李 鑫 牟 杰
(貴州經貿職業技術學院,貴州 黔南 558000)
調查發現,貴州省已知的茶樹病蟲害有400多種,造成經濟損失的病蟲害有50~60 種;已知的茶樹病害有100 多種,其中常見的有30 余種。隨著茶葉貿易形勢的變化,市場上對茶葉的內含物及農殘含量提出了更高的要求。基于人工智能技術的茶樹病蟲害識別預警系統,通過人工智能圖像識別、光譜分析等技術能夠識別茶樹的葉部病害、枝部病害、根部病害以及茶樹的食葉性害蟲、刺吸式害蟲、鉆蛀性害蟲、地下害蟲等。農戶借助病蟲害測報儀和手機APP 進行病蟲害信息采集,可以根據病蟲害名稱和圖片智能識別查看圖譜。根據圖譜確定病蟲害的名稱后,即可進行詳細查詢,可查詢的內容有病害的病癥、病原菌、發生規律、防治方法以及害蟲的形態特征、生活習性、防治方法[1-2]。
基于大數據的茶樹病蟲害識別預警系統分為病害和蟲害2 種識別信息查詢部分,可實現手機APP 在線網絡查詢。在計算機和手機不斷普及應用的今天,茶農和茶葉栽培科技推廣人員能夠通過該系統更加形象化、具體化地開展茶樹病蟲害研究工作。同時,該系統可用于各級農業服務中心和基層農技培訓學校等,對于提高使用者的茶樹病蟲害識別和防治水平具有重要意義。
基于新興技術的茶樹病蟲害識別預警平臺的基本開發思路如圖1所示。

圖1 基于新興技術的茶樹病蟲害識別預警平臺的開發思路
2.2.1 樣品采集法。樣品采集法即培養模型樣品,培養茶樹、接種病菌,設計手機APP,實現對茶園病蟲害拍照、位置標注、圖像上傳與分析結果反饋等功能;設立病蟲害監測站,用于捕捉害蟲、對茶園進行圖像采集、獲取田間氣象數據;建設數據中心,收集各終端儀器上傳的數據,并進行統計分析。
2.2.2 信息采集和建立數據庫法。對標準病蟲害模型樣品進行圖像與光譜采集,常規圖像通過傳統相機拍攝,光譜圖像利用高光譜相機進行全譜段掃描成像,獲得光譜數據立方體,提取代表性光譜波段,并以此為參考選取多光譜相機的光譜通道,最后利用多光譜相機進行大量圖像采集,建立作物和害蟲數據庫。
2.2.3 人工智能識別法。擬將可變形卷積引入目標檢測網絡,提升模型對外形變化多樣的病蟲害感染區域的識別能力。根據病蟲害圖像區域較小、密集、需求高精度網絡的特點,擬采用Faster R-CNN作為基礎識別網絡,進而形成DFR-CNN網絡[3]。實際實施時,以茶樹(枝/葉)圖像作為輸入數據,實現對多種類病蟲害的準確、高效識別。
2.2.4 軟硬件集成與戶外實測法。將訓練后的人工智能病蟲害識別算法與數據中心、手機APP、病蟲害監測站等系統整合聯調,將其投放至茶園進行真實環境下的農情監測,測試及完善系統功能。
3.1.1 利用光譜法對傳統病蟲害監測設備進行改良。利用光譜手段增強病蟲害監測設備的信息獲取能力,為作物圖像增加光譜維度,為后期圖像識別等操作提供評價依據。同時,多通道光譜圖像之間經過復雜的圖像運算后能夠使圖像數據迅速增加,為人工智能識別提供大量信息,從而提高病蟲害的識別精度。
3.1.2 人工智能算法輔助病蟲害高效智能識別。利用標準模型的常規圖像和光譜圖像訓練人工智能算法,結合項目提出的DFR-CNN 方法,通過算法自行總結規律,克服傳統方法處理形狀變化較大目標時的弊端,實現對病蟲害的魯棒精準識別,進而解決傳統人工識別效率低下及難以區分相似物種的問題[4]。
3.1.3 構建“時空大數據+智能分析”的重大病蟲害預警技術。構建包括作物種類、氣象條件、病蟲害類型以及發病程度等信息的時空大數據,通過統計分析,尋找病蟲害發生與發展規律,實現對重大病蟲害的預警。
3.2.1 經濟效益。項目投入運行后,預計可以為黔西南布依族苗族自治州茶區挽回經濟損失約5 300 萬元。隨著軟件系統的推廣和持續完善,該系統的使用率將不斷提升、使用范圍將不斷擴大,將會帶來更大的經濟效益。
3.2.2 社會效益。該套系統投入使用后,有助于協助相關部門提高茶樹病蟲害預警工作效率,對特定的茶樹病蟲害設計針對性的防治措施,以此來指導種植者的種植活動。茶樹種植者能科學掌握各種病蟲害的防治理論知識,有助于其在生產中合理使用防治藥物,為茶葉質量安全提供保障,增加貴州省茶園管理的科技含量,提升茶園的生態效益和社會效益。
3.2.3 生態效益。隨著我國社會的轉型發展,生態環保理念逐漸成為農業生產活動中的重要指導理念。同時,綠色無公害的產品在市場上的競爭力大大提升。要想實現生態效益與經濟效益最大化,需要控制化學農藥的使用。該套系統正是基于生態環保理念,通過為茶樹病蟲害防治提供有效的數據支持,不斷優化茶園生態治理技術,保證茶樹種植業綠色、可持續發展。
貴州省茶樹種植面積大,深受各種茶樹病蟲害的影響,造成了嚴重的經濟損失。因此,針對茶樹病蟲害進行有效治理具有直接的現實意義。因此,將茶樹病蟲害識別預警平臺應用于茶樹種植業,可以有效提高茶樹病蟲害防治效果,提高茶樹種植的經濟效益。