“蟲臉識別”“北鬥夜眼”……一批科技感十足的裝備在夏收中表現亮眼

央視網消息：眼下，多地小麥陸續開鐮收割。農業農村部最新農情調度顯示，目前，全國冬小麥已收獲7.9%。為瞭確保顆粒歸倉，一批科技裝備紛紛閃亮登場。那麼，它們是如何助力夏收的呢？我們到各地去看一看。

江蘇蘇州全程機械化收割 手機遙控操作收割機

總臺記者 楊瀅：在江蘇省蘇州市吳江區的同裡鎮，按照小麥收獲從南至北的規律，這裡也是江蘇最早開始收獲的地區之一，小麥種植面積近萬畝，通過航拍畫面我們可以看到一望無際的規整的農田，金色麥浪隨風湧動。收割機正在麥田中緩緩行駛，進行全程機械化收割。

在這個園區裡，還有一個“無人化農場”。未來農業是個啥模樣，在這裡可以先睹為快。農場物聯網大數據庫，實現作物生產過程的全程監控，全天候監測作物長勢信息。通過手機App，機手就能操作無人駕駛收割機，遙控收割、脫粒、裝入糧倉等步驟。在手機上，還會清晰地顯示出發動機轉速、糧倉狀態等信息。

河南駐馬店應對降雨 履帶式收割機幫忙搶收

據氣象預測，最近幾天，本輪降雨區域波及河南、安徽、江蘇、重慶及湖北等地。在河南省駐馬店市，不少地塊的小麥已經完全成熟，全市的52支應急機收服務隊加緊忙碌起來，趁著雨停的間隙，幫助農民搶收。

總臺央視記者 劉成：在河南省汝南縣三橋鎮的麥田裡，剛下的一場雨，讓麥田變得特別松軟。趁著不下雨，應急服務隊緊急調來四臺履帶式收割機，幫忙搶收。

安徽壽縣“北鬥夜眼” 讓夜收更加高效 

在安徽壽縣青峰村，夜幕下的麥田裡機聲轟鳴，為瞭搶在下雨前完成收獲，農機手們還在持續作業。

安徽省壽縣農機手 陸冰冰：現在因為有北鬥，我們規劃好線路，它就像傢裡的掃地機一樣，肯定不會漏收。

“奔跑”的三夏·降本增效

為瞭確保顆粒歸倉，除瞭小麥收割，在儲運、加工，乃至豐收前的田間管理等各個環節，仍然有很多細節需要註意。而在這些領域，科技同樣發揮著重要作用。

在河北，眼下小麥正進入灌漿期。在河北省石傢莊市鹿泉區小畢村，農民們正搶抓農時，利用自動化平移式噴灌機，對近400畝的高標準農田小麥進行澆灌，大大地節約瞭用水量，同時也減少瞭人工投入。

河北省石傢莊市鹿泉區小畢村農戶 李永和：過去澆這三百多畝的時候，用十來個工，現在用兩天的時間，兩個人就可以完成瞭。今年小麥選用的是新品種，是中麥6032。品種也選對瞭，水也節約瞭，所以今年小麥長勢良好。

湖北鐘祥補齊烘幹短板 糧食用上“吹風機”

生產上節本增效，而在儲運環節，通過科技手段，也可以實現庫存糧食的減損降耗。在湖北鐘祥，這裡的小麥將迎來開鐮。往年糧食烘幹問題一直是影響糧食收儲的短板，但今年，同一塊麥田有瞭新變化。

湖北荊門鐘祥市天和農機服務合作社經理 曾照洲：我身旁的這6臺設備是新上的一套全自動化烘幹塔設備，每天的烘幹能力大概在360噸左右，這是我們設備投入使用後第一次烘幹。

眼下，湖北全省各大糧食產區，正通過優化土地環評審批流程，加大對糧食烘幹中心（點）建設用地計劃指標保障力度。截至目前，全省新增糧食烘幹中心301個，年減少糧食黴變損失1億斤。

“奔跑”的三夏看科技·蟲臉識別

手機解鎖，刷臉支付，現如今，人臉識別技術已經被廣泛應用，但是您聽說過“蟲臉識別”嗎？在安徽有這樣一群年輕的博士，他們拿著“自拍桿”，在田間地頭給蟲子們拍“寫真”，進行“蟲臉識別”。這到底是一項什麼技術？對於農業生產，又有哪些幫助呢？

一根長長的“自拍桿”探入麥叢中，或深或淺，動作迅速，像“掃雷”一樣。在安徽宣城市宣州區，中科院合肥智能機械研究所博士杜健銘正和同事在麥地裡忙著給麥上的害蟲們拍照片。

中科院合肥智能機械研究所博士 杜健銘：蚜蟲的聚集，一般不都是在這個位置有一片聚集，現在看起來還挺不錯的，你看整個稈子，我們伸下去的話，這麼掃過來，也沒有（害蟲），（小麥）根下面好像也沒有，整個莖桿下面都蠻幹凈的。

“自拍桿”如何實現“蟲臉識別”呢？杜健銘手持的“自拍桿”配有高清攝像頭和智能終端，隻需將設備探頭伸進麥田，輕輕點擊手機的拍攝按鈕，就完成瞭圖片采集。

中科院合肥智能機械研究所博士 杜健銘：手機的作用不隻是用來收照片，同時我們還可以把隨時隨地拍出來的照片上傳到服務器上進行儲存。

在專用的手機軟件上，杜健銘拍攝的蟲子都被智能系統自動打上瞭框。同時，系統會在後臺分析出害蟲的種類、數量，以及蟲害發生等級。這些病蟲害對農業生產的影響巨大，為瞭從“蟲口奪糧”，需要定期對農作物病蟲害進行監測。但傳統的計算辦法是一隻隻地數，費時費力不說，也無法保證數據的準確。如何把人工智能和農業相結合，讓農業更智慧？是杜健銘和他的科研團隊一直在思考的問題。不過，“蟲臉識別”可不同於人臉識別，有些害蟲的相似度極高，用普通的人工智能技術難以區別分類。

中科院合肥智能機械研究所博士 杜健銘：蟲子一般來說都很小，我們真正做的事情不隻識別它是不是蚜蟲，同時還要知道這些蚜蟲到底有多少隻，為瞭我們之後去判定，這一片田中平均的蟲害和病害發生的數量，用來評估這邊的受災等級。整體來說，是要比人臉識別張三，還是李四，要難上一個等級的。

為瞭逐步突破“蟲臉識別”的難點，杜健銘和團隊幾乎走遍瞭省內各個縣市，對田間害蟲進行數據采集，不斷積累樣本，優化數據庫。目前，“蟲臉”數據庫已收集包括700多萬張圖片，500多種病蟲害“相貌”，覆蓋小麥、水稻、油菜等29種農作物和經濟作物，識別準確度在80%以上。巨大的數據庫，讓害蟲無處遁形。

中科院合肥智能機械研究所高級實驗師 胡海瀛：我們這裡面有各種害蟲，包括一些常見的和不常見的，也可以給專傢提供一些輔助以及給他一個參考建議，如何去防治，用什麼樣的藥或者是什麼復合肥等，從生產到最後收獲一系列的管理。