于金源 趙娜

摘要：目前，園藝植物經(jīng)過多年的發(fā)展，已經(jīng)成為我國很多地區(qū)的主要支柱產(chǎn)業(yè)，形成了具有地方特色的優(yōu)勢產(chǎn)區(qū)。園藝植物基本屬于高投入、高產(chǎn)出、技術(shù)含量相對較高的產(chǎn)業(yè)。人們在實際生產(chǎn)中經(jīng)常存在病蟲害的問題，這給城市綠化和景區(qū)帶來了很大的損失。要實現(xiàn)園藝植物的病蟲害識別和正常生產(chǎn)，離不開科技的支撐。本文總結(jié)了利用基于遺傳算法的圖像處理和識別技術(shù)簡便、快速地識別園藝植物病蟲害的方法。

關(guān)鍵詞：遺傳算法；園藝植物；病蟲害識別；圖像處理

中圖分類號：TP18 文獻標(biāo)識碼：A 文章編號：1009-3044（2019）06-0189-02

Study on Identification Methods of Plant Diseases and Insect Pests Based on Genetic Algorithm

YU Jin-yuan， ZHAO Na*

（Tianjin Agricultural University， Tianjin 300384， China）

Abstract： At present， after years of development， horticultural plants have become the main pillar industries in many areas of China， forming a dominant production area with local characteristics. Horticultural plants are basically high-input， high-output， and relatively high-tech industries. People often have problems with pests and diseases in actual production， which brings great losses to urban greening and scenic spots. To realize the identification and normal production of horticultural plants， it is inseparable from the support of science and technology. This paper summarizes the methods for easily and quickly identifying horticultural plant diseases and insect pests using image processing and recognition techniques based on genetic algorithms.

Key words： genetic algorithm； horticultural plants； pest and disease identification； image processing

1 概述

新時代以來，隨著世界經(jīng)濟全球化趨勢的不斷增強，科技革命迅速發(fā)展，公民生活水平不斷提高，這些都對園藝植物生產(chǎn)和植保工作提出了新的要求。我國植保工作要適應(yīng)新時期新形勢的要求，實現(xiàn)新的發(fā)展目標(biāo)，必須樹立“以人為本”和科學(xué)發(fā)展觀的思想，重視資源和生態(tài)環(huán)境保護。

園藝植物病蟲害識別是植物病理學(xué)和昆蟲學(xué)的一個分支，它是研究園藝植物病害的發(fā)病規(guī)律、癥狀識別和害蟲的生活習(xí)性、形態(tài)特征、預(yù)測預(yù)報和識別方法的一門科學(xué)，包括果樹、蔬菜、花卉等。也是直接為園藝植物生產(chǎn)服務(wù)的一門應(yīng)用科學(xué)。因為病蟲生活是由環(huán)境寄主植物、天敵等因子組成的復(fù)雜生態(tài)系統(tǒng)，所以園藝植物病蟲害識別是以病原生物學(xué)、昆蟲學(xué)、化學(xué)、植物學(xué)、統(tǒng)計學(xué)等有關(guān)學(xué)科為基礎(chǔ)。[1]

近代園藝植物病蟲害識別的發(fā)展甚為迅速。新中國成立后，國家對病蟲識別工作極為重視，通過廣大植保工作者的共同努力和實踐，取得了舉世矚目的成就。特別是20世紀(jì)60年代以來，由于遺傳學(xué)、微生物學(xué)、分子生物學(xué)、電子顯微技術(shù)、電子計算機等學(xué)科的發(fā)展和應(yīng)用，園藝植物病蟲害識別的研究有了新的進展和方向。大多數(shù)高新技術(shù)在園藝植物病蟲害識別的研究和實踐中日益普及，遙感、遙控技術(shù)已用于害蟲的分布情況危害程度的遙測偵察，為預(yù)測預(yù)報工作提供了可靠的依據(jù)。原子能、激光、超聲波、激素、遺傳工程已在病蟲害的管理和識別上顯示出越來越重要的作用。

隨著病蟲害綜合治理理論和技術(shù)向高、深層次發(fā)展及系統(tǒng)工程原理和方法在有害生物治理技術(shù)中的應(yīng)用，病蟲害的計算機優(yōu)化管理也將逐步提高，這使園藝植物病蟲害識別與信息學(xué)、環(huán)境學(xué)、社會學(xué)經(jīng)濟學(xué)、決策學(xué)、計算機與信息科學(xué)等也發(fā)生越來越密切的聯(lián)系。

我國發(fā)展的需求應(yīng)當(dāng)迎合新時代的經(jīng)濟發(fā)展形勢，幫助我國多地區(qū)實行可持續(xù)發(fā)展的戰(zhàn)略和目標(biāo)，同時得到理想的發(fā)展效果。另外，可持續(xù)發(fā)展的關(guān)鍵性因素是使用科學(xué)合理的病蟲害識別技術(shù)使園藝植物生長的更好。目前，我國總是病蟲害發(fā)生之后才進行各種識別研究，運用這種傳統(tǒng)的識別研究方法，不能從根本上解決病蟲害的問題，效果很不理想。所以，不要被動的在發(fā)生之后才做處理，務(wù)必要在病蟲害發(fā)生前，對其進行一些必要的識別研究。

2 遺傳算法的工作原理

遺傳算法是進化優(yōu)化算法的一個分支，模擬自然界生物DNA的遺傳變異機制，基于對DNA編碼字符串的操作實現(xiàn)概率優(yōu)化的。這里，字符串為個體的基因型，基于目標(biāo)參數(shù)等，可獲得各基因型對應(yīng)的表現(xiàn)型，即解空間中的點。

遺傳算法所具有很多特點，是傳統(tǒng)算法不能比擬的，比如對參數(shù)的編碼進行操作、不需要進行推導(dǎo)以及增加附加信息、尋找最優(yōu)規(guī)則非確定性等。當(dāng)一對染色體結(jié)合到一起時，雙親的遺傳基因的結(jié)合會使子女保留父母的特征；當(dāng)染色體結(jié)合之后，由于染色體的隨機變異也會造成子代同父代的不同。

自從遺傳算法的提出就引起了相當(dāng)多的學(xué)者關(guān)注，并在多方面取得了較好的研究成果，尤其是在算法方面，主要體現(xiàn)在對其的應(yīng)用和理論研究。因為遺傳算法只是模擬自然演化過程的一種全局概率搜索優(yōu)化算法，而又只對染色體進行遺傳操作，而不是對決策的變量本身。且對優(yōu)化函數(shù)沒有什么特殊的要求，正應(yīng)如此遺傳算法才能在眾多的領(lǐng)域獲得廣泛應(yīng)用。

運用遺傳算法解決優(yōu)化問題的時候，第一，通常采用二進制串來表示問題解空間中的一個候選解編碼成個體，也就是基因型。遺傳算法是對一定數(shù)量的個體群進行操作，而不是針對一個個體。進化種群是它們形成候選解的集合。在第一時間，在搜索空間中隨機生成種群中的每一個個體。緊接著，用適應(yīng)度函數(shù)給個體一個適應(yīng)值，也就是合適的值。這個適應(yīng)度函數(shù)就是評價函數(shù)，評價函數(shù)和需要優(yōu)化的問題的目標(biāo)函數(shù)有很大的關(guān)系。根據(jù)這個適應(yīng)度函數(shù)，好的個體通?？梢员毁x予高的適應(yīng)值，使得它們在下一代能得到更多被選擇的機會，用來產(chǎn)生更具有競爭力的新個體。生成新個體依靠設(shè)計合適的重組算子?？梢圆蛔鋈魏胃淖?nèi)ブ苯訌?fù)制父代的個體生成新個體，這就是選擇算子。像變異算子和交叉算子，就是通過對上一代個體進行局部的修改，用來提高個體的適應(yīng)值。通過混合兩個被選擇的父代個體的部分基因來使典型的交叉算子中生成的新個體。交叉操作主要基于已有的編碼個體對搜索空間進行開發(fā)，另外，還可由變異操作探索沒有被當(dāng)前種群表示的搜索空間，這種操作通過隨機地改變個體的某一部分來產(chǎn)生新個體。新產(chǎn)生的種群再采用相同的操作過程。在滿足設(shè)定的算法終止準(zhǔn)則之前，讓這個過程循環(huán)進行。遺傳算法的基本實現(xiàn)如下步驟所示。

（1）輸入設(shè)置的參數(shù)，其中包含種群規(guī)模N，終止條件（如最大迭代次數(shù)Tmax），交叉和變異概率[pc]、[pm]。

（2）首先設(shè)置t=0，初始化為隨機生成，生成初始進化種群P（0）。

（3）其次計算出適應(yīng)值，基于解碼算法，對進化種群P（t）中的每一個個體，獲得各進化個體基因型對應(yīng)的解空間中的點，并計算其目標(biāo)函數(shù)，再根據(jù)與目標(biāo)函數(shù)相關(guān)的適應(yīng)度函數(shù)，計算出個體適應(yīng)值。

（4）然后選擇操作，對當(dāng)前進化種群P（t）中的個體，按照相應(yīng)的選擇機制，如輪盤賭或聯(lián)賽選擇策略等，選擇出N個個體組成種群P （t），該種群中包含當(dāng)前代為止最優(yōu)進化個體。

（5）之后運用交叉操作，對種群P （t）中的進化個體進行隨機兩兩配對，將其作為父代個體，然后以概率[pc]對父代個體實施交叉操作，如單點交叉、多點交叉等，生成新的子代個體，并組成種群P"（t）。

（6）緊接著進行變異操作，對進化種群P"（t）中的個體，以概率Pm選擇部分進化個體，實施變異操作，像二進制編碼中.選擇某一位實施變異 ，生成新的種群P"（t）。

（7）得到P（t+1）=P"（t），t=t+1。

（8）如果滿足算法終止條件，那么算法結(jié)束，則輸出最優(yōu)解；否則，轉(zhuǎn)步驟2。

（9）最后輸出得到的最優(yōu)解。[2]

3 基于遺傳算法的園藝植物病蟲害識別

眾所周知，以前的文字描述在很多方面都有限制，因而需要用基于遺傳算法的病蟲害研究方法去辨別園藝植物病蟲害。園藝植物病蟲害是指對園藝中的植物在生長過程中造成傷害的病害和蟲害的總稱，種類非常的多，治理起來也比較困難。園藝植物病蟲害圖像識別法是運用對圖像傳感器所獲得的園藝植物病蟲害圖像進行優(yōu)化分析處理，有效地識別害蟲的種類及監(jiān)測害蟲的數(shù)量，進而對害蟲的活動情況進行有效及合理的實時監(jiān)控和自動識別。

因為有了能夠獲取圖像的設(shè)備，人們在獲取病蟲圖像時才方便了許多。這將使利用模式識別技術(shù)，對病蟲圖像分析和處理結(jié)果的自動識別分類奠定基礎(chǔ)。在與傳統(tǒng)的人工識別相比，這種利用圖像分析的病蟲識別系統(tǒng)不僅節(jié)省了大量的人力物力資源還打破了以往的專家進現(xiàn)場勘察的局限。如果將圖像的病蟲識別技術(shù)再結(jié)合模式識別技術(shù)和圖像處理技術(shù)。用在防護林的保護、水稻病蟲預(yù)防和病蟲預(yù)報與識別等方面，可以大大提升檢測的效率、減少不必要的損失，降低病蟲害對農(nóng)作物和植被的影響，并且在日后的學(xué)術(shù)研究和實際應(yīng)用中都具有很高的價值。[3]

圖像識別的復(fù)雜程度和難度都非常高并且會隨著系統(tǒng)維度的增加而增加。

如果可以從大量候選的特征中找出代表問題空間的最優(yōu)特征是十分重要的。好的特征應(yīng)具有以下幾大特點：可區(qū)分性、可靠性、獨立性和數(shù)量少的特點。而特征選擇的方法有三種：窮舉法、啟發(fā)式方法、隨機方法。其中窮舉法的準(zhǔn)確度最高能保證最優(yōu)，但計算的復(fù)雜度和難度也是相當(dāng)高的，而后兩種方法雖然即簡單又快速，但準(zhǔn)確度相對較低并且不能保證最好。利用遺傳算法對提取的原始特征向量進行重點優(yōu)化選擇，最終可以從原始特征中篩選出具有獨立性好、數(shù)量少的特征，這將大大地降低了分類器的復(fù)雜性和難度，從而可以提高病害圖像識別的效率。[4]

4 總結(jié)

新時代的植物保護學(xué)科，園藝植物病蟲害識別技術(shù)隨著其他科學(xué)技術(shù)的不斷提高也得到了快速發(fā)展。我國作為發(fā)展中國家，與發(fā)達國家相比之下，經(jīng)濟和社會因素還存在很大的差距。由于精準(zhǔn)農(nóng)業(yè)的興起，使用信息技術(shù)為園藝植物病蟲害的識別提供了新方法，其中之一就是圖像處理技術(shù)。這里的圖像處理就是將圖像信號轉(zhuǎn)換成相應(yīng)的數(shù)字信號，然后利用計算機對其進行加工處理的過程。

隨著我國經(jīng)科技水平的迅猛發(fā)展，以及社會整體經(jīng)濟水平的提高，人們對園藝植物病蟲害、草害識別水平的要求也在不斷地提高。只有正確分辨病蟲害種類，才能做到對癥下藥，保障園藝植物的正常生長，以達到觀賞的價值。綜上所述，利用遺傳算法來識別園藝植物病蟲害，對保障園藝植物正常生長并維護其自身的價值具有重要的意義。

參考文獻：

[1] 郭濤.新時期園藝植物病蟲害防治技術(shù)初探[J].南方農(nóng)業(yè)，2018，12（2）：57+59.

[2] 趙葉. 無線Mesh網(wǎng)絡(luò)中基于風(fēng)險評估的安全路由機制的設(shè)計與仿真[D].東北大學(xué)，2013.

[3] 宗精學(xué)，楊余旺，趙煒，等，莫然.基于圖像分析的病蟲識別研究[J].科學(xué)技術(shù)與工程，2014，14（19）：194-200.

[4] 唐朝霞，張粵.基于遺傳算法的玉米病害圖像特征優(yōu)化與識別[J].安徽農(nóng)業(yè)大學(xué)學(xué)報，2013，40（2）：336-341.

【通聯(lián)編輯：唐一東】