6
5
Información Técnica Desarrollo de una nueva IA que puede visualizar características de imagen utilizadas para el diagnóstico de plagas en cultivos agrícolas. La Organización Nacional de Investigación de Alimentos Agrícolas (NARO) ha desarrollado una IA que puede visualizar las características de las imágenes que son la base del análisis. Cuando esta IA se utiliza en el diagnóstico de la enfermedad de la hoja de papa, se descubrió que se podría diagnosticar si la hoja está sana o enferma con una precisión del 95% o más, según las características de la enfermedad. Dado que esta IA puede aclarar la base del estudio, es segura y confiable para el usuario. Se espera que la IA desarrollada se use en varios campos en la agricultura, donde se requiere una IA que pueda explicar mejor el estudio de plagas. NARO estableció el Centro de Investigación de Tecnología de Información Agrícola en octubre de 2018, y ahora está llevando a cabo una investigación agrícola a gran escala utilizando inteligencia artificial y grandes bases de datos. Como resultado de la investigación de este centro, se ha desarrollado una nueva IA que puede visualizar las características de las imágenes. La plaga causa daños severos a los cultivos. La pérdida potencial de las plagas en la agricultura mundial se estima en $ 540 mil millones anuales. En Japón, se han producido daños como el marchitamiento del arroz debido al saltamontes, lo que da como resultado daños superiores a los 10 mil millones de yenes. Por lo tanto, para apoyar las contramedidas para tales situaciones, se ha promovido el desarrollo de un sistema automático de identificación de enfermedades y plagas que utiliza IA. La mayoría de los algoritmos de aprendizaje profundo actuales son modelos de caja negra. Los usuarios tienen dificultades para explicar, las características aprendidas por el algoritmo de aprendizaje profundo (AI) o la base del estudio del algoritmo. A medida que se expande el campo de la utilización de la IA, surgen casos consecutivos que requieren la base del análisis, como cuando se usa como referencia para la toma de decisiones humanas. Por otro lado, existe una creciente demanda social de los algoritmos de IA que pueden explicar sus bases de estudio. Por lo tanto, NARO ha desarrollado un algoritmo de IA que puede visualizar las características de las imágenes que actúan como base para la toma de decisiones. El algoritmo de IA desarrollado puede visualizar las funciones aprendidas utilizando un codificador automático. En el ejemplo de un diagnóstico de enfermedad en una imagen de hoja de papa, se generaron imágenes de una hoja "enferma" y una hoja "sana" (ver figuras) a partir de las imágenes originales de la hoja enferma. Como resultado, por el hecho de que el síntoma desapareció en las hojas sanas, se confirmó que la IA pudo aprender correctamente las características de la enfermedad. Al desarrollar este algoritmo de IA, estamos planeando introducir este algoritmo de IA en los campos reales de papas, donde la detección de la cepa enferma es particularmente importante. También estamos tratando de aplicarlo al conteo de saltamontes por tipo, que es una plaga importante del arroz. Se espera que el algoritmo de IA desarrollado se use en varios campos además de la agricultura. Habaragamuwa, et al. Identificación de enfermedades de las plantas usando características explicables con la red neuronal convolucional profunda, Conferencia conjunta internacional de 2019 sobre JSAM y SASJ, y Simposio técnico CIGR VI, talleres de FWFNWG y FSWG, 2019/9/4 -NARO
