植物界的「AI醫生」:神經元脈衝如何快速診斷油菜病害?
當植物生病時,你能比肉眼更早察覺嗎?
每當春天來臨,大片油菜花田如同金色海洋一般美麗,但你可能不知道,一種名為菌核病(Sclerotinia)的疾病,常常悄悄威脅這片美景。這種病害在全世界廣泛存在,最嚴重時可導致高達70%的產量損失,還會大幅降低種子中的油脂含量。傳統的檢測方法不但操作複雜,而且耗時耗力,甚至還可能污染環境或損傷植物。
那麼,有沒有更快速、更環保的方式,提早發現這個植物界的隱形殺手呢?
------------------------------------------------------------------------------------
「透視眼」技術:超光譜影像讓隱藏病斑現形
科學家最近開發出一種「植物界的透視眼」:超光譜影像技術(HSI)。這種影像技術不只看得到一般色彩,還能感知肉眼無法看到的光譜範圍,就像戴上了一副特殊眼鏡,能更早發現隱藏的疾病徵兆。
團隊將這種技術與仿生神經網路(模仿大腦神經元運作的計算模型)結合,創造出一種新型AI系統,稱為Spiking-LSTM(脈衝長短期記憶網路)(見 圖 1|Spiking-LSTM模型運作示意圖,原文Fig. 4)。這個系統透過模擬生物神經元的脈衝信號,能高效識別超光譜影像中的疾病特徵,甚至在植物病害早期就精準定位病斑。
----------------------------------------------------------------------------------------
實驗室的好消息:神經元開始「跳動」
研究團隊利用Spiking-LSTM模型對油菜葉的超光譜影像進行分析,結果非常振奮人心。他們發現,經過訓練後的系統,在辨識到病斑區域時,神經元會有規律的「脈衝」跳動(就像心跳一樣),精確率高達94.3%。特別令人驚訝的是,即使是在病害初期,肉眼完全看不出異常時,這套系統依然能準確捕捉到病斑(見 圖 2|系統辨識病斑區域效果圖,原文Fig. 10)。
-----------------------------------------------------------------------------------------
從實驗室走進現實:未來的智慧應用
這項技術不僅限於實驗室,而是具有廣泛的實際用途:
● 農業生產:早期快速偵測病害,有效避免植物大規模感染。
● 災害救援:透過機器人和無人機快速偵測受災地區植物的受損情況。
● 醫療照護:類似技術未來可能幫助醫療系統更早診斷人類疾病。
-------------------------------------------------------------------------------------------
科技改變世界:我們距離人工智慧真正「理解」生命有多近?
Spiking-LSTM模型的成功,展示了模仿人類大腦神經運作的AI系統能以更高效、更低能耗的方式解決複雜的現實問題。試想一下,未來如果每位農夫都有一台攜帶這種技術的「智能裝置」,他們能更早、更輕鬆地保護作物,避免損失。
這種「神經元脈衝」AI能否進一步模擬更複雜的生命系統?當仿生科技與我們的日常生活緊密融合時,這樣的未來又會是怎樣的景象呢?
撰寫者:林樂瑞
參考資料:Zhang, J., Zhao, Y., Yan, J., Yin, X., Ji, Z., Zhang, H., & Fu, X. (2024). Spiking-LSTM: A novel hyperspectral image segmentation network for Sclerotinia detection. Computers and Electronics in Agriculture, 226, 109397.
留言
張貼留言