粉丝认为：果园地面高低不平，果实采摘机器人可能无法有效工作。
粉丝看法很现实，但是这一问题有解决方法。
首先日本果园建设之初，会平整土壤；
其次采摘机器人考履带行动，只要不是坡度过陡，对采摘机器人工作都是无碍的；
最后机器人采摘手臂可以伸缩，可以抓取高处的果实。
今天亚果会再次聚焦海外农业：日本开发AI，诊断果园病虫害！
AI是什么，想必一些朋友有所了解。
AI即是人工智能，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
之前有日本研究人员通过AI图像识别预测柑橘糖度，这次用AI图像识别诊断果园病虫害！
说到这里，就先说下果园病虫害问题。
现在农药普及，许多人以为病虫害对农业影响并不大。其实不然，病虫害依旧是威胁农业发展的主要祸首，别的不说，就去年遮天蔽日的东非蝗灾足以让许多农户倾家荡产。
据估计，全世界农业中有害生物的潜在损失每年达到5400亿美元，所以遏制病虫害迫在眉睫。
AI诊病原理！
病虫害对植物造成影响是大致不同的，比如有些虫吸食树汁，有的虫啃食果实，根据特殊痕迹判断罪魁祸首。
日本研究人员开发一种可视化图像特征作为判断基础的AI，通过相关痕迹数据的积累，丰富AI的数据模型，然后将现有图像与AI存储数据比对，以判断引起植物不适的原因。
数据越多，病虫害判断越准确！
AI诊病操作！
将植物叶片分为三个区域，分别是健康区域、患病区域、常见特征。在这项研究中心，输入RGB图像的大小为256256像素，特征区域为4096维，根据不同特征定义不同区域，准确找出患病区！
然后将患病区域的图像，与已有数据进行比对，反复确认最终诊断病因。
AI诊病未来！
AI诊病难点在于数据积累，应为足够数据做支撑，才能增加诊病正确率。若是AI诊病数据积累足够时，将面向更多领域，比如对比叶片现有图像，判断植株长势如何，是否缺少微量元素等，实时把控植物健康情况！
从细微处，呵护植株健康，保证果实品质！
