XiaoMi-AI文件搜索系统
World File Search System条纹病
水稻条纹病抗性可用于育种选择和品种特性评估......
水稻条纹病是一种由昆虫传播的病毒性疾病，不仅在日本，而且在东亚地区都造成了严重的损失。由于含有抗性基因的品种有助于控制这种疾病，因此需要快速识别抗性基因的技术。以往的生物测定方法不仅需要准确判断有无抗性的技术，还需要饲养带病毒昆虫和栽培试验植物的设备，因此近年来利用水稻条纹病抗性DNA标记选育抗性个体的育种已成为主流。鉴于此情况，从2023年起，水稻品种登记审查也将采用DNA标记进行特性评估。这里就分别介绍这两种情况下所使用的水稻条纹病抗性DNA标记。
应用人工智能作为工具和数据聚合来提高农业生产力
坦桑尼亚 (AI4Agric) 深度学习技术用于作物病害的早期检测 作物病害对农业产量管理造成重大问题，并对粮食安全构成重大威胁。再加上无法正确诊断作物病害的信息不足，可能导致重大经济损失和产量低下。然而，由于缺乏必要的基础设施，在包括坦桑尼亚在内的世界许多地方，迅速识别疾病仍然是一项艰巨的任务。玉米和香蕉是重要的主食和经济作物，主要由小农户生产，非洲湿润和半湿润热带地区有超过 7000 万人种植玉米和香蕉。尽管这些作物对家庭粮食安全和生存至关重要，但它们在很大程度上受到疾病的影响，尤其是玉米的致死性坏死病和玉米条纹病以及香蕉的黑叶斑病和镰刀菌枯萎病 1 号。自动检测和量化植物病害将使植物育种取得更快进展，并更快地侦察农民的田地。然而，训练深度学习模型以从田间拍摄的图像中准确检测出特定疾病需要大量人工生成的训练数据。由于非洲缺乏公开可用的数据集来促进机器学习活动，该项目建议生成玉米和香蕉图像的数据集，并开发用于早期检测农作物疾病的深度学习技术。
AI驱动的农作物疾病预测和管理系统
农业是全球维持和经济发展的基石，是无数行业的粮食，就业和原材料的来源。但是，该行业面临着持续的挑战，其中之一就是作物疾病的流行。这些疾病不仅威胁着农作物的产量和质量，而且威胁着农民的生计和整个社区的粮食安全。在受这些问题影响最大的农作物中是木薯，这是热带和亚热带地区数百万的重要主食。木薯对恶劣条件的韧性使其成为关键的食物来源，但它易受木薯细菌疫病（CBB），木薯棕色条纹疾病（CBSD），木薯绿色mottle（CGM）和木薯马赛亚疾病（CASSAVA GREEN MOTTLE（CGM）和CASAVA MOSAIC疾病（CMD）的脆弱性。及时，准确地确定木薯疾病对于有效管理至关重要，因为早期干预可以防止广泛的爆发并减轻经济损失。传统的疾病检测方法通常取决于专家知识和手动检查，这对于小农户来说可能是耗时，昂贵且无法访问的。人工智能（AI）和机器学习（ML）的进步为这一挑战提供了有前途的解决方案，从而使自动化和准确地检测到植物疾病的大规模检测。该项目引入了一个基于深度学习的木薯疾病检测系统，利用强大的Rexnet-150模型进行图像分类。该系统被部署为使用烧瓶构建的用户友好的Web应用程序，即使对于具有最少技术专业知识的个人，也可以确保可访问性。训练有素的模型能够诊断出高精度的木薯叶条件，将其分为五类：木薯细菌疫病（CBB），木薯棕色条纹病（CBSD），木薯绿色mottle（CGM），木薯马赛克疾病（CMD）和健康。用户只需上传木薯叶的图像，该应用程序提供了即时诊断以及可操作的见解。这些见解包括特定疾病的预防措施和管理策略，使农民有能力采取及时的行动来保护其作物。除了其实际实用性之外，该项目与将技术纳入可持续农业的全球努力保持一致。通过利用AI，它可以增强疾病监测和预防，减少对手动检查的依赖，并支持农民采用积极的农业实践。该解决方案的可扩展性意味着它可以适应其他作物和地区，从而进一步扩大了其对全球农业的影响。