江西等6省市推广应用。这项技术目前可以精准识别数十种常见害虫，助力田间植物保护测报人员和种田大户判断田间病虫害发生程度，对我国农业病虫害的防治，起到了巨大作用。

虫脸识别，从自拍开始

相较于“人脸识别”而言，“虫脸识别”更为复杂。

当我们想要进行人脸识别时，只需要用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，就能达到人脸识别的目的。但是，这些技术是为人类研发的，而田间的害虫无法自行操控这些步骤。在这种情况下，就需要科学家为它们进行“自拍”。

虫脸的“自拍”设备

为了能够捕捉到更多不同种类害虫的“脸”，科学家们需要在田间地头不断行走，让机器自动化识别照片中害虫的种类和数量，经由拍摄、上传、分析、反馈等环节，植保人员和农户们就可以快速了解农田内的病虫害情况，进而采取一些病虫害的防治措施。

然而，“虫脸识别”也面临着许多难点。

在实际的农业生产生活中，就算是经验丰富的农民，也不会对每一种害虫都了如指掌。特别是有些害虫相似度非常高，且小到难以分辨，用人工智能技术区别分类比较困难。而对其面部进行拍照时，拍摄手法导致的逆光、阴影等也会进一步增加其识别难度。

强烈光线下的小麦蚜虫，几乎无法分辨颜色特

除此之外，不同虫龄的害虫对图像识别也会造成很大干扰，尤其是在幼虫阶段，科学家很难仅仅通过一张图片就判断不同种类幼虫之间的区别。此时就需要获取更多的信息，比如作物种类、地理位置、采集时间、气温、湿度等，再通过经验来判断害虫的种类。

因此，为了能够采集到高质量的图像，科学家们还与相关机构进行合作，发布了水稻和小麦的智能图像采集标准，标准中涵盖了经过实验总结出来的、正确采集各类田间病害虫害的规范，以此提高数据的规范化，提升了数据质量。

巨大数据库，让害虫无处遁形

我国的安徽省是“虫脸识别”数据采集的主要根据地。

从2016年到2018年的3年时间里，中科院合肥物质科学研究院智能机械研究所科研人员，对田间的害虫进行数据采集，足迹几乎遍及安徽省内的各个县市。在他们的不懈努力下，最终对田间的多种类害虫完成了快速的数据积累。目前，针对种田大户使用的数据库已包括100多万张图片，覆盖29种农作物和经济作物，300多种病虫害。

专业人员在进行害虫信息采集片

数据库建立后，农业植物保护专家也一刻不停歇。他们首先依据对害虫的判断来分析整理数据库，然后使用特别设计的人工智能深度学习算法，让计算机自动归纳和总结某一类害虫所拥有的共性，例如口器、翅膀纹理、后背的花纹和斑点，最后根据这些特征构成一张张“虫脸”。

目前，“虫脸识别”技术对四五十种病虫害的识别准确度在80%以上。

现如今，科研人员正在向更长期的自动化病虫害发生精准预测方向努力，致力于在未来实现自动化的快速迭代害虫发生预测模型，帮助农业专家们更快、更准确地预测病虫害发生。

相信在“虫脸识别”等技术的支持下，我国农业病虫害防治的春天就在不远处。