基于DCANet的智能園林植物查詢系統

何昌來，鄧心陽，蔡紹碩（通信作者），徐 歡

（1中南民族大學計算機學院 湖北 武漢 430074）

（2青島海紋智慧農業科技有限公司 山東 青島 266001）

（3 武漢市金葉云景觀科技有限公司 湖北 武漢 430074）

（4上海法青景觀科技有限公司 上海 201699）

（5上海株山農業科技有限公司 上海 201699）

0 引言

園林藝術是一個城市的綠色氣質，而植物則是將這種園林藝術貫徹到鋼筋混凝土建筑環境中的細分模塊。這種區別于石質建筑的特性還在于每一個植物都是一個鮮活的生命，不僅千姿百態，品質不同。隨著社會的快速發展和國家政策對園林行業的大力支持，加之物聯網技術的日漸成熟，人工智能逐漸走入人們綠化生活中。園林里的植物就是園林中的核心，園林中的各式植物，構成了園林美麗的風景。而且隨著氣候的變化和異常天氣的出現，園林植物構建出環境生態，以及展現出來的城市景色也各不相同[1]。但是由于植物物種十分豐富且對氣候依賴性較強，同時由于不同區域環境下的形態、類別和特性都各不相同，因此園林從業者在植物信息認知和環境選擇應用中需要經過較為繁雜的培訓和技術沉淀。雖然近些年為了加快這種培訓與技術的掌握進程，出現了結合計算機技術的園林植物數據庫來方便對植物信息進行查詢檢索，不但為園林從業者提供了工作方面的便利，也使植物知識邁向數字化[2]。但由于植物種類繁多的特殊性，尤其是部分植物根據習性等因素不同，在細分類別上需要注重環境差異，導致這些園林數據庫系統的開發者對于園林植物的差異情況劃分不夠深入與細致。

通過園林從業者在多年的園林景觀施工中的經驗反饋，也發現這種數據庫結合的查詢軟件由于功能單一，只適合簡單的瀏覽，而不能提供更為細分的參考等其他延伸功能。所以本文借助Auto CAD、Sketchup、PhotoShop等圖形圖像軟件處理相關植物素材，設計出一款基于DCANet與圖像識別技術和算法技術相結合的智能園林植物數據查詢分析系統，并結合課題組在園林植物配置工作實戰中的經驗，開發了一款更具環境營造實用性、信息數據分析更智能性、人機交互界面更人性化的園林植物查詢系統。

1 DCANet網絡及模型優點

1.1 DCA網絡模型

深度連接注意網絡DCANet是一種新穎的設計，在不修改任何內部結構的情況下增強CNN模型中的注意力模塊，通過將相鄰的注意力模塊相互連接，使信息在注意力模塊之間流動成為可能。因此，本文將通過DCANet，聯合訓練CNN模型中的所有注意力模塊進行模型測試[3]。本文將相鄰的注意力模塊連接起來使他們可以進行信息的交互從而提高網絡的性能。為復現DCANet并用其來完成園林植物的實驗，我們首次使用paddle2.0復現了含有注意力機制的網絡DCANet，并在分類數據集上進行了訓練和驗證。DCANet網絡的核心思想是提出了注意力模塊的連接機制。該設計可以將任何已有的含有注意力機制的模塊間產生連接，從而提高注意力的有效性。我們將前一個注意力模塊中轉換模塊的輸出與當前注意塊中提取模塊的輸出連接起來。圖1為DCANet網絡建立注意力的機制。

1.2 DCANet模型的優點

DCANet與ResNet用于圖像識別和目標檢測任務，以RetinaNet和Cascade R-CNN作為探測器，比較兩者在圖像識別領域的優越性。在具有挑戰性的COCO 2017數據集上對SE-ResNet50、GC-ResNet50和DCANet進行測試，發現DCANet對于所有IoU閾值和大多數對象規模（SE-ResNet50獲得）都實現了最好的性能，表1即為測試結果。

表1 DCANet與ResNet的測試比較

從實驗結果中我們可以看出，SE-ResNet50和GCResNet50中的快捷方式幾乎沒有能力像DCANet中的注意力連接那樣促進注意力學習。在DCANet中可以探索更多的連接設計，它可以將每個注意力模塊緊密連接到每個其他注意力模塊，或者將注意力模塊連接成樹狀結構。在ImageNet和MS COCO基準測試上的實驗結果表明，DCANet在所有測試用例中以最小的額外計算開銷始終優于最先進的注意力模塊。由此看出，DCANet應用在對園林植物的圖像識別當中的準確度比傳統的ResNet50神經網絡要高。

2 構建園林植物信息查詢系統

本系統采用Microsoft Access數據庫作為訓練DCANet的數據庫，該數據庫也是本查詢系統的核心中的核心。之所以將其認定為該系統的核心成分，是因為其對該數據庫的構成，運行和維護等各個運作環節的穩定起著決定性作用。Microsoft Access數據庫使用和編譯過程和其他數據庫一樣，但其采用Microsoft Jet數據庫引擎為核心，能夠更加操作簡單，易學易懂[4]。依托于該引擎，能夠使得數據庫的管理與計算機硬件、操作系統和開發工具形成一個整體。理論上來說，數據庫的基礎是數據的模型，就是對現實中的具體事物進行抽象、分析和處理的工具，而數據對象則是對一些特殊的模型進行抽象處理。而該引擎能夠使得系統在數據庫中完成數據調取、存儲、分析等各種操作指令。因此在上述系統說明下，本數據庫提供園林植物物種標準名稱清單，用戶可以以通用的MS Excel下載到本地計算機，從而用于與植物學物種相關的各種數據庫的關聯或科學研究，并以電子科屬詞典的形式，提供用戶最便捷，也是最常用的對科屬信息的需求，這種簡捷的方式讓中國植物物種信息庫得到更廣泛的應用。全面綜合查詢，網站形式發布了初步整合的中國植物物種基本信息，針對人們習慣的百度等搜索方式，為用戶提供類似的搜索服務來，搜索整合的植物物種全部信息，對輸入查詢關鍵詞進行語義分類查詢，更快更準確地找到所需要的信息。

數據庫內容盡可能地通過相關算法搜集了相關園林植物的物種分類文獻信息，抓取、提供了園林植物異名及其文獻來源，讓用戶不僅可以輕松地找到并使用這些名稱，而且可以有據可考，能夠充分保證使用該園林植物數據的科學依據，確保用戶在使用該系統過程中，有效從植物名稱拓展到描述信息、物種類群以及其生態、環境信息，特別是對珍稀特有的植物進行收集，著重收錄了關于植物物種的珍稀性來源和保護等級。另外數據的搜集除了上述文字資料通過查閱書籍、網絡等資料的整理，還包括了根據園林的設計圖紙進行整理的設計素材兩部分，這部分數據通過數碼相機、掃描儀等設備獲取，部分無法搜集到的設計素材可使用相關輔助設計軟件制作。因此使得本系統上的植物信息內容除了園林植物的圖片外，還有其他信息，如喬木、灌木、叢生、藤本、草本、草坪和水生等七大植物系統的文字和圖片資料，包含這些植物在學術界使用的正統名稱，全世界統一拉丁文的學名，用于商業名稱或一般俗稱的別名以及其的形態、習性、類別、花期、用途、蟲害、病害、栽培技術、繁殖方式、生長速度等信息。 該系統還可以查詢中國詳盡的省縣級地理分布，部分物種可查到全球各國、各地區的分布狀況，如輸入“英國”關鍵詞，可以查到中國境內的植物物種可能在英國也有分布的物種記錄。尤其是該系統設立了植物分類檢索表，基于鑒定規則庫與電子檢索表，可輔助判定未知植物及標本、活植物的識別鑒定等。

突出人性化和操作簡便化的用戶操作界面，主要采用美國微軟公司推出的關系數據庫管理系統Visual Foxpro作為開發工具，借助于這一開發工具進行的Python可視化編程技術，分為菜單欄、工具欄、狀態欄及主操作窗口4部分，使得該園林植物查詢系統在市場價格、形態分類、應用場景等窗口展示上具有個性特征。一個好的查詢系統需要做到支持多種語言多個模塊方便瀏覽，因此本系統在分類別瀏覽上進行了創新：將科目分類瀏覽、植物特征瀏覽、植物名稱首字母瀏覽、素材瀏覽進行算法推薦，依據用戶喜好進行不同設置。同時在素材瀏覽中可根據用戶所選的素材進行制圖軟件或者是音視頻軟件進行播放。同時該系統支持多種語言展示，對園林植物的學名、科別、花期、地域分布、土壤習性做了中英文等多種語言的展示，并且這種具有Windows界面風格的查詢系統支持多語言一鍵切換。該系統針對用戶的“收藏”所選，自動進行植物的生長環境分析，針對不同地區的環境特點首先匹配植物自然分布區劃，其次再分析植物對環境的適應程度，最后通過人工實踐經驗進行校正。這種算法將理論值與經驗有機結合，突破了軟件的機器限制和數據偏差，使得用戶可根據其對植物相關訴求得到較為系統性的可靠意見。

3 園林植物信息查詢系統的具體實現

為了區別大多數程序在Windows環境中都提供菜單式的操作方式，該園林查詢系統使用Visual Foxpro作為開發工具[5]，使得只需程序員編輯少量程序就可以快速生成所需要的菜單。這樣設計的好處是便于用戶在使用分析功能時更加簡便。比如說在生長環境分析功能中，根據所處地區在土壤、空氣、光照等環境因子分析中得出植物的環境適應度，并結合植物區劃分布的經驗數據，提供一定的數值或圖表參考。通過Visual Foxpro開發工具與快捷鍵設置，在“添加、修改植物或地區的環境信息”后應運行“刷新數據”項目，可簡單快速得到刷新后的植物環境適應度數據。同樣該功能也適合綜合分析功能中，在該功能模塊里，使用Visual Foxpro工具與快捷鍵設置，可簡單快速分析植物種群在所需設計及種植地區的環境適應度。

而且在人機交互主要窗口的對話框里，采用了雙環境的特殊設計。當DCANet模型在Microsoft Access數據庫強大的數據支持下完成事先訓練，另外作為數據查詢子系統的核心文件，在系統代碼編輯完成后，若需進行全面的調試工作，根據實際要求把每一個可執行文件（如用戶管理.exe）編輯成為一個交互式窗口，至此就得到了一個脫離Visual Foxpro運行環境的基于DCAnet的園林植物查詢系統。查詢系統主要分為用戶管理和數據查詢，在用戶管理子系統中，可以對用戶的密碼進行修改，保護使用者的隱私并保證了軟件的安全性；在數據查詢子系統中，通過已經建立好了的DCANet模型對接收到的圖片進行識別，向用戶輸出園林植物的名稱、學名、別名等信息，同時還可以點擊相關信息，如在葉形（植物葉片正常生長的形狀）這個類別選項中，用戶執行信息查詢后，預設的系統會繼續輸出圓形、扇形、其他等結果信息，方便用戶了解認識該植物。系統流程圖見圖2。

4 結語

基于DCANet模型的圖像識別技術，在查詢園林植物的應用中可以對用戶需要了解的植物快速識別并返回該植物的各種信息，能夠提升現代城市的精細化管理水平。因此本文提出的DCANet系統以及其包含的圖像識別技術不僅可以用在識別植物方面，其實在物體分類、圖像處理、勘探工程等領域依舊有很大潛力，如在城市園林綠化管理行業中，包含了在園林設計、工程種植等技術環節中的巨大信息資料的植物查詢系統，通過結合Auto CAD、地理信息系統GIS等軟件與技術的二次開發，可對城市園林綠地栽植植物的地段、品種、長勢等信息在建設規劃圖紙應用上進行數字化，從而不但可以使用數據庫查詢植物相關信息，為城市綠地規劃、施工、養護提供參考依據，更可以直觀地以數字化圖紙的形式將城市綠地現狀顯示出來，以方便管理。不足的地方就是在訓練DCANet模型時需要的時間比較長，每一個查詢系統都需要建立模型，在完成API接口的建立后才可大面積使用。