以下文章经许可转载自 The Conversation，这是一个报道最新研究的在线出版物。
木薯 是发展中国家最重要的作物之一。它的淀粉根和叶子是非洲每天超过 5 亿人的主食。非洲的木薯产量占世界总产量的一半；非洲的主要种植国有刚果、科特迪瓦、加纳、尼日利亚、坦桑尼亚和乌干达。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保未来能够继续讲述关于发现和塑造我们当今世界的想法的具有影响力的故事。
它也具有气候适应性，因为预计它在较高的温度下会 提高产量。因此，随着气候变化持续蔓延，它作为主食的作用将变得更加重要。
但像许多其他作物一样，木薯也很容易受到病毒和其他植物病害的侵袭。这些疾病会影响木薯产量，给农民造成经济损失，并威胁撒哈拉以南非洲地区的粮食安全。木薯花叶病和木薯褐条病这两种疾病已成为撒哈拉以南非洲地区木薯生产和粮食安全的最大制约因素，每年造成 超过 10 亿美元的损失。
这些植物病害对于非洲来说并不新鲜，并且已经造成了几十年的损失。然而，由于基础设施的缺乏以及训练有素的植物病害专家与农民的接触不足，导致农民没有接受过在早期阶段识别这些病害的培训。这就是我们着手为智能手机创建疾病识别应用程序的原因。我们测试了一种称为卷积神经网络的图像识别模型准确识别多达五种不同木薯疾病的能力。
该模型通过移动设备的摄像头进行部署。它的新颖之处在于它可以完全在智能手机上运行，而无需无线连接或访问强大的处理能力。一旦农民使用该应用程序识别出疾病，我们就会提供必要的信息，以便他们可以继续治疗他们的植物。
我们的研究结果，基于在坦桑尼亚进行的研究，表明该图像识别模型在田间识别木薯疾病的准确率高达 98%。
这些结果令人鼓舞，因为我们的方法比传统的计算机视觉模型更容易实施。该模型还在一台计算能力远小于训练图像识别模型中使用的典型超级计算机的台式机上进行了训练。这些结果突出了我们的方法作为一种可靠、快速、经济实惠且易于部署的数字植物病害检测策略的潜力。
我们还能够在没有互联网连接的智能手机上部署该模型，这是其他任何用于植物病害诊断的移动应用程序都无法做到的。对于数据成本对于小农户来说很高的非洲大陆来说，提供离线诊断的能力至关重要。
创建数据集
传统的疾病识别方法依赖于农业专家访问田地并检查作物。但这些方法在后勤和人力基础设施能力低的国家受到限制，并且扩大规模的成本很高。
在这些地区，智能手机为基于自动化图像识别的田间植物病害检测提供了新的工具，可以帮助进行大规模早期检测。这对于非洲来说是一种可行的工具：智能手机的普及率在非洲大陆上不断提高。
我们的技术适用于为小农户提供帮助，原因有几个。首先，它速度很快：使用该模型可以在不到一秒的时间内识别出疾病。由于该应用程序位于移动设备上，因此也很容易在大范围内部署——农民不再需要等待农业专家来访并检查他们的植物
我们与坦桑尼亚达累斯萨拉姆的 国际热带农业研究所 的研究人员合作，对这款在 Android 手机上运行的模型进行了测试。
该模型有六个类别标签：三个疾病类别、两个螨虫损害类别和一个健康类别（即叶子上没有疾病或螨虫损害。）
然后，我们训练我们的模型来识别这三种疾病和两种类型的虫害损害，或没有损害。在训练模型并将其加载到手机应用程序后，研究人员前往田间测试该应用程序。研究所的工作人员会在田间走动，将手机举到不同的木薯植物上，看看该应用程序的反应。如果未识别出疾病，该应用程序会显示叶子是健康的。
该模型能够以高精度识别疾病、虫害损害和健康植物——在某些类别中高达 98%。
这个特定的模型现在正在被该研究所的研究人员使用。2018 年的计划步骤包括设计该应用程序，使其适合东非的农民，尤其是女性农民。例如，该应用程序目前正在以英语和斯瓦希里语设计，同时具有文本和语音功能。我们的应用程序链接到 PlantVillage，它是世界上最大的免费作物健康知识来源。
巨大的变革机会
这种技术可以为小农户带来变革，他们 生产了非洲 70% 的粮食供应。通过获取有关田间疾病的信息，该工具是一个高效的推广系统，可以为小农户提供有针对性的诊断和建议。
本文最初发表在 The Conversation。阅读 原文。