最近我们做了一个项目，采用人工智能技术，实现冬虫夏草识别，这里识别的不是炮制后的中药材，而是虫草子座识别，用于快速识别地面虫草，提高采挖效率。
传统虫草采挖，一般是每年 4–7 月，在海拔 3500 米以上的高原草甸，人工弯腰或匍匐寻找露出地面的虫草子座，找到后用小铲 / 小棍轻轻刨开周围冻土，完整挖出虫体与子座，再清理泥土。
有了人工智能加持，只需要手持虫草识别终端，对着地面拍摄，当终端设备发现虫草之后，便会发出警报，并且在屏幕上圈出虫草位置的图像，大大提高了虫草寻找速度。
人工智能冬虫夏草识别用到了“目标检测”技术。
目标检测的核心任务，是让计算机在一张图片里同时完成识别物体是什么和找到物体在哪里两件事。它以卷积神经网络为基础，先对图像进行多层特征提取，把纹理、形状、颜色、边缘等信息转化为模型能理解的特征，为后续定位和分类提供依据。
在定位环节，算法会通过预设的锚点框或区域生成机制，在图像上生成大量可能包含目标的候选区域，再通过网络判断这些区域是否存在目标，并不断调整框的位置和大小，让边界框尽可能精准地包裹住物体，排除背景干扰。
最后，模型会对筛选出的有效区域进行分类判断，确定目标属于哪一类别，并给出置信度。根据实现方式，目标检测可分为两阶段和单阶段算法，前者先找区域再识别，精度更高；后者将定位和分类一步完成，速度更快，更适合实时性要求高的场景。