以下文章經許可轉載自 The Conversation，這是一個報道最新研究的線上出版物。
木薯 是發展中國家最重要的作物之一。它的澱粉根和葉子是非洲每天超過 5 億人的主食。非洲的木薯產量佔世界總產量的一半；非洲的主要種植國有剛果、象牙海岸、迦納、奈及利亞、坦尚尼亞和烏干達。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於發現和塑造我們當今世界的想法的具有影響力的故事。
它也具有氣候適應性，因為預計它在較高的溫度下會 提高產量。因此，隨著氣候變化持續蔓延，它作為主食的作用將變得更加重要。
但像許多其他作物一樣，木薯也很容易受到病毒和其他植物病害的侵襲。這些疾病會影響木薯產量，給農民造成經濟損失，並威脅撒哈拉以南非洲地區的糧食安全。木薯花葉病和木薯褐條病這兩種疾病已成為撒哈拉以南非洲地區木薯生產和糧食安全的最大制約因素，每年造成 超過 10 億美元的損失。
這些植物病害對於非洲來說並不新鮮，並且已經造成了幾十年的損失。然而，由於基礎設施的缺乏以及訓練有素的植物病害專家與農民的接觸不足，導致農民沒有接受過在早期階段識別這些病害的培訓。這就是我們著手為智慧手機建立疾病識別應用程式的原因。我們測試了一種稱為卷積神經網路的影像識別模型準確識別多達五種不同木薯疾病的能力。
該模型透過移動裝置的攝像頭進行部署。它的新穎之處在於它可以完全在智慧手機上執行，而無需無線連線或訪問強大的處理能力。一旦農民使用該應用程式識別出疾病，我們就會提供必要的資訊，以便他們可以繼續治療他們的植物。
我們的研究結果，基於在坦尚尼亞進行的研究，表明該影像識別模型在田間識別木薯疾病的準確率高達 98%。
這些結果令人鼓舞，因為我們的方法比傳統的計算機視覺模型更容易實施。該模型還在一臺計算能力遠小於訓練影像識別模型中使用的典型超級計算機的桌上型電腦上進行了訓練。這些結果突出了我們的方法作為一種可靠、快速、經濟實惠且易於部署的數字植物病害檢測策略的潛力。
我們還能夠在沒有網際網路連線的智慧手機上部署該模型，這是其他任何用於植物病害診斷的移動應用程式都無法做到的。對於資料成本對於小農戶來說很高的非洲大陸來說，提供離線診斷的能力至關重要。
建立資料集
傳統的疾病識別方法依賴於農業專家訪問田地並檢查作物。但這些方法在後勤和人力基礎設施能力低的國家受到限制，並且擴大規模的成本很高。
在這些地區，智慧手機為基於自動化影像識別的田間植物病害檢測提供了新的工具，可以幫助進行大規模早期檢測。這對於非洲來說是一種可行的工具：智慧手機的普及率在非洲大陸上不斷提高。
我們的技術適用於為小農戶提供幫助，原因有幾個。首先，它速度很快：使用該模型可以在不到一秒的時間內識別出疾病。由於該應用程式位於移動裝置上，因此也很容易在大範圍內部署——農民不再需要等待農業專家來訪並檢查他們的植物
我們與坦尚尼亞達累斯薩拉姆的 國際熱帶農業研究所 的研究人員合作，對這款在 Android 手機上執行的模型進行了測試。
該模型有六個類別標籤：三個疾病類別、兩個蟎蟲損害類別和一個健康類別（即葉子上沒有疾病或蟎蟲損害。）
然後，我們訓練我們的模型來識別這三種疾病和兩種型別的蟲害損害，或沒有損害。在訓練模型並將其載入到手機應用程式後，研究人員前往田間測試該應用程式。研究所的工作人員會在田間走動，將手機舉到不同的木薯植物上，看看該應用程式的反應。如果未識別出疾病，該應用程式會顯示葉子是健康的。
該模型能夠以高精度識別疾病、蟲害損害和健康植物——在某些類別中高達 98%。
這個特定的模型現在正在被該研究所的研究人員使用。2018 年的計劃步驟包括設計該應用程式，使其適合東非的農民，尤其是女性農民。例如，該應用程式目前正在以英語和斯瓦希里語設計，同時具有文字和語音功能。我們的應用程式連結到 PlantVillage，它是世界上最大的免費作物健康知識來源。
巨大的變革機會
這種技術可以為小農戶帶來變革，他們 生產了非洲 70% 的糧食供應。透過獲取有關田間疾病的資訊，該工具是一個高效的推廣系統，可以為小農戶提供有針對性的診斷和建議。
本文最初發表在 The Conversation。閱讀 原文。