基于神經網絡的智慧農業病蟲識別系統設計與應用

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發生，導致農產品產量急劇下降。因此，預防和監測農作物病蟲害已成為農業生產活動中的重要環節。當前，耕地面積逐漸減少，世界人口總數逐漸增加，導致人均耕地數量減少。“吃飯問題”成為了對現代社會農業政策、管理模式、技術手段的重大考驗，因此如何保障農作物產能滿足新增人口需求成為一個日益嚴峻的課題。隨著大規模生產的集約化，農作物病蟲害爆發影響會更大，生產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業災害之一，其具有種類多、影響大、災害頻發的特點，甚至造成農作物大面積減產；其災害范圍和嚴重程度常常給中國國民經濟特別是農業生產造成巨大損失。在農作物生產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，其可能也是破壞農作物植株正常生理狀態的重點誘因，致使農作物基因突變、細胞變異或者組織損傷，從而帶來減產、甚至絕產后果。

1 總體設計思路

中國是農業大國，農業是國民根本的大事，與人民的生活和社會進步息息相關。目前，在中國農業生產過程中出現的病害或者蟲害，農藥仍然是控制病蟲害的主要手段，農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。數據顯示，農藥的使用每年能夠對農業產量挽回損失20%左右。然而，大量在蔬菜水果上使用農藥會造成農藥殘留和環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業生產的危害。有目的性的針對病蟲的種類與位置合理施藥，是減少農藥污染的一種有效途徑。智能農業的病蟲害預警專家系統可以分為智能預警、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，對系統中少見的病蟲等災害進行交流。

1.1 智能預警

集成智能農機作業調度、農情監測、智能灌溉系統，可在調度指揮中心集中處理各子系統觸發的各類預警信息，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。匯聚生產傳感器和設備信息，結合當地氣象數據和農藝知識庫，對數據進行綜合處理和分析，實現病蟲害預測預報、災害應急管理、生產過程追溯和監管等輔助決策功能。

1.2 分析診斷

運用智能神經網絡算法，對系統植株的生長時期(發芽期、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。專家根據權限可以為已配置的某些人發送消息，農業專家可以發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、結果期等，并在每個生長階段設置特定的病蟲環境特點。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據支撐的作用。

2 關鍵技術研究

將獲取的葉片的圖片進行病蟲害類別標簽、數據預處理，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；將制作得到的數據集送入網絡模型并輸出實際值，根據真實標簽與實際值計算損失函數值，利用梯度下降反向傳播算法更新網絡模型的參數，每次更新的網絡模型利用驗證集驗證結果，通過若干次訓練，得到訓練完成的網絡模型。將測試集送入訓練完成的網絡模型，通過與真實標簽比對計算出網絡模型檢測準確率。病蟲害識別算法設計運用深度卷積神經網絡算法，利用堆疊網絡模塊的設計，具有精度高、參數少的特點，堆疊模塊中的卷積層的特征輸出層數很少，另外卷積核的尺寸為1×1和3×3，這種網絡模型的連接使特征和梯度的傳輸更加有效，更易于訓練。通過嵌入堆疊網絡模塊增加網絡的寬度和深度，實現網絡模塊化的結構，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，針對目前大量農作物受害的現狀，其可以縮短病蟲害的發現監測時間，提高病蟲害防治的效率，使其在低爆發范圍情況下迅速遏制，有效地促進農作物的增產增收。

農作物病蟲害的圖像信息通過專業攝像設備的圖像傳感器采集并傳輸，所收集的農作物病蟲害圖像信息通過CSI攝像頭的傳輸到嵌入式微處理器中，圖像處理由樹莓派微型計算機執行算法。在處理過程中樹莓派微型計算機中數據存儲器存儲農作物病蟲害圖像識別處理過程中的各種數據，樹莓派微型計算機遷移SD卡中的農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，觸摸屏顯示農作物病蟲害圖像識別過程中各種處理結果，整個系統有機地結合起來，完成了農作物病蟲害圖像識別的系統過程。病蟲識別系統設計如圖2。

3 系統程序設計

在植株診斷專家系統中，在輸入為植株當前性狀的表現圖片時，輸出為診斷結果及建議。通過不斷更新網絡中的權重，從而得到植株性狀與診斷結果之間的內在關系。訓練完成后，神經網絡能夠根據輸入性狀圖片給出相應的診斷結果。

智慧農業專家系統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

用戶可根據農作物實際生長過程中出現的狀況，進行智能診斷。包括發芽期診斷、幼苗期診斷、成株期診斷、花蕾期診斷、施肥診斷。

3.2 發芽期診斷

根據農作物名稱、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的診斷結果，并計算出其可信度。

3.3 幼苗期診斷

根據農作物名稱、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的診斷結果，并計算出其可信度。

3.4 成株期診斷

根據農作物名稱、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的診斷結果，并計算出其可信度。

3.5 花蕾期診斷

根據農作物名稱、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的診斷結果，并計算出其可信度。

3.6 施肥營養診斷

根據農作物名稱、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的診斷結果，并計算出其可信度。

4 系統功能設計

目前，設施農業蔬菜生產過程中存在技術人員缺乏、生產管理水平較低、勞動生產率較低等一系列問題，基于神經網絡的病蟲識別系統，運用環境信息調控系統中建設的環境信息采集設備來獲取的環境參數作為依據，根據地域性病蟲害特點，有針對性地開發病蟲害分析診斷數據庫，應用數據庫內病蟲害詳細形態信息與地域性病蟲害發生規律與誘因進行比較，評估特定的某種或某幾種病蟲害發生概率，為預防工作提供指導意見。

同時，在數據源信息充足的情況下，系統亦可以對已發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境害蟲發生的品類的蟲情測報燈，經過設備誘惑采集的數量進行統計，再經過系統的分析判斷、智能決策和根據作物生產周期制定的策略，為噴藥提供策略依據。對當前的總體病蟲情況進行熱力圖展示和統計，以便管理者對于重點區域進行防治。

5 實驗結果

數據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平方的區域。因此，可以刪除大多數復雜的背景，并且圖像數量保持不變。在角裁剪中，將裁剪中心區域達到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整為2種不同的大小(AlexNet和224px×224px像素的VGGNet)。對每幅圖像執行上述操作并過濾無病變區域的圖像，對齊進行識別。

表1 測試結果

基于神經網絡的病蟲害識別系統，通過圖像采集的作物病蟲信息進行算法分析，再根據農作物病蟲害的發生特征和規律的常規知識，為用戶提供農作物病蟲害的遠程診斷，專家決策和預報的信息化系統，經過實驗驗證，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用推廣。

6 結束語

對于植物病蟲管理模塊，植物是本系統的重要基礎數據，疾病和癥狀都要依賴于作物知識庫，庫中具有大量數據的害蟲和疾病數據庫，加之聲情并茂的用戶交互界面，使生產者能夠全面了解各種農作物、果蔬目前存在的所有可能的病蟲程度與影響范圍系統。該系統中的圖像診斷系統各類病蟲整理近萬張圖片信息庫，再結合多年從事病蟲害研究和實踐的眾多高級專家的經驗和知識，以幫助農民實地實作，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生活中，對植物形成了一些客觀的經驗數據，又由于系統的作物種類很多，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。