基于神經(jīng)網(wǎng)絡(luò)的智慧農(nóng)業(yè)病蟲識別系統(tǒng)設(shè)計與應(yīng)用.pdf

農(nóng)業(yè)與技術(shù) 農(nóng)業(yè)科學(xué) 基于神經(jīng)網(wǎng)絡(luò)的智慧農(nóng)業(yè)病蟲識別系統(tǒng)設(shè)計與應(yīng)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 摘 要 病蟲害一直以來都是農(nóng)業(yè)種植戶擔(dān)心的問題 雖然無法讓病蟲害問題不再產(chǎn)生 但農(nóng)業(yè)種植戶可以通過 科技設(shè)備 病蟲害目前情況以及發(fā)展情況提前預(yù)測 及時采取防控措施 減少病蟲害對農(nóng)業(yè)生產(chǎn)的危害 該平臺 的病蟲害預(yù)警監(jiān)測系統(tǒng) 設(shè)備層采用農(nóng)業(yè)墑情 苗情 蟲情 災(zāi)情實時監(jiān)測的專用儀器 采集作物圖像信息 運 用神經(jīng)網(wǎng)絡(luò)算法進行模擬分析 最終給平臺使用人員提出病蟲害結(jié)論 實時監(jiān)測作物的病蟲害發(fā)生情況 系統(tǒng)可 以幫助農(nóng)業(yè)種植戶在第一時間獲得詳細的農(nóng)業(yè)作物生長情況 作物病害 蟲害的數(shù)據(jù) 還可以進行遠程專家診斷 問答機制 關(guān)鍵詞 農(nóng)業(yè) 智慧 病蟲識別 中圖分類號 文獻標識碼 收稿日期 基金項目 陜西省 年創(chuàng)新能力支撐計劃 項目編號 陜西省 年重點研發(fā)計劃 項目編號 作者簡介 陶怡 男 碩士 工程師 研究方向 物聯(lián)網(wǎng)技術(shù)與應(yīng)用 引言 由于農(nóng)作物病蟲害的多樣性和復(fù)雜性 在特定條 件下其很容易在大范圍內(nèi)發(fā)生 導(dǎo)致農(nóng)產(chǎn)品產(chǎn)量急劇 下降 因此 預(yù)防和監(jiān)測農(nóng)作物病蟲害已成為農(nóng)業(yè)生 產(chǎn)活動中的重要環(huán)節(jié) 當前 耕地面積逐漸減少 世 界人口總數(shù)逐漸增加 導(dǎo)致人均耕地數(shù)量減少 吃 飯問題 成為了對現(xiàn)代社會農(nóng)業(yè)政策 管理模式 技 術(shù)手段的重大考驗 因此如何保障農(nóng)作物產(chǎn)能滿足新 增人口需求成為一個日益嚴峻的課題 隨著大規(guī)模生 產(chǎn)的集約化 農(nóng)作物病蟲害爆發(fā)影響會更大 生產(chǎn)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(nóng)業(yè)災(zāi)害之一 其具有種類多 影響大 災(zāi)害頻發(fā) 的特點 甚至造成農(nóng)作物大面積減產(chǎn) 其災(zāi)害范圍和 嚴重程度常常給中國國民經(jīng)濟特別是農(nóng)業(yè)生產(chǎn)造成巨 大損失 在農(nóng)作物生產(chǎn)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(nóng)作物植株正常生理狀態(tài)的重點誘因 致使農(nóng)作 物基因突變 細胞變異或者組織損傷 從而帶來減 產(chǎn) 甚至絕產(chǎn)后果 總體設(shè)計思路 中國是農(nóng)業(yè)大國 農(nóng)業(yè)是國民根本的大事 與人 民的生活和社會進步息息相關(guān) 目前 在中國農(nóng)業(yè)生 產(chǎn)過程中出現(xiàn)的病害或者蟲害 農(nóng)藥仍然是控制病蟲 害的主要手段 農(nóng)藥雖然可以幫助作物恢復(fù)生長 但 是用藥量的多少直接影響著人民的健康 數(shù)據(jù)顯示 農(nóng)藥的使用每年能夠?qū)r(nóng)業(yè)產(chǎn)量挽回損失 左右 然而 大量在蔬菜水果上使用農(nóng)藥會造成農(nóng)藥殘留和 環(huán)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(yù)測病蟲害的發(fā)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(nóng)業(yè)生 產(chǎn)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(nóng)藥污染的一種有效途徑 智能農(nóng)業(yè)的病 蟲害預(yù)警專家系統(tǒng)可以分為智能預(yù)警 分析診斷 專 家答案 決策模型 智能預(yù)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(yù)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(tǒng)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(tǒng)中少見的病蟲等災(zāi)害進 行交流 智能預(yù)警 集成智能農(nóng)機作業(yè)調(diào)度 農(nóng)情監(jiān)測 智能灌溉系 統(tǒng) 可在調(diào)度指揮中心集中處理各子系統(tǒng)觸發(fā)的各類 預(yù)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(yù)警輔助決策信息 匯聚生產(chǎn)傳感器和設(shè)備 信息 結(jié)合當?shù)貧庀髷?shù)據(jù)和農(nóng)藝知識庫 對數(shù)據(jù)進行 綜合處理和分析 實現(xiàn)病蟲害預(yù)測預(yù)報 災(zāi)害應(yīng)急管 理 生產(chǎn)過程追溯和監(jiān)管等輔助決策功能 農(nóng)業(yè)科學(xué) 農(nóng)業(yè)與技術(shù) 分析診斷 運用智能神經(jīng)網(wǎng)絡(luò)算法 對系統(tǒng)植株的生長時期 發(fā)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(nóng)作提供指導(dǎo)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(chǎn)人員 制定正確的無毒化 無害化的處理措施 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(fù) 專家根據(jù)權(quán)限可以為已配置的某些人發(fā)送消息 農(nóng)業(yè) 專家可以發(fā)布一些有價值的公告給固定的人 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(jié)果期等 并在每個生長階段設(shè) 置特定的病蟲環(huán)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(shù)據(jù)支撐的作用 關(guān)鍵技術(shù)研究 將獲取的葉片的圖片進行病蟲害類別標簽 數(shù)據(jù) 預(yù)處理 得到葉片的真實標簽 將葉片的圖片分為訓(xùn) 練集 驗證集 測試集 訓(xùn)練集裁剪圖片 歸一化大 小 得到新的訓(xùn)練集 將制作得到的數(shù)據(jù)集送入網(wǎng)絡(luò) 模型并輸出實際值 根據(jù)真實標簽與實際值計算損失 函數(shù)值 利用梯度下降反向傳播算法更新網(wǎng)絡(luò)模型的 參數(shù) 每次更新的網(wǎng)絡(luò)模型利用驗證集驗證結(jié)果 通 過若干次訓(xùn)練 得到訓(xùn)練完成的網(wǎng)絡(luò)模型 將測試集 送入訓(xùn)練完成的網(wǎng)絡(luò)模型 通過與真實標簽比對計算 出網(wǎng)絡(luò)模型檢測準確率 病蟲害識別算法設(shè)計運用深 度卷積神經(jīng)網(wǎng)絡(luò)算法 利用堆疊網(wǎng)絡(luò)模塊的設(shè)計 具 有精度高 參數(shù)少的特點 堆疊模塊中的卷積層的特 征輸出層數(shù)很少 另外卷積核的尺寸為 和 這種網(wǎng)絡(luò)模型的連接使特征和梯度的傳輸更加有效 更易于訓(xùn)練 通過嵌入堆疊網(wǎng)絡(luò)模塊增加網(wǎng)絡(luò)的寬度 和深度 實現(xiàn)網(wǎng)絡(luò)模塊化的結(jié)構(gòu) 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(nóng)作物受 害的現(xiàn)狀 其可以縮短病蟲害的發(fā)現(xiàn)監(jiān)測時間 提高 病蟲害防治的效率 使其在低爆發(fā)范圍情況下迅速遏 制 有效地促進農(nóng)作物的增產(chǎn)增收 農(nóng)作物病蟲害的圖像信息通過專業(yè)攝像設(shè)備的圖 像傳感器采集并傳輸 所收集的農(nóng)作物病蟲害圖像信 息通過 攝像頭的傳輸?shù)角度胧轿⑻幚砥髦?圖像 處理由樹莓派微型計算機執(zhí)行算法 在處理過程中樹 莓派微型計算機中數(shù)據(jù)存儲器存儲農(nóng)作物病蟲害圖像 識別處理過程中的各種數(shù)據(jù) 樹莓派微型計算機遷移 卡中的農(nóng)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(nóng)作物病蟲害圖像識別過程中各種處理結(jié)果 整個 系統(tǒng)有機地結(jié)合起來 完成了農(nóng)作物病蟲害圖像識別 的系統(tǒng)過程 病蟲識別系統(tǒng)設(shè)計如圖 圖 作物病蟲識別訓(xùn)練算法 圖 作物病蟲識別系統(tǒng)界面 系統(tǒng)程序設(shè)計 在植株診斷專家系統(tǒng)中 在輸入為植株當前性狀 的表現(xiàn)圖片時 輸出為診斷結(jié)果及建議 通過不斷更 新網(wǎng)絡(luò)中的權(quán)重 從而得到植株性狀與診斷結(jié)果之間 的內(nèi)在關(guān)系 訓(xùn)練完成后 神經(jīng)網(wǎng)絡(luò)能夠根據(jù)輸入性 狀圖片給出相應(yīng)的診斷結(jié)果 圖 程序設(shè)計思路 智慧農(nóng)業(yè)專家系統(tǒng)的核心功能主要包括知識庫管 農(nóng)業(yè)與技術(shù) 農(nóng)業(yè)科學(xué) 理和智能診斷等模塊 圖 專家診斷類型 智能診斷 用戶可根據(jù)農(nóng)作物實際生長過程中出現(xiàn)的狀況 進行智能診斷 包括發(fā)芽期診斷 幼苗期診斷 成株 期診斷 花蕾期診斷 施肥診斷 發(fā)芽期診斷 根據(jù)農(nóng)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(yōu)的診斷結(jié)果 并計算出其可信度 幼苗期診斷 根據(jù)農(nóng)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(yōu)的診斷結(jié)果 并計算出其可信度 成株期診斷 根據(jù)農(nóng)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(yōu)的診斷結(jié)果 并計算出其可信度 花蕾期診斷 根據(jù)農(nóng)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(yōu)的診斷結(jié)果 并計算出其 可信度 施肥營養(yǎng)診斷 根據(jù)農(nóng)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(yōu)的診斷結(jié)果 并計算出其可信度 系統(tǒng)功能設(shè)計 目前 設(shè)施農(nóng)業(yè)蔬菜生產(chǎn)過程中存在技術(shù)人員缺 乏 生產(chǎn)管理水平較低 勞動生產(chǎn)率較低等一系列問 題 基于神經(jīng)網(wǎng)絡(luò)的病蟲識別系統(tǒng) 運用環(huán)境信息調(diào) 控系統(tǒng)中建設(shè)的環(huán)境信息采集設(shè)備來獲取的環(huán)境參數(shù) 作為依據(jù) 根據(jù)地域性病蟲害特點 有針對性地開發(fā) 病蟲害分析診斷數(shù)據(jù)庫 應(yīng)用數(shù)據(jù)庫內(nèi)病蟲害詳細形 態(tài)信息與地域性病蟲害發(fā)生規(guī)律與誘因進行比較 評 估特定的某種或某幾種病蟲害發(fā)生概率 為預(yù)防工作 提供指導(dǎo)意見 圖 作物病蟲智能識別結(jié)果 同時 在數(shù)據(jù)源信息充足的情況下 系統(tǒng)亦可以 對已發(fā)生的病蟲害圖像信息或特點描述信息進行分 析 指導(dǎo)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(huán)境害蟲發(fā) 生的品類的蟲情測報燈 經(jīng)過設(shè)備誘惑采集的數(shù)量進 行統(tǒng)計 再經(jīng)過系統(tǒng)的分析判斷 智能決策和根據(jù)作 物生產(chǎn)周期制定的策略 為噴藥提供策略依據(jù) 對當 前的總體病蟲情況進行熱力圖展示和統(tǒng)計 以便管理 者對于重點區(qū)域進行防治 實驗結(jié)果 數(shù)據(jù)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 平方的區(qū)域 因 此 可以刪除大多數(shù)復(fù)雜的背景 并且圖像數(shù)量保持 不變 在角裁剪中 將裁剪中心區(qū)域達到 農(nóng)業(yè)科學(xué) 農(nóng)業(yè)與技術(shù) 分辨率 保持最復(fù)雜的背景 將圖像分成 部 分 分辨率為 將這些圖像分別使用雙 線性插值調(diào)整為 種不同的大小 和 像素的 對每幅圖像執(zhí)行上述操作并 過濾無病變區(qū)域的圖像 對齊進行識別 表 測試結(jié)果 仿真測試結(jié)果褐斑病白地蠶 識別成功次數(shù) 識別失敗次數(shù) 識別準確率 基于神經(jīng)網(wǎng)絡(luò)的病蟲害識別系統(tǒng) 通過圖像采集 的作物病蟲信息進行算法分析 再根據(jù)農(nóng)作物病蟲害 的發(fā)生特征和規(guī)律的常規(guī)知識 為用戶提供農(nóng)作物病 蟲害的遠程診斷 專家決策和預(yù)報的信息化系統(tǒng) 經(jīng) 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(yīng)用推廣 結(jié)束語 對于植物病蟲管理模塊 植物是本系統(tǒng)的重要基 礎(chǔ)數(shù)據(jù) 疾病和癥狀都要依賴于作物知識庫 庫中具 有大量數(shù)據(jù)的害蟲和疾病數(shù)據(jù)庫 加之聲情并茂的用 戶交互界面 使生產(chǎn)者能夠全面了解各種農(nóng)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(tǒng) 該系統(tǒng)中的圖像診斷系統(tǒng)各類病蟲整理近萬張圖片信 息庫 再結(jié)合多年從事病蟲害研究和實踐的眾多高級 專家的經(jīng)驗和知識 以幫助農(nóng)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(fù)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(chǎn)生活中 對植物形成 了一些客觀的經(jīng)驗數(shù)據(jù) 又由于系統(tǒng)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 參考文獻 范振軍 李小霞 基于 快速檢測與融合特征的馬鈴薯病害 識別 西南農(nóng)業(yè)學(xué)報 李建華 郝炘 牛明雷 等 基于卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病害 識別 中國農(nóng)業(yè)信息 高雄 湯巖 陳鐵英 等 基于圖像處理的甘藍蟲害識別研究 江蘇農(nóng)業(yè)科學(xué) 吳健宇 基于深度卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病蟲害識別及實現(xiàn) 哈爾濱 哈爾濱工業(yè)大學(xué) 陳洋 基于卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病蟲害圖像分類研究 南昌 江西農(nóng)業(yè)大學(xué) 蘇一峰 杜克明 李穎 基于物聯(lián)網(wǎng)平臺的小麥病蟲害診斷系 統(tǒng)設(shè)計初探 中國農(nóng)業(yè)科技導(dǎo)報 責(zé)任編輯 李媛媛