科学探索|FarmSense利用传感器和机器学习来解决害虫问题 FarmSense利用传感器和机器学习

根据美国农业部农业研究局的数据，像日本金龟子这样的昆虫害虫对农业造成的损失每年超过1000亿美元。再加上这些昆虫可以传播的植物疾病，节肢动物每年造成全世界40%的农业生产损失。FarmSense是一家位于加州河滨的农业技术初创公司，其试图解决昆虫害虫问题。该公司创建了光学传感器和基于机器学习算法的新型分类系统，以实时识别和跟踪昆虫。这里的关键是：实时信息。

文章图片

他们声称，他们的传感器提供的实时信息允许早期检测，从而及时部署害虫管理工具，如杀虫剂或生物控制。目前用于监测的机械诱捕器可能只在虫子到达10至14天后才产生重要的情报。
FarmSense公司的联合创始人Eamonn Keogh说：“这些虫子的成虫只能活5天，所以当你知道你有一个问题时，这个问题已经出现，现在是一个更大的问题。如果你实时知道这个问题，你就可以把干预措施本地化，只在一个地方进行，结果会好得多，节省农药，节省劳动力，使作物不受损害。”
他们如何能提供对实现这些更好的结果至关重要的信息，这有点复杂。
该公司目前正在南加州的杏仁园中进行测试和研究，这要归功于小企业创新研究基金。他们最新的传感器被称为FlightSensor，当考虑到Keogh从哪里得到这个想法时，就能最好地理解了：詹姆斯-邦德和冷战时期的间谍活动。
Keogh解释说，俄罗斯间谍如何使用激光，在玻璃窗玻璃上定位，来捕捉人们的声音引起的振动。然后一个传感器将翻译这些信息，提供关于房间里发生的事情的粗略情报。“怀着同样的想法，我想象着如果一只虫子飞过激光器会发生什么......你将只听到虫子的声音，而没有别的声音。”

文章图片

然而，FlightSensor不是读取振动，而是在一个小通道内使用光幕和阴影，昆虫被吸引物吸引进入。传感器的一侧是一个光源，另一侧是光学传感器。传感器测量当昆虫在里面飞翔时，有多少光被遮挡，或者说有多少光能穿过。这些数据被转化为音频，并由云端的机器学习算法进行分析。
据FarmSense称，为了方便种植者使用，该传感器被设计成老式模拟设备的样子，不会接收到环境噪音，如风或雨。
Keogh说：“信号的质量非常清晰，它对田间通常听到的环境声音充耳不闻。这基本上是一种不同的听觉模式，但是当你戴上耳机听传感器的音频片段时，它听起来就像一只蚊子或一只蜜蜂在飞来飞去。”
加州大学河滨分校计算机科学与工程系教授Keogh专门研究数据挖掘，并从事FarmSense用于识别目的的新型机器学习算法的研究。协助开发和部署的是昆虫学家和现场专家，包括该公司联合创始人 Leslie Hickle 。
该公司的首席执行官Shailendra Singh曾为无线和蜂窝网络以及安全开发过系统--负责硬件方面的工作。他提供了每个传感器的工作价位，将按季节计费，为300美元。
这项技术的影响是显而易见的。对于农民来说，昆虫的实时信息不仅对他们的财务安全很重要，而且还能让他们有可能保存和保护关键资源，如土壤健康。

文章图片

但FarmSense公司声称，它希望增强农村农民的能力，因为他们说昆虫造成的损害对他们的影响特别大。