基于圖像智能識別的農作物防治系統設計與開發

郎雨佳　駱冰潔　代麗

摘? 要： 農藥播撒在農作生產環節中至關重要，針對我國存在農藥漏用、亂用的現象，設計的農作物防治系統將信息技術與農業生產相結合，基于Spring MVC框架，構建移動端微信小程序與后端管理系統，集合了病蟲害圖像識別、疫區防治信息維護和代理防控等模塊。系統覆蓋“播種—查蟲—識別—防治”的業務閉環，提高了農業生產效率，助力我國農業信息化發展。

關鍵詞： 智能識別; 病蟲害; 農作物防治; 微信小程序

中圖分類號：S435? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2022）02-50-05

Design and development of crop control system based on image intelligent recognition

Lang Yujia， Luo Bingjie， Dai Li

（School of Economics and Management， Zhejiang Sci-Tech University， Hangzhou， Zhejiang 310018， China）

Abstract： Pesticide sowing is very important in the process of agricultural production. In view of the phenomenon of missing use and indiscriminate use of pesticide in China， this crop control system combines information technology with agricultural production， constructs mobile WeChat Mini Program and back-end management system based on Spring MVC framework， and integrates modules such as diseases and insect pest image recognition， epidemic area control information maintenance and agent of prevention and control. The system covers the closed-loop business of "seeding- insects checking-identifying-preventing and controlling"， which improves the efficiency of agricultural production and helps the development of agricultural informatization in China.

Key words： intelligent recognition; diseases and insect pests; crop control; WeChat Mini Program

0 引言

通過對國內外病蟲害預報和識別的研究發現，相比發達國家，我國對農業信息資源的管理較混亂，測報技術較落后，大量的農業病蟲害資料仍未按照統一標準進行收集。另外，農業防治專家與農戶間存在“信息孤島”現象，無法及時有效地處理病蟲害問題。為了更好地對病蟲害情況進行測報、匯報和交流，本系統按照統一標準與規范進行信息采集，打破專家和農戶之間的隔閡。在病蟲害測報工作中，采用新興機器學習技術，準確識別蟲害的發生，做到精準防治[1-2]。

1 系統可行性和需求分析

1.1 可行性分析

從經濟可行性方面來看，系統意在打破專家與農戶之間的“信息孤島”[3]，解決農作物病蟲害識別難的問題，提高農業生產效率，從而推動農業信息化發展。

從市場可行性方面來看，疫情防控進入常態化，部分地區采取限制出入、封路等措施，阻礙農業專家實地走訪與現場指導。因此，市場對于“非接觸”、遠程服務需求快速擴張，農戶對作物防治指導的需求從線下轉為線上，農業防治數字化迎來難得的市場機遇。

從操作可行性方面來看，平臺面向農戶采用移動端微信小程序，界面友好、操作簡單，面向專家與管理員采用PC端網頁，交互性強，操作便利。

從技術可行性方面來看，前端Bootstrap框架、后端Spring MVC框架、MySql數據庫等開發所需技術都已高度成熟。數據分析、基于CNN的圖像識別、圖像處理等智能技術已有較多國內外的開源項目供參考，技術風險小[4]。

1.2 需求分析

系統旨在通過新型計算機技術手段改善優化傳統農作行駛中的弊端，優化依靠種植經驗播灑農藥中存在盲目用藥、過度用藥問題，同時構建農戶與農業專家之間的溝通橋梁，使農戶在作物病蟲害防治過程中遠程快速獲得專家指導，而專家可通過系統獲悉各地間出現的病蟲害，為新型病蟲害的發現提供幫助，形成二者之間的正向互助循環，在此基礎上整體實現“播種—查蟲—識別—防治”的業務閉環。

根據農戶、管理員、專家的需求分析，系統功能可劃分為十個模塊，系統功能模塊圖如圖1所示。

農戶的需求主要是農田的信息化管理、田間病蟲害的識別、識別后的后續防控、信息百科資訊查詢等;管理員的需求主要是數據的維護整合、相關專家人員的審批、管理與代理防控的執行;專家的需求主要是人工識別的技術知識保障、個人信息的查看與識別記錄的回顧。

2 系統設計

2.1 系統架構設計

系統架構圖如圖2所示，移動端選用微信小程序搭載[5-6]，網頁端后臺管理系統選用Bootstrap框架和ECharts組件搭建。其次，利用Spring MVC構建后端框架以接受與響應HTTP請求，數據持久層利用Java結合MyBatis框架搭建架構[7]，數據庫選用MySql。在圖像識別功能上，系統選用Python搭建TensorFlow的環境，搭載PlantVillage數據集。在路線規劃上，借助爬山算法實現最優路徑選址。

2.2 功能模塊設計

本系統具體的業務功能主要從用戶角度劃分，分為農戶、管理員、專家三類。

表1～表3為面向農戶、管理員、專家的功能模塊介紹，其中面向農戶的功能模塊主要有農作管理、智能識別管理、專家識別管理、防治區管理、代理防控管理等，面向管理員的功能模塊主要有專家管理、后臺信息維護和代理防治管理等，面向專家的功能模塊主要是個人管理模塊和專家識別管理模塊。

2.3 主要功能設計

2.3.1 病蟲害識別

“智能識別”功能旨在讓農戶通過拍照識別快速獲取作物病害原因及治療方法。具體流程：農戶首先對受病蟲害的作物葉片進行拍攝并上傳照片至平臺，平臺交由系統后端來判斷照片格式是否合法。確認無誤后，系統后端運行識別腳本，生成識別記錄，更新數據庫后返回至用戶前端展示。

若識別無效或農戶對結果不滿意，系統還提供“專家識別”服務。與智能識別服務流程類似，農戶在上傳照片的同時，還需提供作物病狀描述以輔助識別，選定合適的專家后即可提交申請。待系統確認后，農戶即可等待專家反饋結果。

2.3.2 疫區防治信息維護

在“疫區防治信息維護”功能上，系統選擇利用日歷控件實現不同日期添加與查看防治區的防治記錄信息，減少農戶在病蟲害防治過程中遺漏播撒農藥或重復播撒農藥情況的概率。

2.3.3 代理防控

在“代理防控”功能上，首先需農戶通過移動端小程序填寫疫區信息后提交代理防控申請，申請通過后系統存儲并反饋內容至后臺管理系統，最后向農戶反饋審核結果。

管理員登錄后臺管理系統，在相應頁面批量選中一次任務所需處理的防治區域列表。系統接收列表信息并智能規劃最優路徑，管理員根據信息調配操控公共物資來執行具體防控，結束后系統生成代理防控記錄，讓農戶通過平臺查看記錄。

圖3為病蟲害識別、疫區防治信息維護、代理防控三個功能業務流程的設計展示圖。

2.4 病蟲害識別

系統使用Python語言搭建TensorFlow的環境，并作為運行腳本與Java結合完成圖像識別模塊功能模塊。綜合權威性、覆蓋面、時效性等因素，系統選用PlantVillage開源數據集，并通過tfds.builder獲取與加載。病蟲害智能識別功能使用改良CNN[8-10]完成，模塊以最大池化方式搭建九層神經網絡，分別包括五層的卷積層、三層的池化層以及最后的全局池化層，設置首層的卷積核尺寸為9*9dpi。最終通過網絡迭代，將源數據集256*256dpi的圖像格式用softmax分類器轉換為38個標簽，即對應著38種不同的病蟲害類型。

農戶只需在小程序端的首頁下方子選項卡中點擊“拍照識別”按鈕，并拍照上傳圖片。算法1為移動端拍照處理的算法，經真機測試，病蟲害圖像識別平均準確率在90%以上，用戶使用手機攝像頭拍攝的圖像經網絡識別后能有效反饋病蟲害類別，計算及處理時間大致在4-8秒之間。

算法1 移動端拍照識別處理

輸入：圖片文件file、地理信息latitude和longtitude。

輸出：圖像識別結果。

（a） 初始化：filename= ile.getOriginalFilename（），

type=fileName.indexOf（"."）！=-1？fileName.substring（fileName.lastIndexOf（"."）+1， fileName.length（））：null;

（b） 判斷文件是否為圖像格式，是則轉步驟（c），否則返回error;

（c） 設置存放圖片文件的路徑path;

（d） 服務層執行如下語句，獲取識別結果identifyResult;

Process process=Runtime.getRuntime（）.exec

（"python 腳本文件"+picPath）;

InputStreamReader ir=newInputStreamReader

（process.getInputStream（），"GBK"）;

LineNumberReader input=new LineNumberReader（ir）;

identifyResult=input.readLine（）;

（e） 封裝反饋信息，獲取病蟲害名稱pestName、識別可行度possibllity等;

（f） 向數據庫插入當前識別記錄;

（g） 返回識別結果："病癥："+pestName+"識別可信度：

"+possibility+"更多內容請點擊[識別記錄]頁面！"。

2.5 疫區防治信息維護

在疫區防治信息維護模塊，農戶用戶可以利用日歷控件添加與查看對于受蟲害地區的治操作，以提高農作播灑農藥過程中的信息化程度。操作流程類似于成長信息維護模塊，用戶可在首頁點擊“我的疫區”查看并增加、刪除、修改已注冊的疫區，在首頁點擊“我的防控”按鈕進入子頁面，選擇任意一條疫區信息后可進入疫區防治記錄頁面，通過日歷控件選擇不同日期添加疫區的防治記錄信息，減少用戶在病蟲害防治過程中出現遺漏撒農藥或重復撒農藥情況的概率。

2.6 代理防控審核與執行

在農戶用戶通過移動端小程序提出代理防控申請后，管理員可以通過網頁端后臺管理系統審核其發布的申請。管理員登錄后臺系統，點擊“代理防控管理--申請列表”選項卡，進入相應界面查看申請情況，表內反饋用戶的申請信息，包括所受病蟲害、疫區的位置坐標等，管理員根據其業務能力確定審核通過與否，審核結果反饋到用戶小程序端。 當管理員需要提供代理審核服務時，可以通過登錄管理系統完成。管理員登錄后臺系統，點擊“代理防控管理--防控執行”，進入子頁面。表內反饋當前被服務狀態的防治區， 每條記錄左側包括一個選中框，支持全選效果。管理員在勾選當前有執行需求的區域，點擊“批量規劃路線”按鈕彈出提示框。算法2為TSP的爬山算法模型，根據模型系統自動規劃出遍歷所有防治區的最優路徑與相應總路程長度（單位“米”）[13]。

管理員點擊確定即執行該次代理防控，系統記錄當前選中的防治區域與操作人員、具體操作、操作時間等信息存進數據庫相應表格內。當農戶用戶登錄移動端時即可查到相應執行記錄。管理員也可在當前頁面選擇對部分區域的代理服務選擇取消，每一條記錄行尾部帶有“暫停服務”按鈕，單擊后實現代理服務的終止。管理員也可在“代理防控管理--記錄明細”中查看本人過往執行記錄。代理防控審核與執行界面如圖4所示。

算法2 爬山算法

輸入：PC路徑編碼 T爬山代數。

輸出：最優路徑PC。

（a） 初始化：int i， temp， t=0， r1， r2， e;

int[] tempPC=new int[regionNum];

（b） 獲取評估：bestEva=evaluate（PC）;

（c） 判斷t是否小于T，是則繼續執行步驟d），否則結束執行;

（d） 將路徑編碼PC復制給臨時路徑編碼tempPC;

（e） 隨機生成兩個不同的整數，范圍[0， 65535）;

（f） 將兩個值 % regionNum分別賦值給r1、r2;

（g） 兩交換法實施鄰域操作;

（h） 評價新值newEva=evaluate（tempPC）;

（i） 判斷newEva是否小于bestEva，是則tempPC賦值給PC;

（j） t++，執行完轉步驟（c）。

3 結論

本文討論了一套基于卷積神經網絡技術，以病蟲害圖像智能識別為核心的，集病蟲害鑒別、防治預警、信息查詢于一體的面向農作物防治的公共服務平臺，旨在充分利用信息資源，優化傳統依靠農作經驗的農業生產模式所存在的弊端。平臺所設計的用戶角色包括農戶、管理員和農業專家，主要功能模塊包括成長信息維護、圖像智能識別、防治信息維護、農作信息查詢等。圖像智能識別經真機測試，平均準確率在90%以上，移動端能有效反饋病蟲害類別，計算時間在4-8秒之間。采用多平臺設計，設立移動端微信小程序與網頁端后臺管理系統。 后端基于SpringMVC開發，使用Java 8和Python 3.6作為主要開發語言，以IDEA作為開發環境。

農業的快速發展事關國計民生，農業病蟲害防治工作將直接影響農業生產及其發展。依托現代信息技術，建設和完善農業病蟲害防治網絡體系，為更好地防治農業病蟲害。相信隨著農業計算水平的不斷提高。農業病蟲害防治必將更加成功。

參考文獻（References）：

[1] 安曉榮.試析基于農業信息化的農業病蟲害防治[J].農家參謀，2021（13）：65-66

[2] 曹鑫年.基于農業信息化的農業病蟲害防治探索[J].農業科技與信息，2017（24）：66

[3] 唐斌.大數據：生態文明建設信息資源的“去孤島化”[J].湘潭大學學報（哲學社會科學版），2017，41（1）：67-71

[4] 張翠麗，孟小艷，楊抒.基于Django框架的管理系統的設計與開發[J].計算機技術與發展，2019，29（10）：63-68

[5] 高潔.“互聯網+”背景下利用微信小程序開展用戶營銷的探索研究[J].中國市場，2019（4）：122-123，131

[6]? 張妮，劉鑄德.微信小程序在“互聯網+農業”中的應用探析[J].廣西農學報，2019，34（2）：42-45

[7] 向春會.基于SpringMVC的web工程通用模板設計[D].北京郵電大學，2018：15-18

[8] 李哲，潘維，張赟.基于深度卷積神經網絡的植物病蟲害識別[J].電子技術與軟件工程，2020（23）：194-195

[9] 吳健宇.基于深度卷積神經網絡的農作物病蟲害識別及實現[D].哈爾濱工業大學，2019：37-49

[10] 林黛儀，吳永彬，陳梓宜，等.基于GPS定位植物導覽系統在教學和科普導賞中的應用——以華南農業大學為例[J].現代園藝，2020，43（3）：185-188

[11] 任芳，沈文輝，范迪.基于爬山算法的自適應遺傳算法[J].工業控制計算機，2018，31（7）：92-93