根據美國農業部農業研究局的資料，像日本金龜子這樣的昆蟲害蟲對農業造成的損失每年超過1000億美元。再加上這些昆蟲可以傳播的植物疾病，節肢動物每年造成全世界40%的農業生產損失。FarmSense是一家位於加州河濱的農業技術初創公司，其試圖解決昆蟲害蟲問題。該公司建立了光學感測器和基於機器學習演算法的新型分類系統，以實時識別和跟蹤昆蟲。這裡的關鍵是：實時資訊。
他們聲稱，他們的感測器提供的實時資訊允許早期檢測，從而及時部署害蟲管理工具，如殺蟲劑或生物控制。目前用於監測的機械誘捕器可能只在蟲子到達10至14天后才產生重要的情報。
FarmSense公司的聯合創始人Eamonn Keogh說：“這些蟲子的成蟲只能活5天，所以當你知道你有一個問題時，這個問題已經出現，現在是一個更大的問題。如果你實時知道這個問題，你就可以把干預措施本地化，只在一個地方進行，結果會好得多，節省農藥，節省勞動力，使作物不受損害。”
他們如何能提供對實現這些更好的結果至關重要的資訊，這有點複雜。
該公司目前正在南加州的杏仁園中進行測試和研究，這要歸功於小企業創新研究基金。他們最新的感測器被稱為FlightSensor，當考慮到Keogh從哪裡得到這個想法時，就能最好地理解了：詹姆斯-邦德和冷戰時期的間諜活動。
Keogh解釋說，俄羅斯間諜如何使用鐳射，在玻璃窗玻璃上定位，來捕捉人們的聲音引起的振動。然後一個感測器將翻譯這些資訊，提供關於房間裡發生的事情的粗略情報。“懷著同樣的想法，我想象著如果一隻蟲子飛過鐳射器會發生什麼......你將只聽到蟲子的聲音，而沒有別的聲音。”
然而，FlightSensor不是讀取振動，而是在一個小通道內使用光幕和陰影，昆蟲被吸引物吸引進入。感測器的一側是一個光源，另一側是光學感測器。感測器測量當昆蟲在裡面飛翔時，有多少光被遮擋，或者說有多少光能穿過。這些資料被轉化為音訊，並由雲端的機器學習演算法進行分析。
據FarmSense稱，為了方便種植者使用，該感測器被設計成老式模擬裝置的樣子，不會接收到環境噪音，如風或雨。
Keogh說：“訊號的質量非常清晰，它對田間通常聽到的環境聲音充耳不聞。這基本上是一種不同的聽覺模式，但是當你戴上耳機聽感測器的音訊片段時，它聽起來就像一隻蚊子或一隻蜜蜂在飛來飛去。”
加州大學河濱分校計算機科學與工程系教授Keogh專門研究資料探勘，並從事FarmSense用於識別目的的新型機器學習演算法的研究。協助開發和部署的是昆蟲學家和現場專家，包括該公司聯合創始人 Leslie Hickle。
該公司的執行長Shailendra Singh曾為無線和蜂窩網路以及安全開發過系統--負責硬體方面的工作。他提供了每個感測器的工作價位，將按季節計費，為300美元。
這項技術的影響是顯而易見的。對於農民來說，昆蟲的實時資訊不僅對他們的財務安全很重要，而且還能讓他們有可能儲存和保護關鍵資源，如土壤健康。
但FarmSense公司聲稱，它希望增強農村農民的能力，因為他們說昆蟲造成的損害對他們的影響特別大。
然而，每個感測器每季300美元的價格是很高的，這給採用該技術帶來了潛在的風險，因此也給該技術首先解決蟲害問題的能力帶來了風險。
美國農業部資助的Feed the Future市場、風險和復原力創新實驗室主任、加州大學戴維斯分校農業和資源經濟學傑出教授Michael Carter說，小規模農戶最困難的事情之一是管理風險。
“風險可以使人們保持貧困。它阻礙了對能夠提高平均收入的技術的投資，因為未來是未知的，”Carter說。“財富少的人顯然沒有很多儲蓄，但他們不能冒著儲蓄的風險去投資可能提高他們收入的東西，而這也可能導致他們的家人捱餓。”
然而，他樂觀地認為，像FlightSensor這樣的技術可以緩解小規模農民的投資恐懼，特別是如果該技術與保險搭配，進一步保護他們。
這項技術也提出了這個問題。實時識別真的是害蟲管理的最佳選擇嗎？美國農業部林務局的研究昆蟲學家Andrew Lieb說，這可能不是。他解釋說，入侵性昆蟲的主要驅動力--通常是對農業和森林破壞性最大的--是旅行和貿易。
他對技術作為控制昆蟲建立的一種方式表示樂觀，但最終認為最佳戰略是更早地攻擊這個問題。我們應該解決目前的進口和出口法律，如何處理產品以去除害蟲。
儘管有這些擔憂，但毫無疑問，FarmSense的技術已經準備好發揮影響了。甚至在解決農民的財務不安全和對我們全球食物鏈的威脅之外，它可能被證明在跟蹤和傳播有關疾病傳播昆蟲（如蚊子）的關鍵資訊方面非常有用。
考慮到非本地昆蟲入侵預計到2050年將增加36%，以及不斷增長的人口數量將給糧食生產帶來更大的壓力，像FlightSensor這樣的創新技術推進了人們理解和周到地應對威脅的能力，是非常值得歡迎的。
正如Carter在談到農業技術仍能使農業受益的所有可能方式時所說，“我們需要在這些邊緣地帶發揮創造力”。
