:::
農業知識入口網

台北 日出:06:40 日落:17:29

:::

科技新知

分享:facebook Share on Google+ 複製分享 Email分享 
調整字級:



新型態人工智慧系統將模仿人類想像與判別物件

新型態人工智慧系統將模仿人類想像與判別物件

文章來源 : 農業科技決策資訊平台    2019/01/10

  人工智慧(artificial intelligence,簡稱AI)在未來農業發展中扮演重要的推手,透過人們預先編寫的指令,具人工智慧的電腦將能協助或取代人們在農業生產管理中的角色,例如自動摘採已成熟的果實、自動辨別病蟲害嚴重的區域並派遣無人機執行灑藥防治等行為。在人工智慧的開發過程中,如何將接收的外界資訊加以運用,在「學習」後執行指令以達成目的,始終是發展人工智慧的重要課題。其中一個重要的環節,稱作電腦視覺(computer vision),是門在於如何判讀傳感器接收到的影像,使影像被電腦所理解的一個過程及技術。電腦視覺仍是透過執行人們預先編寫的指令,賦予電腦影像判讀的能力,這意味著影像辨識能力的強弱,部分取決於指令下達的複雜度。目前電腦視覺仍僅能以接收的圖像作為判別基準,無法以局部資訊判斷出整體情況,比方說某一隻動物因上半身被物體阻擋,而僅露出半身資訊,這時人們可以透過常識或經驗「腦補」出可能的動物種類,但電腦可能就無法準確的辨認出人們一眼就看出的物品為何。
  在以往對電腦訓練的過程中,電腦需經過辨識上千張的圖片作為訓練,才能建立特定特徵的影像辨識機制,但人工智慧系統並未如同人類大腦一般,可預先儲存各種經驗與常識的資料庫,以便在看到物件時「腦補」成完整的故事及圖像。為使人工智慧系統也具備類人腦般的辨識能力,加州大學洛杉磯分校(University of California, Los Angeles,簡稱UCLA)薩穆埃利工程學院(Samueli School of Engineering)的研究團隊受人腦的啟發,研發出新方法,以彌補人工智慧在學習方面的問題。該方法由三個主要部分所組成:(1)將圖片資訊拆解,每個被拆解的單元稱作viewlets;(2)電腦學習viewlets與圖片之間的構成關係,以及了解viewlets是如何組成大圖的;最後(3)辨識取樣點周圍的其他資訊,並判斷鄰近物體與主要物件之間的關聯性。此外,透過網路獲取資料的方式,除獲得海量資料供電腦學習分析外,也能得到同一物件的多種不同視角,供不同角度的判讀。
  經研究證實,新型態系統的學習表現較傳統電腦視覺系統佳,能有效地令電腦透過僅有的有限資訊,推論出可能的完整資訊,為電腦視覺技術開啟新扉頁。該研究成果已發表於<Proceedings of the National Academy of Sciences> (PNAS)。
 

資料來源

大家覺得這篇文章
共有18人投票
  • 
									得票數:6
  • 
									得票數:10
  • 
									得票數:0
  • 
									得票數:1
  • 
									得票數:1
看過這篇文章的人說
  1. GOOD
  • 蔬果產銷資訊整合查詢
    田邊好幫手-農業行動化平台
    農業易遊網
    兒童稻米文化館
    台灣農產品安全追溯資訊網
    農業委員會全球資訊網
  • 黃金廊道資訊網
    虛擬博物館
    作物病蟲害與肥培管理專區
    AGTECH農業科技專案計畫服務網
    台北植物園資訊網
農業知識入口網