李景賢 張 京 龐 蒙

近些年，隨著大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)的突飛猛進(jìn)，圖像識(shí)別技術(shù)也迎來了春天，其使用場景也逐步多樣化。從指紋識(shí)別到人臉識(shí)別，從安全領(lǐng)域逐步擴(kuò)展到其他領(lǐng)域，圖像識(shí)別技術(shù)有了更廣泛的應(yīng)用。比如依托于圖像識(shí)別技術(shù)的車牌識(shí)別能夠自動(dòng)精準(zhǔn)地抓拍、識(shí)別車牌信息，在交通違章管理、安防識(shí)別、停車場計(jì)費(fèi)等方面都有具體的應(yīng)用，不僅降低了人工成本，同時(shí)也能大幅度提升工作效率。

什么是圖像識(shí)別技術(shù)

圖像識(shí)別技術(shù)是指利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對象的技術(shù)。通俗點(diǎn)來說，就是計(jì)算機(jī)按照某一個(gè)規(guī)則收集圖像的特征點(diǎn)，并將這些特征點(diǎn)和現(xiàn)有的特征模型進(jìn)行比較，分析兩者之間的相關(guān)性。舉個(gè)例子，人的圖像識(shí)別能力是非常強(qiáng)的，飯桌上初識(shí)的朋友，再一次相遇也可以輕易地叫出名字；當(dāng)別人在你背上寫字時(shí)，你依然可以感知寫的是什么字。我們是如何將人與名字對應(yīng)起來？如何認(rèn)出這個(gè)人？如何感知到別人在背后寫的字？其實(shí)在初次見到一個(gè)人的時(shí)候，人眼睛所看到的圖像通過視網(wǎng)膜傳輸?shù)酱竽X，大腦已經(jīng)建立好了這個(gè)人的模型，高矮胖瘦、五官長相等，這個(gè)模型被存儲(chǔ)在我們的大腦里。當(dāng)我們下一次再見到這個(gè)人，視網(wǎng)膜會(huì)將我們看到的畫面?zhèn)鬏數(shù)酱竽X，大腦分析這個(gè)人的體貌特征，并與之前保留在大腦里的模型作比較，識(shí)別出這個(gè)人是誰。同樣，我們小時(shí)候在學(xué)習(xí)漢字的時(shí)候，筆畫順序也在我們的大腦里建立了模型并保存下來，當(dāng)下一次我們的感官接收到信號(hào)時(shí)，就可以快速在自己的模型庫里提取和比較，找出符合傳入信號(hào)的模型，這樣我們就能在不看的時(shí)候也知道別人在我們背后寫的字。

圖像識(shí)別就是以圖像的主要特征為基礎(chǔ)而建立的認(rèn)知系統(tǒng)。每個(gè)圖像都有他的特征，如A字母有個(gè)尖，D有個(gè)圈，而X有兩銳角等?；谶@些特征，我們可以構(gòu)建相應(yīng)的模型，當(dāng)再次傳入影像時(shí)，我們就可以通過對傳入影像進(jìn)行特征提取，再同我們的模型進(jìn)行比較，生成相應(yīng)匹配結(jié)果。當(dāng)然，這個(gè)匹配結(jié)果不一定百分百正確，但肯定是會(huì)具有一定的相似度。

圖像識(shí)別技術(shù)在植物保護(hù)上的應(yīng)用

那么，圖像識(shí)別技術(shù)在農(nóng)業(yè)領(lǐng)域有什么用處呢？隨著世界人口的不斷增長和自然環(huán)境資源的不斷枯竭惡化，農(nóng)業(yè)可持續(xù)發(fā)展已成為當(dāng)今世界各國在其農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展及至整個(gè)國民經(jīng)濟(jì)發(fā)展過程中的核心內(nèi)容。當(dāng)今，一方面農(nóng)田水利設(shè)施逐步完善，中低產(chǎn)田的改造，優(yōu)質(zhì)高產(chǎn)良種的推廣，新型栽培技術(shù)的逐步應(yīng)用和普及，大大促進(jìn)了農(nóng)業(yè)的增產(chǎn)增收；而另一方面，在提高農(nóng)業(yè)可持續(xù)發(fā)展的進(jìn)程中，災(zāi)害性因素已成為制約這一發(fā)展要求的重要因素。異常氣候是第一位的災(zāi)害性因素，地震災(zāi)害也是重要的災(zāi)難性因素，但因它們的偶發(fā)性和局部性，不會(huì)對全局造成影響。而有害生物所造成的災(zāi)害則不同。由于有害生物所具備的長期性、適應(yīng)性、反復(fù)性、動(dòng)態(tài)性、變異性和突發(fā)性，它已成為災(zāi)害性因素中一個(gè)重要的常發(fā)因素。在對有害生物的防治過程中，農(nóng)藥殘留問題漸漸凸顯為目前最受關(guān)注的環(huán)境問題之一。許多研究表明，過量施用農(nóng)藥的主要原因是農(nóng)業(yè)技術(shù)推廣部門沒有有效地為農(nóng)民提供信息和技術(shù)，尤其是不能及時(shí)準(zhǔn)確地提供病蟲害的種類、分布密度等信息。這也注定了人類與有害生物的斗爭將是永存的，需要不斷的技術(shù)進(jìn)步。

基于圖像識(shí)別的技術(shù)特征，圖像識(shí)別有可能最先應(yīng)用在農(nóng)業(yè)領(lǐng)域的是植物保護(hù)方面，應(yīng)用場景大致分兩類。一類是病害識(shí)別，一類是蟲害識(shí)別。基于圖像識(shí)別技術(shù)的“植物病害識(shí)別”，能夠通過分析病變部位的影像數(shù)據(jù)識(shí)別病變狀態(tài)，迅速找到病害的成因，并給出相關(guān)病害介紹及防治措施，幫助農(nóng)民更好更快地做好防治處理，降低農(nóng)戶的損失?；趫D像識(shí)別技術(shù)的“植物蟲害識(shí)別”，能精準(zhǔn)地識(shí)別蟲害的特征、害蟲的種類，反饋蟲害的基本信息、防治辦法，指導(dǎo)農(nóng)民科學(xué)防治，減少蟲害識(shí)別中誤判、錯(cuò)判、延誤帶來的損失及農(nóng)藥噴灑不當(dāng)造成的土壤板結(jié)等。

這兩類應(yīng)用場景都有具體的特征值，比如在病害識(shí)別應(yīng)用場景中，病害的發(fā)生部位、病害的表現(xiàn)形式具有一定的特征。而蟲害從幼蟲到成蟲每個(gè)階段都有獨(dú)特的特征?；谶@些特征我們可以建立相應(yīng)的特征模型，在遇到新的病蟲害圖片，我們可以提取其特征點(diǎn)，對比現(xiàn)有的模型形成識(shí)別結(jié)果，通過人工輔助優(yōu)化不斷優(yōu)化特征模型，提高模型的精準(zhǔn)度，最終形成一套精準(zhǔn)度高、識(shí)別率高的特征模型。

基于圖像識(shí)別技術(shù)的大田蟲害檢測系統(tǒng)

大田蟲害檢測系統(tǒng)基于大數(shù)據(jù)的綜合管理、分析服務(wù)，從田間樣品采集，到輸入圖像，再到病蟲害專家知識(shí)庫，最后識(shí)別與檢測結(jié)果驗(yàn)證，從而檢測病、蟲、草害種類，讓深度學(xué)習(xí)、大數(shù)據(jù)技術(shù)全面改變病蟲草害監(jiān)控、防治過程，將大大提高田間害蟲的識(shí)別準(zhǔn)確率和識(shí)別效率。提高害蟲預(yù)報(bào)的時(shí)效性和準(zhǔn)確度，可以為政府決策和大田害蟲防治提供更及時(shí)準(zhǔn)確的蟲情信息，有利于降低防治成本，提高防治效率，同時(shí)控制農(nóng)藥的濫用，促進(jìn)我國無公害農(nóng)產(chǎn)品的生產(chǎn)，其經(jīng)濟(jì)、生態(tài)和社會(huì)效益均十分可觀。

基于圖像識(shí)別技術(shù)的病蟲害識(shí)別APP

傳統(tǒng)的病蟲害識(shí)別都是依靠少數(shù)病蟲害研究人員、植?？萍脊ぷ魅藛T通過手工檢查或肉眼觀察來完成，識(shí)別率較低也不穩(wěn)定，同時(shí)需要耗用大量的植保科技人員。目前，由于植?？萍既藛T有限，有些區(qū)域位置偏遠(yuǎn)、交通不便，無法及時(shí)到達(dá)現(xiàn)場，只好根據(jù)農(nóng)戶的描述來識(shí)別，然而大多數(shù)農(nóng)戶專業(yè)知識(shí)有限，往往在轉(zhuǎn)述的過程中忽略了細(xì)節(jié)，容易導(dǎo)致誤判錯(cuò)判。針對蟲害我們采用細(xì)粒度圖像識(shí)別算法與大量害蟲的真實(shí)圖片進(jìn)行圖像識(shí)別，通過識(shí)別、反饋、再識(shí)別，不斷優(yōu)化特征模型。

總之，基于圖像識(shí)別技術(shù)快速識(shí)別圖片內(nèi)容，簡單、易操作，農(nóng)戶打開應(yīng)用，點(diǎn)擊拍照，識(shí)別圖片，即可獲取內(nèi)容，步驟簡單，可以快速上手，使得具備手機(jī)初級(jí)使用水平的農(nóng)戶也能快速掌握操作方法，不需要農(nóng)戶具備專業(yè)的知識(shí)也能輕松使用。因此，可以預(yù)期，在不久的將來，圖像識(shí)別技術(shù)一定會(huì)在植物保護(hù)方面大顯身手。