陶怡 范營營 琚成 楊會甲 朱超 王飛

(西安航天自動化股份有限公司，陜西 西安 710065)

引言

由于農(nóng)作物病蟲害的多樣性和復雜性，在特定條件下其很容易在大范圍內(nèi)發(fā)生，導致農(nóng)產(chǎn)品產(chǎn)量急劇下降。因此，預防和監(jiān)測農(nóng)作物病蟲害已成為農(nóng)業(yè)生產(chǎn)活動中的重要環(huán)節(jié)。當前，耕地面積逐漸減少，世界人口總數(shù)逐漸增加，導致人均耕地數(shù)量減少?！俺燥垎栴}”成為了對現(xiàn)代社會農(nóng)業(yè)政策、管理模式、技術(shù)手段的重大考驗，因此如何保障農(nóng)作物產(chǎn)能滿足新增人口需求成為一個日益嚴峻的課題。隨著大規(guī)模生產(chǎn)的集約化，農(nóng)作物病蟲害爆發(fā)影響會更大，生產(chǎn)能力的輸出起著決定性的作用。作物病蟲害是中國的主要農(nóng)業(yè)災(zāi)害之一，其具有種類多、影響大、災(zāi)害頻發(fā)的特點，甚至造成農(nóng)作物大面積減產(chǎn)；其災(zāi)害范圍和嚴重程度常常給中國國民經(jīng)濟特別是農(nóng)業(yè)生產(chǎn)造成巨大損失。在農(nóng)作物生產(chǎn)活動中可能受到多種病蟲害交雜影響，其中某些并不能被肉眼所識別，其可能也是破壞農(nóng)作物植株正常生理狀態(tài)的重點誘因，致使農(nóng)作物基因突變、細胞變異或者組織損傷，從而帶來減產(chǎn)、甚至絕產(chǎn)后果。

1 總體設(shè)計思路

中國是農(nóng)業(yè)大國，農(nóng)業(yè)是國民根本的大事，與人民的生活和社會進步息息相關(guān)。目前，在中國農(nóng)業(yè)生產(chǎn)過程中出現(xiàn)的病害或者蟲害，農(nóng)藥仍然是控制病蟲害的主要手段，農(nóng)藥雖然可以幫助作物恢復生長，但是用藥量的多少直接影響著人民的健康。數(shù)據(jù)顯示，農(nóng)藥的使用每年能夠?qū)r(nóng)業(yè)產(chǎn)量挽回損失20%左右。然而，大量在蔬菜水果上使用農(nóng)藥會造成農(nóng)藥殘留和環(huán)境污染問題且已成為人民越來越重視的事情。如果能夠提前預測病蟲害的發(fā)生，提早提出防止措施，使用藥量大幅度減少，就能夠有效降低病蟲害對農(nóng)業(yè)生產(chǎn)的危害。有目的性的針對病蟲的種類與位置合理施藥，是減少農(nóng)藥污染的一種有效途徑。智能農(nóng)業(yè)的病蟲害預警專家系統(tǒng)可以分為智能預警、分析診斷，專家答案、決策模型。智能預警主要對目前植株的病蟲情況進行圖像分析，對后期的防治做出預測建議；分析診斷是對當前作物的葉、莖、花、果等情況進行圖像采集后算法處理，由系統(tǒng)進行診斷，得出病蟲害名稱、防治措施與建議；專家答疑可以和遠程的專家進行在線與離線的交流，對系統(tǒng)中少見的病蟲等災(zāi)害進行交流。

1.1 智能預警

集成智能農(nóng)機作業(yè)調(diào)度、農(nóng)情監(jiān)測、智能灌溉系統(tǒng)，可在調(diào)度指揮中心集中處理各子系統(tǒng)觸發(fā)的各類預警信息，通過對各類告警信息進行融合，提供多維度的智能預警輔助決策信息。匯聚生產(chǎn)傳感器和設(shè)備信息，結(jié)合當?shù)貧庀髷?shù)據(jù)和農(nóng)藝知識庫，對數(shù)據(jù)進行綜合處理和分析，實現(xiàn)病蟲害預測預報、災(zāi)害應(yīng)急管理、生產(chǎn)過程追溯和監(jiān)管等輔助決策功能。

1.2 分析診斷

運用智能神經(jīng)網(wǎng)絡(luò)算法，對系統(tǒng)植株的生長時期(發(fā)芽期、幼苗期、成株期、花蕾期、成熟期)的根、莖、花、果的生長狀況，提出目前植株的長勢情況，為農(nóng)作提供指導意見。對于各類果蔬的蟲害、病害的圖片進行識別，對其做出正確的診斷，幫助生產(chǎn)人員制定正確的無毒化、無害化的處理措施。

1.3 專家答疑

對于目前在線的專家可以進行在線提問，可以傳輸文字、文件、圖片、視頻等資料，方便雙方進行交流。對于目前不在線的專家，顯示為灰色頭像，可以給專家留言，專家上線后第一時間可以看見和回復。專家根據(jù)權(quán)限可以為已配置的某些人發(fā)送消息，農(nóng)業(yè)專家可以發(fā)布一些有價值的公告給固定的人。

1.4 決策模型

將作物的生長劃分成不同的生長階段，如休眠期、生長期、花期、結(jié)果期等，并在每個生長階段設(shè)置特定的病蟲環(huán)境特點。建立病蟲圖片模型庫，按照病蟲種類進行分類，便于算法提取蟲害的形狀特征。對病蟲識別算法起到數(shù)據(jù)支撐的作用。

2 關(guān)鍵技術(shù)研究

將獲取的葉片的圖片進行病蟲害類別標簽、數(shù)據(jù)預處理，得到葉片的真實標簽，將葉片的圖片分為訓練集、驗證集、測試集，訓練集裁剪圖片，歸一化大小，得到新的訓練集；將制作得到的數(shù)據(jù)集送入網(wǎng)絡(luò)模型并輸出實際值，根據(jù)真實標簽與實際值計算損失函數(shù)值，利用梯度下降反向傳播算法更新網(wǎng)絡(luò)模型的參數(shù)，每次更新的網(wǎng)絡(luò)模型利用驗證集驗證結(jié)果，通過若干次訓練，得到訓練完成的網(wǎng)絡(luò)模型。將測試集送入訓練完成的網(wǎng)絡(luò)模型，通過與真實標簽比對計算出網(wǎng)絡(luò)模型檢測準確率。病蟲害識別算法設(shè)計運用深度卷積神經(jīng)網(wǎng)絡(luò)算法，利用堆疊網(wǎng)絡(luò)模塊的設(shè)計，具有精度高、參數(shù)少的特點，堆疊模塊中的卷積層的特征輸出層數(shù)很少，另外卷積核的尺寸為1×1和3×3，這種網(wǎng)絡(luò)模型的連接使特征和梯度的傳輸更加有效，更易于訓練。通過嵌入堆疊網(wǎng)絡(luò)模塊增加網(wǎng)絡(luò)的寬度和深度，實現(xiàn)網(wǎng)絡(luò)模塊化的結(jié)構(gòu)，融合不同深度的堆疊模塊來獲取不同大小的感覺野，拼接不同尺度特征。能夠大大降低檢測成本，針對目前大量農(nóng)作物受害的現(xiàn)狀，其可以縮短病蟲害的發(fā)現(xiàn)監(jiān)測時間，提高病蟲害防治的效率，使其在低爆發(fā)范圍情況下迅速遏制，有效地促進農(nóng)作物的增產(chǎn)增收。

農(nóng)作物病蟲害的圖像信息通過專業(yè)攝像設(shè)備的圖像傳感器采集并傳輸，所收集的農(nóng)作物病蟲害圖像信息通過CSI攝像頭的傳輸?shù)角度胧轿⑻幚砥髦?，圖像處理由樹莓派微型計算機執(zhí)行算法。在處理過程中樹莓派微型計算機中數(shù)據(jù)存儲器存儲農(nóng)作物病蟲害圖像識別處理過程中的各種數(shù)據(jù)，樹莓派微型計算機遷移SD卡中的農(nóng)作物病蟲害圖像識別基本程序到樹莓派微型計算機中的程序存儲器進行圖像識別，觸摸屏顯示農(nóng)作物病蟲害圖像識別過程中各種處理結(jié)果，整個系統(tǒng)有機地結(jié)合起來，完成了農(nóng)作物病蟲害圖像識別的系統(tǒng)過程。病蟲識別系統(tǒng)設(shè)計如圖2。

3 系統(tǒng)程序設(shè)計

在植株診斷專家系統(tǒng)中，在輸入為植株當前性狀的表現(xiàn)圖片時，輸出為診斷結(jié)果及建議。通過不斷更新網(wǎng)絡(luò)中的權(quán)重，從而得到植株性狀與診斷結(jié)果之間的內(nèi)在關(guān)系。訓練完成后，神經(jīng)網(wǎng)絡(luò)能夠根據(jù)輸入性狀圖片給出相應(yīng)的診斷結(jié)果。

智慧農(nóng)業(yè)專家系統(tǒng)的核心功能主要包括知識庫管理和智能診斷等模塊。

3.1 智能診斷

用戶可根據(jù)農(nóng)作物實際生長過程中出現(xiàn)的狀況，進行智能診斷。包括發(fā)芽期診斷、幼苗期診斷、成株期診斷、花蕾期診斷、施肥診斷。

3.2 發(fā)芽期診斷

根據(jù)農(nóng)作物名稱、子葉狀況、葉色狀況、葉緣狀況、幼苗狀況、胚根狀況，智能地從知識管理中匹配出最優(yōu)的診斷結(jié)果，并計算出其可信度。

3.3 幼苗期診斷

根據(jù)農(nóng)作物名稱、莖狀況、葉柄狀況、葉片狀況、葉色狀況、葉緣狀況、葉脈狀況，智能地從知識管理中匹配出最優(yōu)的診斷結(jié)果，并計算出其可信度。

3.4 成株期診斷

根據(jù)農(nóng)作物名稱、莖狀況、葉柄狀況、葉片狀況、葉色狀況、葉緣狀況、葉脈狀況，智能地從知識管理中匹配出最優(yōu)的診斷結(jié)果，并計算出其可信度。

3.5 花蕾期診斷

根據(jù)農(nóng)作物名稱、莖狀況、葉柄狀況、葉片狀況、葉色狀況、葉緣狀況、葉脈狀況、花狀況，智能地從知識管理中匹配出最優(yōu)的診斷結(jié)果，并計算出其可信度。

3.6 施肥營養(yǎng)診斷

根據(jù)農(nóng)作物名稱、植株狀況、葉狀況、莖狀況、花狀況、果實狀況、病變位置，智能地從知識管理中匹配出最優(yōu)的診斷結(jié)果，并計算出其可信度。

4 系統(tǒng)功能設(shè)計

目前，設(shè)施農(nóng)業(yè)蔬菜生產(chǎn)過程中存在技術(shù)人員缺乏、生產(chǎn)管理水平較低、勞動生產(chǎn)率較低等一系列問題，基于神經(jīng)網(wǎng)絡(luò)的病蟲識別系統(tǒng)，運用環(huán)境信息調(diào)控系統(tǒng)中建設(shè)的環(huán)境信息采集設(shè)備來獲取的環(huán)境參數(shù)作為依據(jù)，根據(jù)地域性病蟲害特點，有針對性地開發(fā)病蟲害分析診斷數(shù)據(jù)庫，應(yīng)用數(shù)據(jù)庫內(nèi)病蟲害詳細形態(tài)信息與地域性病蟲害發(fā)生規(guī)律與誘因進行比較，評估特定的某種或某幾種病蟲害發(fā)生概率，為預防工作提供指導意見。

同時，在數(shù)據(jù)源信息充足的情況下，系統(tǒng)亦可以對已發(fā)生的病蟲害圖像信息或特點描述信息進行分析，指導管理人員快速了解病蟲害詳細情況，并提供治理措施。通過視頻或者其它措施判斷當前的植株病蟲害情況，在基地部署安裝針對作物生長環(huán)境害蟲發(fā)生的品類的蟲情測報燈，經(jīng)過設(shè)備誘惑采集的數(shù)量進行統(tǒng)計，再經(jīng)過系統(tǒng)的分析判斷、智能決策和根據(jù)作物生產(chǎn)周期制定的策略，為噴藥提供策略依據(jù)。對當前的總體病蟲情況進行熱力圖展示和統(tǒng)計，以便管理者對于重點區(qū)域進行防治。

5 實驗結(jié)果

數(shù)據(jù)集分為中心裁剪和角裁剪。在中心裁剪中，從每個圖像的中心裁剪300px×300px平方的區(qū)域。因此，可以刪除大多數(shù)復雜的背景，并且圖像數(shù)量保持不變。在角裁剪中，將裁剪中心區(qū)域達到512px×512px分辨率，保持最復雜的背景，將圖像分成4部分，分辨率為256px×256px，將這些圖像分別使用雙線性插值調(diào)整為2種不同的大小(AlexNet和224px×224px像素的VGGNet)。對每幅圖像執(zhí)行上述操作并過濾無病變區(qū)域的圖像，對齊進行識別。

表1 測試結(jié)果

基于神經(jīng)網(wǎng)絡(luò)的病蟲害識別系統(tǒng)，通過圖像采集的作物病蟲信息進行算法分析，再根據(jù)農(nóng)作物病蟲害的發(fā)生特征和規(guī)律的常規(guī)知識，為用戶提供農(nóng)作物病蟲害的遠程診斷，專家決策和預報的信息化系統(tǒng)，經(jīng)過實驗驗證，總體識別效果良好，識別率驗證了該算法的有效性，并在陜西省重點計劃中都有應(yīng)用推廣。

6 結(jié)束語

對于植物病蟲管理模塊，植物是本系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)，疾病和癥狀都要依賴于作物知識庫，庫中具有大量數(shù)據(jù)的害蟲和疾病數(shù)據(jù)庫，加之聲情并茂的用戶交互界面，使生產(chǎn)者能夠全面了解各種農(nóng)作物、果蔬目前存在的所有可能的病蟲程度與影響范圍系統(tǒng)。該系統(tǒng)中的圖像診斷系統(tǒng)各類病蟲整理近萬張圖片信息庫，再結(jié)合多年從事病蟲害研究和實踐的眾多高級專家的經(jīng)驗和知識，以幫助農(nóng)民實地實作，實時診斷病蟲害，及時采取防治措施。在病蟲害較為復雜的情況下，可以利用遠程專家組進行實時通訊和診斷，防止在防治過程中走彎路，把損失降到最低。對于診斷管理模塊，在作物各時期的生產(chǎn)生活中，對植物形成了一些客觀的經(jīng)驗數(shù)據(jù)，又由于系統(tǒng)的作物種類很多，利用分類管理把種類分成不同類別進行診斷，方便用戶進行查找和檢索。