進入夏季，蟲害、病害成了困擾農業生產的大問題。伴隨目標檢測技術的提升，讓AI進行農作物檢測，這些問題或將迎刃而解。
近日，在計算機視覺知名賽事PascalVOC comp4目標檢測上，阿里巴巴機器智能技術實驗室的深度學習小組提交了2次結果，均拿到第一名的成績。新的技術模型提升了目標檢測的精準度，對加強AI在農業、工業、自動駕駛的應用有著重要意義。
阿里登頂Pascal VOC comp4目標檢測整體榜單榜首
Pascal VOC是全球計算機視覺領域知名的數據庫和競賽。在Pascal VOC的整體測試中，參賽者對人、貓、鳥、飛機、汽車、船、盆栽等20類物體進行檢測。阿里參賽小組以89.2的總成績位列第一，比第二名高出0.4。在另一項測試——One Stage模型（即對圖像直接輸出檢測框、檢測類別的模型）中，阿里參賽小組也創下該模型的最好成績。
阿里團隊設計了具有融合上下文信息、多層次特徵結合等特點的檢測模型，是其拿到高分的主要原因。
VOC 2012數據集圖片的測試結果-1
VOC 2012數據集圖片的測試結果-2
VOC 2012數據集圖片的測試結果-3
目標檢測是將目標物體框定出來，幫助人們對圖像中的物體進行快速搜尋和定位，聚焦在有價值的目標上。近年來，AI加速用於工業、農業、自動駕駛等真實世界的場景中，目標檢測技術成為AI場景落地的關鍵性技術之一。
據阿里工作人員介紹，新的技術模型可用於農作物檢測，幫農場打造“實時的防蟲牆”，在蟲害或疾病早期即只感染幾株的時候，就能實時、精準地發現被感染作物。例如，一個農場過去以每週一次的頻度排查蟲害、病害，基於目標檢測技術，則能做到實時發現和救治。技術還可以作為“AI農業專家”，進行農作物生長週期識別、種植面積統計等，指導農事活動、植保等工作。
目標檢測用於識別農作物
另外，技術還可用於通用物體檢測、遙感圖片中的目標檢測和監控場景中的異常檢測，自動駕駛中對人車障礙物的位置識別，提升目標物檢測的精準度。
未來，阿里將開放該模型，推動目標檢測的技術發展和場景落地。
此前，阿里已摘得多個“技術奧林匹克”冠軍：在全球頂級的知識庫構建測評KBP2017中，獲英文實體發現測評全球冠軍；在斯坦福大學發起的機器閱讀理解領域賽事SQuAD上，阿里精準率打破了世界紀錄。近日WMT2018國際機器翻譯大賽上，阿里參與的5項比賽全數獲得冠軍。
憑藉在人工智能、量子等核心技術領域的突破，阿里在著名諮詢公司畢馬威的報告中，被全球800位企業高管評為“世界最具顛覆能力的科技企業”。
（文：天下網商）
閱讀更多 蒲公英來了 的文章
