人工智能驱动的物体识别技术解决小麦病害

伊利诺伊大学（University of Illinois）的一个新项目正在使用先进的物体识别技术，将受毒素污染的小麦粒排除在食品供应之外，并帮助研究人员使小麦更能抵抗镰刀菌头枯病或结痂病，这是该作物的头号克星病。

“镰刀菌头枯病在小麦中造成大量经济损失，相关的毒素脱氧雪腐镰刀菌烯醇（DON）会对人类和动物健康造成问题。这种疾病一直是美国东部种植小麦的人们的一大威慑力，因为他们可以种植出一种非常好的作物，然后将其带到电梯上，只是为了让它停靠或被拒绝。这对人们来说是痛苦的。因此，尝试增加抗性并尽可能降低DON风险是一个重要的优先事项，“伊利诺伊州农业，消费者和环境科学学院（ACES）作物科学系助理教授Jessica Rutkoski说。Rutkoski是《植物表型学杂志》上这篇新论文的合著者。

传统上，增加对任何作物疾病的抵抗力意味着种植大量作物基因型，感染疾病并寻找症状。该过程在植物育种中称为表型，当它识别出没有出现症状或不太严重症状的抗性基因型时，它是成功的。当这种情况发生时，研究人员试图识别与抗病性相关的基因，然后将这些基因放入作物的高性能杂交种中。

这是一个漫长而重复的过程，但Rutkoski希望可以加速一步 - 疾病症状的表型。她向人工智能专家Junzhe Wu寻求帮助，他是农业与生物工程系（ABE）的博士生，Girish Chowdhary是ABE和计算机科学系（CS）的副教授。ABE是ACES和格兰杰工程学院的一部分，该学院也是CS的所在地。

“我们想测试我们是否可以使用简单的手机颗粒图像来量化果仁损伤。通常，我们查看内核培养皿，然后对其进行主观评级。这是非常令人麻木的工作。你必须让人们接受专门培训，这是缓慢、困难和主观的。一个可以自动对内核进行损害评分的系统似乎是可行的，因为症状非常明显，“Rutkoski说。

吴和乔杜里一致认为这是可能的。他们从类似于科技巨头用于对象检测和分类的算法开始。但是，从手机图像中辨别患病和健康小麦粒的微小差异需要Wu和Chowdhary进一步推进该技术。

“这一进步的独特之处在于，我们训练我们的网络仅使用几张图像就能以足够好的精度检测微小损坏的内核。我们通过对数据进行细致的预处理、迁移学习和标签活动的引导，使这成为可能，“Chowdhary说。“这是机器学习和人工智能对农业和社会的又一次胜利。

他补充说：“这个项目建立在AIFARMS国家人工智能研究所和伊利诺伊州数字农业中心的基础上，利用人工智能的优势进行农业。

成功检测镰刀菌损伤（小、干瘪、灰色或白垩状内核）意味着该技术还可以预测谷物的毒素负荷;外部损坏迹象越多，DON含量就越大。

当该团队单独测试机器学习技术时，它能够比疾病症状的现场评级更好地预测DON水平，育种者通常依靠它而不是内核表型来节省时间和资源。但是，与人类在实验室中对内核的疾病损害进行评级相比，该技术的准确率仅为60%。

不过，研究人员仍然受到鼓舞，因为他们最初的测试没有使用大量样本来训练模型。他们目前正在添加样本，并希望通过额外的调整实现更高的准确性。

“虽然需要进一步的培训来提高我们模型的能力，但初步测试显示出有希望的结果，并证明了为镰刀菌受损内核提供自动化和客观表型方法的可能性，该方法可以广泛部署以支持抗性育种工作，”Wu说。

Rutkoski说，最终目标是创建一个在线门户网站，像她这样的育种者可以上传小麦粒的手机照片，以便自动对镰刀菌损伤进行评分。

“像这样的工具可以在实验室中节省数周的时间，当您尝试分析数据并准备下一次试验时，这些时间至关重要。最终，我们能为工艺带来的效率越高，我们就能越快地提高抵抗力，从而消除结痂的问题，“她说。

研究作者包括Junzhe Wu，Arlyn Ackerman，Rupesh Gaire，Girish Chowdhary和Jessica Rutkoski。