从识别到预测：图像识别和人工智能在蚜虫害虫监测中的潜力,Frontiers in Plant Science
近年来，在昆虫数量减少和生物多样性丧失的背景下，昆虫监测引起了全球公众的关注。能够长期收集样本且不受人类影响的监测方法尤为重要。虽然这些被动收集方法（例如抽吸阱）提供了标准化且可比较的数据集，但分析大量样品和捕获的样本所需的时间很长。另一个挑战是准确的标本处理所需的高水平的分类学专业知识。这些因素造成了标本处理的瓶颈。在这种背景下，机器学习、图像识别和人工智能已成为解决此类陷阱捕获物分析中人工识别和量化缺点的有前途的工具。蚜虫是重要的农业害虫，对几种重要作物构成重大风险，并通过摄食损害和植物病毒传播造成巨大的经济损失。事实证明，利用吸力捕捉器对迁徙的蚜虫进行长期监测，可用于制定、调整和改进对其丰度的预测，从而更准确地预测植物病毒通过蚜虫传播的风险。随着作物保护中对传统农药替代品的需求不断增加，对预测模型的需求也在不断增长，例如作为抗性发展的基础和抗性管理的措施。在这种情况下，气候变化的加剧对迁徙蚜虫的总丰度以及一年内蚜虫的出现高峰产生了重大影响。使用蚜虫作为模式生物，我们展示了系统监测害虫的可能性，以及通过使用案例数据进行智能预测模型来自动识别个体的未来技术发展的潜力。以蚜虫为例，我们展示了通过从静态图像中自动识别个体的技术发展（即图像识别软件的进步）来系统监测害虫的潜力。我们讨论了昆虫病例数据自动处理和智能预测模型开发方面的潜在应用。
"点击查看英文标题和摘要"
相关知识
人工智能在农业病虫害防治中的应用实践
从‘脸’识虫，智能测报——农业虫害防控的科技新探索
破解虫害监测难题！从人脸识别到“虫脸识别”，难度多大？
Frontiers in Plant Science
人工智能在农业病虫害防控中的应用
Frontiers in plant science
人工智能在农业病虫害精准防控中的实践.pptx
吲哚衍生物在植物生长中的作用：综述,Frontiers in Plant Science
基于深度学习的农作物病害图像识别技术进展
Trends in Plant Science特刊丨植物科学在21世纪的研究工具
网址: 从识别到预测：图像识别和人工智能在蚜虫害虫监测中的潜力,Frontiers in Plant Science https://m.huajiangbk.com/newsview412574.html
| 上一篇: 教你如何分辨虫害跟病害 |
下一篇: 植物害虫识别图 |
