16 maj

Inventering av skadeinsekter i jordbruksmark är viktigt för att veta när skadedjursbekämpningen är tillräcklig, men detektering och analys av små insekter är både svårt och tidskrävande. En lösning kan vara automatiserade inventeringar genom maskininlärning enligt en prisad masteruppsats.

Emma Olsson från Linköpings universitet tilldelades i mars Jordbrukstekniska föreningens stipendium på 30 000 kr för sin uppsats ”Detection of pests in agriculture using machine learning”. Ett stipendium som delas ut årligen till en examensuppsats inom teknik på magister- eller mastersnivå, skriven vid ett svenskt lärosäte.

Mer skadeinsekter i ett varmare klimat

Varmare temperaturer och mildare höstar gör att förekomsten av vissa skadedjur har ökat. Samtidigt minskar antalet nyttoinsekter på grund av klimatförändringar och användning av bekämpningsmedel. När de nyttiga rovdjuren börjar försvinna finns det mindre naturliga sätt att hålla skadedjuren borta, men att förstå den fulla inverkan som skadedjur har på grödor är tidskrävande.

– Ytorna som ska undersökas är ofta stora medan skadedjuren är små. Därför kan automatisering av insektsdetektering och klassificering, samt en grov uppskattning av hur allvarligt angreppet kommer att bli, vara användbart för jordbruk både på ekologiska och konventionella fält, säger Emma.

Automatiskt varningssystem

I studien undersökte Emma möjligheterna att utveckla ett automatiskt varningssystem för att meddela en användare när vissa skadedjur hamnat i en fälla. För detta användes en vetenskaplig metod som på engelska kan benämnas ”sliding window with histogram of oriented gradients based support vector machine”, som i korthet letar efter mönster i lokala gradienter i en bild.

– Det handlade om en form av neurala nätverksmodeller som valdes och testades på insektsproblem. En del i studien var att testa en kontrollstorlekfunktion för att begränsa detektionerna till skadedjur av en viss storlek. Tillvägagångssättet ser ut att ha stor potential för sorgmyggor och rapsbaggar, berätta Emma.

I syfte att automatisera datainsamlingsprocessen undersökes även detekteringsprestandan hos två populära implementeringar av neurala nätverk på olika insekter i fält. Modellerna visade lovande för upptäckt av rapsbaggar. Emma säger att metoden visar på goda möjligheter men att det behövs mer forskning för att få till ett praktiskt system.

Juryns motivering

Jordbrukstekniska föreningen offentliggjorde vinnaren av stipendiet den 29 mars och skrev i sin motivering: ”Vår bedömning är att det är den uppsats som har störst relevans, störst originalitet och att den genomförts med en bra metod. Vi bedömer att resultatet kan komma till stor nytta för svenskt lantbruk.”

Emmas handledare Fredrik Gustafsson, professor vid Linköpings universitet och vetenskaplig ledare i Agtech 2030, tycker det är roligt att AI kan bidra till en lösning för ett mer jordnära problem. Speciellt i en tid där olika spektakulära tillämpningar av AI dyker upp inom olika områden, som självkörande bilar och chat GPT.

– AI har i olika sammanhang, från schack till bilar, visat sig vara mest effektiv som rådgivare till människan snarare än som autonom beslutsfattare, och så verkar det även vara här. Rådgivare och experter behövs fortfarande inom jordbruket, vi gör bara deras arbete effektivare, säger Fredrik.

Jordbrukstekniska föreningen bildades 1927 i Uppsala för lantbrukare och andra som är intresserade av modern teknik i jordbruket. I Juryn för uppsatsstipendiet sitter: docent Per Frankelius, Linköpings universitet, professor Magnus Karlberg, Luleå tekniska universitet, bitr. professor Kristina Wärmefjord, Chalmers tekniska högskola. I juryn ingår även föreningens vice ordförande Lars Elfverson och sekreterare Claes Åkerberg. Per Frankelius anmälde jäv vid bedömningen av Emmas uppsats då den var skriven vid Linköpings universitet och har koppling till Agtech 2030.