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。
圖 1｜Spiking-LSTM 模型運作示意圖，紅色虛線框內為仿生脈衝神經元結構，藍色圓圈代表神經元膜電位，當電位達到閾值（虛線）時，便產生脈衝訊號（Spikes），右側為 Spiking-LSTM 單元，其中包含輸入閘（Input Gate）、輸出閘（Output Gate）與遺忘閘（Forget Gate），透過脈衝神經元（紅圈處）控制訊息流動，以實現對時序資料的有效處理（原文 Fig. 4）。

----------------------------------------------------------------------------------------
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）。
圖 2｜系統辨識病斑區域效果圖，展示油菜葉菌核病於不同感染階段的影像處理結果（早期、中期、晚期）。從左至右依序為 RGB 影像、偽色影像（Pseudo-Color）、真實標記（Ground-Truth）以及透過 CNN、LSTM、GRU 和本文提出的 Spiking-LSTM 模型進行辨識後的結果。可見 Spiking-LSTM 模型在病斑辨識精度與完整性方面均有較佳表現（原文 Fig. 10）。更重要的是，這種新型網路所需的能源僅為傳統AI系統的五分之一，大幅降低運算時的能耗，讓環保與精準診斷並存。

-----------------------------------------------------------------------------------------
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