乌干达的应用开发人员使用TensorFlow来发现玉米中的夜蛾危害

 
秋夜蛾是秋夜蛾的幼虫生活阶段，它影响着全世界的玉米作物，但在乌干达等国家尤其如此，那里的农业企业雇用了70%的人口。研究表明，每年的潜在影响在830吨至2060万吨之间，每年的后果在248万美元至619万美元之间。
毁灭性损失的威胁促使参与Mbale Google开发人员小组的开发人员创建了Android应用程序FlatButter，该应用程序可识别玉米作物中秋夜蛾危害的迹象。它已在乌干达的国家电视台上播放，并由联合国粮食农业组织和谷歌在今天发行的短片中进行了突出显示。
Hansu Mobile and Intelligent Innovations首席执行官Nsubuga Hassan写道：“由于一汽，玉米生产造成的巨大损失和产量损失引起了全球组织的关注，这些组织呼吁创新者提供帮助。” “这是应用机器学习的绝佳时机。我们的目标是建立一个智能代理，以帮助当地农民抗击这种害虫，从而提高我们的粮食安全。”
应用程序开发人员首先使用智能手机捕获附近区域的数据样本。他们将这些内容进行了分类，然后利用Google的TensorFlow进行迁移学习来重新训练AI模型，这项技术是将适合一项任务的模型重新用于第二项相关任务。他们使用TensorFlow Converter这个采用TensorFlow模型并生成轻量级版本的工具，将训练有素的图像分类器集成到上述FlatButter应用中。
目前，该小组的训练数据集有近4,000个数据样本，但他们说，随着他们继续为受影响的玉米拍摄图像，该数据集正在增长。无论如何，界面都处于紧密锁定状态：用户将智能手机相机聚焦在农作物上并捕获图像，然后，该应用的模型会分析植物以查看是否有损坏并提出可能的解决方案。
该团队表示，随着向云服务和Google Firebase开发平台的转移，下一步将解决咖啡和木薯疾病。哈桑说：“我们的计划是收集更多的数据，并扩展解决方案以处理更多的病虫害。” “借助改进的硬件和更深入的本地化理解，机器学习在消除饥饿方面发挥了巨大作用。”
他们不是第一个将AI应用于生态学的人。微软最近重点介绍了一家位于圣克鲁斯的初创公司-Conservation Metrics，该公司利用机器学习来跟踪非洲大草原象。另外，一组研究人员开发了一种在Snapshot Serengeti上训练的机器学习算法，该算法可以以96.6%的准确性识别，描述和计数野生生物。英特尔的TrailGuard AI系统通过使用离线设备上AI算法检测嵌入式摄像机的运动来防止偷猎。昆士兰大学的科学家使用Google的TensorFlow机器学习框架来训练一种算法，该算法可以自动检测海洋图像中的海牛。