基于YOLO的番茄病蟲害識別算法研究

程海超

(1.山東理工大學農業工程與食品科學學院，山東 淄博 255000；2.山東石油化工學院，山東 東營 257000)

番茄是一種常見的蔬菜，同時也是人們飯桌上常見的食材，同時，番茄還富含多種營養物質，是一種對人體有益處的健康食品。但在實際的番茄種植中，番茄植株容易受到病蟲害的影響，不僅會影響番茄種植效果，還容易造成番茄減產，嚴重影響番茄的種植。基于此，本文對基于YOLO的番茄病蟲害識別算法進行研究，對番茄病蟲害進行簡單分析，對基于YOLO的識別算法進行簡單研究，確?；赮OLO的識別算法能實現在番茄病蟲害識別中的應用，旨在為番茄種植提供幫助，最終推動農業的現代化信息發展。

1 番茄病蟲害研究

作為一種常見蔬菜，在我國番茄有著多年的種植歷史，也正是因為多年的種植歷史，使得番茄具有更多種植病蟲害，對番茄的影響相對較多，現結合番茄的基本情況，對番茄的病蟲害進行簡單研究。

1.1 真菌性病害

真菌性病害是番茄常見的病害，包括晚疫病、早疫病、炭疽病、灰霉病等。其中，晚疫病可以在番茄的幼苗期和成株期危害，會給番茄的根、莖、葉，甚至是果實造成影響，嚴重影響番茄的正常生長和結實。而成株期則多以葉和青果受到影響。早疫病同樣是一種幼苗和成株期都能感染的疫病，受到該病的影響，番茄在幼苗期莖基部會出現暗褐色病斑，稍有凹陷，有輪紋；成株期，葉片發病，主要呈現水浸狀綠色病斑；同時，病斑還會向上延伸，直至葉片脫落，嚴重影響番茄的健康成長。炭疽病則是一種作用于將近成熟和成熟果實的疫病，受到該病的影響，果實會出現初生水漬狀小斑點，小斑點逐漸擴大，直至變成為黑褐色凹陷具有同心輪紋的病斑；同時，如果番茄處于潮濕狀況，斑面會有密生針頭大小的朱紅色液質小點，造成番茄果實腐爛，最后造成果實脫落，嚴重影響番茄的種植效果?；颐共⊥瑯邮欠殉Ｒ姷囊卟。艿皆摬〉挠绊懀褧霈F嚴重的水腐狀，同時，果實、根莖葉都可發病，嚴重影響番茄整株植株的健康，不利于番茄的健康。

1.2 細菌性病害

青枯病是一種常見的細菌性病害，受到青枯病的影響，番茄會出現中午枯萎，傍晚恢復的情況，并易在2～3d后枯死；番茄發病后植株仍舊為青色，但是維管會變為褐色，并出現腐爛跡象。一般情況下，高溫高濕的環境容易造成細菌性病害的發生。

1.3 病毒性病害

病毒性病害同樣是番茄常見的病害，主要以病毒病為主，這類病害對番茄的影響相對較大，不利于番茄的種植，所以，為了保證番茄種植效果，需要做好番茄病毒病的防治。這類病害會造成番茄出現花葉型、厥葉型、條斑型等幾種情況，其中，該病會通過摩擦、打杈、綁架、蚜蟲、機械等方式，實現病害的傳播，嚴重影響番茄的種植效果。

1.4 蟲害

番茄蟲害包括棉鈴蟲和白粉虱2種，這2種病害是番茄最常見的蟲害，同時也是對番茄影響最大的2種蟲害。其中，棉鈴蟲主要對果實影響較大，棉鈴蟲屬于雜食性蟲類，會啃食植物果實，并以幼蟲蛀果為主，同時也會給花蕾、花，甚至是葉片嫩芽等帶來損害，并且，幼蟲蛀入果實內，會給果實帶來嚴重影響，并在造成蛀孔后，轉移到其他果實中，繼續進行啃食，嚴重影響番茄的種植效果，造成番茄的減產。白粉虱主要是以成蟲和幼蟲密集在葉片背面實現對葉片汁液的吸食，造成葉片出現枯黃，甚至是枯死，嚴重影響番茄種植質量。

2 基于YOLO番茄病蟲害識別算法研究

結合番茄病蟲害的基本情況，為了實現對番茄病害的有效處理，需要采取有效的病蟲害識別措施，在病蟲害發生時，將病蟲害扼殺在搖籃中，從而有效降低病蟲害給番茄帶來的影響，保證番茄的產量，確保番茄種植的經濟效益，推動相關產業的健康發展。

2.1 YOLO的簡單分析

YOLO是一種將物體檢測作為回歸問題求解的算法，實際的應用中，使用這種算法，能夠實現基于一個end-to-end網絡，完成從原始圖像輸入到物體位置和類別輸出。在網絡設計上，YOLO的訓練和檢測都是在一個單獨網絡中進行，同時，其還將檢測物作為一個回歸問題進行求解。

2.2 基于YOLO的病蟲害檢測系統架構

與深度學習圖像分類相比，目標檢測可以對圖片中的目標類別進行識別，并對目標的具體位置坐標進行展示，從而有效提高病蟲害的控制效果，通過基于YOLO的病蟲害檢測系統，可以及時發現病蟲害位置，便于種植人員采取相應防治措施，以確保番茄種植效果。為進一步對基于YOLO的病蟲害識別算法進行研究，對檢測系統的架構進行研究，從而得到具體的架構情況，如圖1所示。

圖1 基于YOLO的病蟲害檢測系統架構情況

以上述架構為基礎，能夠實現對基于YOLO的病蟲害檢測系統的構建，架構中主干網絡是由Darknet-53構成，而其還包含53個卷積層，有效實現對梯度爆炸幾率的控制，確保病蟲害檢測的精度和可靠性，降低環境因素給施工帶來的影響，有效提升系統的可靠性，從而滿足番茄種植的基本需求。另外，該系統能夠在病蟲害的識別中獲取較好的識別效果。可以實現對大小差異的病斑和蟲害識別。在獲取相應識別信息后，種植管理人員采取有效的病蟲害防治措施，實現病蟲害有效防治，降低病蟲害造成的損失，全面提升經濟價值。

2.3 基于YOLO的病蟲害檢驗算法研究

為了滿足基于YOLO的病蟲害檢測系統的基本需求，需要在實際的病蟲害檢測中，合理對各種算法進行利用。所以，需要結合實際情況，合理對YOLO的病蟲害識別算法進行研究，從而使得識別算法能夠得到合理運用，實現病蟲害的快速發現，從而提高病蟲害的識別能力，降低病蟲害給番茄種植帶來的負面影響，全面降低病蟲害帶來的負面作用。

實際的病蟲害識別中，需要對病蟲害特征進行提取，對采集到的特征圖進行網格劃分，對病蟲害區域中心坐標所在的網格進行目標檢測，網格進行目標檢測的邊框數量是一定的，所以，不同邊框的尺寸是有差異的，所以，僅選擇實際邊框的IOU值最大邊框，輸出特征圖會包括2種維度，其中一個是特征圖，另外一種是深度，也就是說，B×(5+C)，其中B為網格進行目標檢測的邊框數量，而C則為病蟲害的數量情況，5是病蟲害目標的4個位置，與1個置信度，置信度公式：

(1)

(2)

結合公式(2)可以發現，(Lx,Ly)是網格坐標偏移量；而prew和preh則分別描述邊框的邊長，最終獲取的邊框坐標值可以用desx、desy、desy、desh描述；同時，網絡學習的目標可以用Ix、Iy、Iw、Ih描述。

結合上述內容的相應研究，得到在預測過程中需要以病蟲害的預測為基礎，并實現對病蟲害目標的合理預測，從而保證目標預測值的合理計算，進而滿足相應工作的基本要求，促使預測值可以為病蟲害的預測提供幫助。

在上述公式邊框預測情況為基礎前提下，對損失函數進行研究，從而得到有無目標的IUO分類的誤差平方和，公式：

Loss=Losscoord+Lossobj+Lossclass

(3)

通過公式(3)可以發現，Loss是用于描述坐標的預測，進一步對其進行研究，能夠得到中心點坐標的(x，y)，且邊框的高度h和寬度w進一步分析可以得到如下算法：

(4)

由公式(4)進一步分析可以得到，包含或不包含病蟲害對象的邊框置信度預測情況，可以用以下公式進行描述：

(5)

在此基礎上，對其進行變化，可以得到：

(6)

按照上述模型，就能實現對病蟲害的識別算法研究，通過算法的合理運用，就可以滿足番茄病蟲害識別的基本需求，同時，通過識別試驗研究發現，通過上述模型、上述系統，能實現對番茄病蟲害的合理識別，并且能夠在病蟲害的早期及時發現，便于種植番茄的相關人員及時采取相應的防治措施，降低病蟲害給番茄帶來的影響，從而提升番茄種植效果，確保番茄產量提升，保證種植番茄的經濟效益。

3 結束語

本文對基于YOLO番茄病蟲害識別算法的研究，對番茄病蟲害的相應內容進行研究，每種病蟲害展開分析，了解番茄病蟲害的基本情況，在此基礎上對基于YOLO的番茄病蟲害識別系統進行闡述，闡述系統的架構后，對基于YOLO番茄病蟲害識別算法進行研究，旨在明確番茄病蟲害的合理識別，確保番茄病蟲害可以得到合理的控制，降低病蟲害給番茄種植帶來的影響，確保番茄種植的經濟效益。