人工智能在检测法国葡萄园致命葡萄病害方面超越人类专家

在法国，人工智能在防治葡萄树严重病害--多雷病（flavescence dorée）方面大有可为。最近，在索米尔（Saumur）由 InterLoire 举办的人工智能葡萄栽培会议上，香槟委员会宣布，在检测葡萄叶片上的病害方面，人工智能现在优于人类专家--至少在实验室条件下是如此。

香槟地区以严格的葡萄园管理而闻名。去年秋天，由葡萄种植者和技术人员组成的团队对 22350 公顷的葡萄园进行了为期 264 个半天的调查，对香槟委员会发出的 27000 张传票做出了回应。480 名主要葡萄种植者和 80 名志愿专家参与了此次行动。尽管做出了这些努力，但该地区 35000 公顷的葡萄园仍无法全部覆盖，参与者的疲劳程度也令人担忧。

香槟委员会项目经理马蒂厄-利巴特（Mathieu Liébart）在1月29日的会议上介绍了这些数据。他承认，组织如此大规模的检查既耗时又耗力。即便如此，人工操作也只能发现约 50% 的病株。一些受感染的葡萄藤没有被发现，而健康的葡萄藤有时会被误认为可疑。

为了解决这些局限性，香槟委员会五年来一直致力于开发人工智能工具，以更准确地识别多瑞斑。通过使用数千张健康叶片和受各种疾病或色斑影响的叶片图像对人工智能系统进行训练，研究人员的识别率已超过80%，在七月份采集的霞多丽叶片中，某些技术的识别率高达94%。

不过，迄今为止，这些高成功率仅在实验室环境中实现。目前，分析安装在拖拉机上的摄像机的实时视频片段所需的计算能力太大，不适合在现场使用。研究人员正在继续努力克服这一技术障碍。

其他研究小组也在推进人工智能在植物健康领域的应用。Pl@ntNet 联盟开发了一款应用程序，全世界有 2500 万人使用它来识别植物物种。虽然它现在可以识别油菜籽的七种叶面病害，但识别葡萄树的病害仍然是一项挑战。雷恩高等农业研究学院（INRAE Rennes）的植物病原流行病学家莉迪亚-布斯特-瓦斯林（Lydia Bousset-Vaslin）邀请葡萄种植者作为测试者进行合作，提交附有注释的葡萄藤病害图片，以帮助改进该技术。

Pl@ntNet团队依靠业余植物学家的贡献，并计划通过类似的社区参与来扩展其数据库，如Pl@ntAgroEco等新项目。Bousset-Vaslin强调，需要收集涵盖不同葡萄品种病害发展各个阶段的图像。她的团队使用 Meta 的 DINOv2 模型进行图像分析和识别。

除病害检测外，人工智能在葡萄酒分析领域也取得了长足进步。波尔多葡萄与葡萄酒科学研究所的研究员 Stéphanie Marchand-Marion 分享了一项人工智能分析圣埃米利永（Saint-Emilion）和梅多克（Médoc）分类生长的气相色谱数据的研究成果。人工智能能够区分这两个产区的葡萄酒，这是传统分析无法做到的。

在会议上展示的另一项研究成果中，一个西班牙团队利用人工智能描述了来自西班牙和澳大利亚的 30 种天帕尼优和歌海娜葡萄酒的口感特征，其准确度几乎与专家品酒会相当。这一过程将色谱和伏安分析与机器学习相结合，从而加快了感官评估的速度，降低了成本。

Marchand-Marion 敦促葡萄酒行业掌握这些技术进步，并积极主动地就其葡萄酒进行交流。她警告说，如果生产商不使用这些新工具并分享有关其产品的准确信息，其他人可能会介入并传播错误信息。

人工智能与葡萄栽培的融合仍在发展之中。虽然实验室结果令人鼓舞，特别是检测率高达94%，但如何将这些技术用于葡萄园的实际应用仍是一个挑战。研究人员将继续寻求与种植者的合作并获得更多资金，以便将这些创新技术从实验室带到田间地头。