“虫脸识别”“北斗夜眼”……一批科技感十足的装备在夏收中表现亮眼

央视网消息：眼下，多地小麦陆续开镰收割。农业农村部最新农情调度显示，目前，全国冬小麦已收获7.9%。为了确保颗粒归仓，一批科技装备纷纷闪亮登场。那么，它们是如何助力夏收的呢？我们到各地去看一看。

江苏苏州全程机械化收割 手机遥控操作收割机

总台记者 杨滢：在江苏省苏州市吴江区的同里镇，按照小麦收获从南至北的规律，这里也是江苏最早开始收获的地区之一，小麦种植面积近万亩，通过航拍画面我们可以看到一望无际的规整的农田，金色麦浪随风涌动。收割机正在麦田中缓缓行驶，进行全程机械化收割。

在这个园区里，还有一个“无人化农场”。未来农业是个啥模样，在这里可以先睹为快。农场物联网大数据库，实现作物生产过程的全程监控，全天候监测作物长势信息。通过手机App，机手就能操作无人驾驶收割机，遥控收割、脱粒、装入粮仓等步骤。在手机上，还会清晰地显示出发动机转速、粮仓状态等信息。

河南驻马店应对降雨 履带式收割机帮忙抢收

据气象预测，最近几天，本轮降雨区域波及河南、安徽、江苏、重庆及湖北等地。在河南省驻马店市，不少地块的小麦已经完全成熟，全市的52支应急机收服务队加紧忙碌起来，趁着雨停的间隙，帮助农民抢收。

总台央视记者 刘成：在河南省汝南县三桥镇的麦田里，刚下的一场雨，让麦田变得特别松软。趁着不下雨，应急服务队紧急调来四台履带式收割机，帮忙抢收。

安徽寿县“北斗夜眼” 让夜收更加高效 

在安徽寿县青峰村，夜幕下的麦田里机声轰鸣，为了抢在下雨前完成收获，农机手们还在持续作业。

安徽省寿县农机手 陆冰冰：现在因为有北斗，我们规划好线路，它就像家里的扫地机一样，肯定不会漏收。

“奔跑”的三夏·降本增效

为了确保颗粒归仓，除了小麦收割，在储运、加工，乃至丰收前的田间管理等各个环节，仍然有很多细节需要注意。而在这些领域，科技同样发挥着重要作用。

在河北，眼下小麦正进入灌浆期。在河北省石家庄市鹿泉区小毕村，农民们正抢抓农时，利用自动化平移式喷灌机，对近400亩的高标准农田小麦进行浇灌，大大地节约了用水量，同时也减少了人工投入。

河北省石家庄市鹿泉区小毕村农户 李永和：过去浇这三百多亩的时候，用十来个工，现在用两天的时间，两个人就可以完成了。今年小麦选用的是新品种，是中麦6032。品种也选对了，水也节约了，所以今年小麦长势良好。

湖北钟祥补齐烘干短板 粮食用上“吹风机”

生产上节本增效，而在储运环节，通过科技手段，也可以实现库存粮食的减损降耗。在湖北钟祥，这里的小麦将迎来开镰。往年粮食烘干问题一直是影响粮食收储的短板，但今年，同一块麦田有了新变化。

湖北荆门钟祥市天和农机服务合作社经理 曾照洲：我身旁的这6台设备是新上的一套全自动化烘干塔设备，每天的烘干能力大概在360吨左右，这是我们设备投入使用后第一次烘干。

眼下，湖北全省各大粮食产区，正通过优化土地环评审批流程，加大对粮食烘干中心（点）建设用地计划指标保障力度。截至目前，全省新增粮食烘干中心301个，年减少粮食霉变损失1亿斤。

“奔跑”的三夏看科技·虫脸识别

手机解锁，刷脸支付，现如今，人脸识别技术已经被广泛应用，但是您听说过“虫脸识别”吗？在安徽有这样一群年轻的博士，他们拿着“自拍杆”，在田间地头给虫子们拍“写真”，进行“虫脸识别”。这到底是一项什么技术？对于农业生产，又有哪些帮助呢？

一根长长的“自拍杆”探入麦丛中，或深或浅，动作迅速，像“扫雷”一样。在安徽宣城市宣州区，中科院合肥智能机械研究所博士杜健铭正和同事在麦地里忙着给麦上的害虫们拍照片。

中科院合肥智能机械研究所博士 杜健铭：蚜虫的聚集，一般不都是在这个位置有一片聚集，现在看起来还挺不错的，你看整个秆子，我们伸下去的话，这么扫过来，也没有（害虫），（小麦）根下面好像也没有，整个茎杆下面都蛮干净的。

“自拍杆”如何实现“虫脸识别”呢？杜健铭手持的“自拍杆”配有高清摄像头和智能终端，只需将设备探头伸进麦田，轻轻点击手机的拍摄按钮，就完成了图片采集。

中科院合肥智能机械研究所博士 杜健铭：手机的作用不只是用来收照片，同时我们还可以把随时随地拍出来的照片上传到服务器上进行储存。

在专用的手机软件上，杜健铭拍摄的虫子都被智能系统自动打上了框。同时，系统会在后台分析出害虫的种类、数量，以及虫害发生等级。这些病虫害对农业生产的影响巨大，为了从“虫口夺粮”，需要定期对农作物病虫害进行监测。但传统的计算办法是一只只地数，费时费力不说，也无法保证数据的准确。如何把人工智能和农业相结合，让农业更智慧？是杜健铭和他的科研团队一直在思考的问题。不过，“虫脸识别”可不同于人脸识别，有些害虫的相似度极高，用普通的人工智能技术难以区别分类。

中科院合肥智能机械研究所博士 杜健铭：虫子一般来说都很小，我们真正做的事情不只识别它是不是蚜虫，同时还要知道这些蚜虫到底有多少只，为了我们之后去判定，这一片田中平均的虫害和病害发生的数量，用来评估这边的受灾等级。整体来说，是要比人脸识别张三，还是李四，要难上一个等级的。

为了逐步突破“虫脸识别”的难点，杜健铭和团队几乎走遍了省内各个县市，对田间害虫进行数据采集，不断积累样本，优化数据库。目前，“虫脸”数据库已收集包括700多万张图片，500多种病虫害“相貌”，覆盖小麦、水稻、油菜等29种农作物和经济作物，识别准确度在80%以上。巨大的数据库，让害虫无处遁形。

中科院合肥智能机械研究所高级实验师 胡海瀛：我们这里面有各种害虫，包括一些常见的和不常见的，也可以给专家提供一些辅助以及给他一个参考建议，如何去防治，用什么样的药或者是什么复合肥等，从生产到最后收获一系列的管理。