基于神经网络的智慧农业病虫识别系统设计与应用

陶怡 范营营 琚成 杨会甲 朱超 王飞

(西安航天自动化股份有限公司，陕西 西安 710065)

引言

由于农作物病虫害的多样性和复杂性，在特定条件下其很容易在大范围内发生，导致农产品产量急剧下降。因此，预防和监测农作物病虫害已成为农业生产活动中的重要环节。当前，耕地面积逐渐减少，世界人口总数逐渐增加，导致人均耕地数量减少。“吃饭问题”成为了对现代社会农业政策、管理模式、技术手段的重大考验，因此如何保障农作物产能满足新增人口需求成为一个日益严峻的课题。随着大规模生产的集约化，农作物病虫害爆发影响会更大，生产能力的输出起着决定性的作用。作物病虫害是中国的主要农业灾害之一，其具有种类多、影响大、灾害频发的特点，甚至造成农作物大面积减产；其灾害范围和严重程度常常给中国国民经济特别是农业生产造成巨大损失。在农作物生产活动中可能受到多种病虫害交杂影响，其中某些并不能被肉眼所识别，其可能也是破坏农作物植株正常生理状态的重点诱因，致使农作物基因突变、细胞变异或者组织损伤，从而带来减产、甚至绝产后果。

1 总体设计思路

中国是农业大国，农业是国民根本的大事，与人民的生活和社会进步息息相关。目前，在中国农业生产过程中出现的病害或者虫害，农药仍然是控制病虫害的主要手段，农药虽然可以帮助作物恢复生长，但是用药量的多少直接影响着人民的健康。数据显示，农药的使用每年能够对农业产量挽回损失20%左右。然而，大量在蔬菜水果上使用农药会造成农药残留和环境污染问题且已成为人民越来越重视的事情。如果能够提前预测病虫害的发生，提早提出防止措施，使用药量大幅度减少，就能够有效降低病虫害对农业生产的危害。有目的性的针对病虫的种类与位置合理施药，是减少农药污染的一种有效途径。智能农业的病虫害预警专家系统可以分为智能预警、分析诊断，专家答案、决策模型。智能预警主要对目前植株的病虫情况进行图像分析，对后期的防治做出预测建议；分析诊断是对当前作物的叶、茎、花、果等情况进行图像采集后算法处理，由系统进行诊断，得出病虫害名称、防治措施与建议；专家答疑可以和远程的专家进行在线与离线的交流，对系统中少见的病虫等灾害进行交流。

1.1 智能预警

集成智能农机作业调度、农情监测、智能灌溉系统，可在调度指挥中心集中处理各子系统触发的各类预警信息，通过对各类告警信息进行融合，提供多维度的智能预警辅助决策信息。汇聚生产传感器和设备信息，结合当地气象数据和农艺知识库，对数据进行综合处理和分析，实现病虫害预测预报、灾害应急管理、生产过程追溯和监管等辅助决策功能。

1.2 分析诊断

运用智能神经网络算法，对系统植株的生长时期(发芽期、幼苗期、成株期、花蕾期、成熟期)的根、茎、花、果的生长状况，提出目前植株的长势情况，为农作提供指导意见。对于各类果蔬的虫害、病害的图片进行识别，对其做出正确的诊断，帮助生产人员制定正确的无毒化、无害化的处理措施。

1.3 专家答疑

对于目前在线的专家可以进行在线提问，可以传输文字、文件、图片、视频等资料，方便双方进行交流。对于目前不在线的专家，显示为灰色头像，可以给专家留言，专家上线后第一时间可以看见和回复。专家根据权限可以为已配置的某些人发送消息，农业专家可以发布一些有价值的公告给固定的人。

1.4 决策模型

将作物的生长划分成不同的生长阶段，如休眠期、生长期、花期、结果期等，并在每个生长阶段设置特定的病虫环境特点。建立病虫图片模型库，按照病虫种类进行分类，便于算法提取虫害的形状特征。对病虫识别算法起到数据支撑的作用。

2 关键技术研究

将获取的叶片的图片进行病虫害类别标签、数据预处理，得到叶片的真实标签，将叶片的图片分为训练集、验证集、测试集，训练集裁剪图片，归一化大小，得到新的训练集；将制作得到的数据集送入网络模型并输出实际值，根据真实标签与实际值计算损失函数值，利用梯度下降反向传播算法更新网络模型的参数，每次更新的网络模型利用验证集验证结果，通过若干次训练，得到训练完成的网络模型。将测试集送入训练完成的网络模型，通过与真实标签比对计算出网络模型检测准确率。病虫害识别算法设计运用深度卷积神经网络算法，利用堆叠网络模块的设计，具有精度高、参数少的特点，堆叠模块中的卷积层的特征输出层数很少，另外卷积核的尺寸为1×1和3×3，这种网络模型的连接使特征和梯度的传输更加有效，更易于训练。通过嵌入堆叠网络模块增加网络的宽度和深度，实现网络模块化的结构，融合不同深度的堆叠模块来获取不同大小的感觉野，拼接不同尺度特征。能够大大降低检测成本，针对目前大量农作物受害的现状，其可以缩短病虫害的发现监测时间，提高病虫害防治的效率，使其在低爆发范围情况下迅速遏制，有效地促进农作物的增产增收。

农作物病虫害的图像信息通过专业摄像设备的图像传感器采集并传输，所收集的农作物病虫害图像信息通过CSI摄像头的传输到嵌入式微处理器中，图像处理由树莓派微型计算机执行算法。在处理过程中树莓派微型计算机中数据存储器存储农作物病虫害图像识别处理过程中的各种数据，树莓派微型计算机迁移SD卡中的农作物病虫害图像识别基本程序到树莓派微型计算机中的程序存储器进行图像识别，触摸屏显示农作物病虫害图像识别过程中各种处理结果，整个系统有机地结合起来，完成了农作物病虫害图像识别的系统过程。病虫识别系统设计如图2。

3 系统程序设计

在植株诊断专家系统中，在输入为植株当前性状的表现图片时，输出为诊断结果及建议。通过不断更新网络中的权重，从而得到植株性状与诊断结果之间的内在关系。训练完成后，神经网络能够根据输入性状图片给出相应的诊断结果。

智慧农业专家系统的核心功能主要包括知识库管理和智能诊断等模块。

3.1 智能诊断

用户可根据农作物实际生长过程中出现的状况，进行智能诊断。包括发芽期诊断、幼苗期诊断、成株期诊断、花蕾期诊断、施肥诊断。

3.2 发芽期诊断

根据农作物名称、子叶状况、叶色状况、叶缘状况、幼苗状况、胚根状况，智能地从知识管理中匹配出最优的诊断结果，并计算出其可信度。

3.3 幼苗期诊断

根据农作物名称、茎状况、叶柄状况、叶片状况、叶色状况、叶缘状况、叶脉状况，智能地从知识管理中匹配出最优的诊断结果，并计算出其可信度。

3.4 成株期诊断

根据农作物名称、茎状况、叶柄状况、叶片状况、叶色状况、叶缘状况、叶脉状况，智能地从知识管理中匹配出最优的诊断结果，并计算出其可信度。

3.5 花蕾期诊断

根据农作物名称、茎状况、叶柄状况、叶片状况、叶色状况、叶缘状况、叶脉状况、花状况，智能地从知识管理中匹配出最优的诊断结果，并计算出其可信度。

3.6 施肥营养诊断

根据农作物名称、植株状况、叶状况、茎状况、花状况、果实状况、病变位置，智能地从知识管理中匹配出最优的诊断结果，并计算出其可信度。

4 系统功能设计

目前，设施农业蔬菜生产过程中存在技术人员缺乏、生产管理水平较低、劳动生产率较低等一系列问题，基于神经网络的病虫识别系统，运用环境信息调控系统中建设的环境信息采集设备来获取的环境参数作为依据，根据地域性病虫害特点，有针对性地开发病虫害分析诊断数据库，应用数据库内病虫害详细形态信息与地域性病虫害发生规律与诱因进行比较，评估特定的某种或某几种病虫害发生概率，为预防工作提供指导意见。

同时，在数据源信息充足的情况下，系统亦可以对已发生的病虫害图像信息或特点描述信息进行分析，指导管理人员快速了解病虫害详细情况，并提供治理措施。通过视频或者其它措施判断当前的植株病虫害情况，在基地部署安装针对作物生长环境害虫发生的品类的虫情测报灯，经过设备诱惑采集的数量进行统计，再经过系统的分析判断、智能决策和根据作物生产周期制定的策略，为喷药提供策略依据。对当前的总体病虫情况进行热力图展示和统计，以便管理者对于重点区域进行防治。

5 实验结果

数据集分为中心裁剪和角裁剪。在中心裁剪中，从每个图像的中心裁剪300px×300px平方的区域。因此，可以删除大多数复杂的背景，并且图像数量保持不变。在角裁剪中，将裁剪中心区域达到512px×512px分辨率，保持最复杂的背景，将图像分成4部分，分辨率为256px×256px，将这些图像分别使用双线性插值调整为2种不同的大小(AlexNet和224px×224px像素的VGGNet)。对每幅图像执行上述操作并过滤无病变区域的图像，对齐进行识别。

表1 测试结果

基于神经网络的病虫害识别系统，通过图像采集的作物病虫信息进行算法分析，再根据农作物病虫害的发生特征和规律的常规知识，为用户提供农作物病虫害的远程诊断，专家决策和预报的信息化系统，经过实验验证，总体识别效果良好，识别率验证了该算法的有效性，并在陕西省重点计划中都有应用推广。

6 结束语

对于植物病虫管理模块，植物是本系统的重要基础数据，疾病和症状都要依赖于作物知识库，库中具有大量数据的害虫和疾病数据库，加之声情并茂的用户交互界面，使生产者能够全面了解各种农作物、果蔬目前存在的所有可能的病虫程度与影响范围系统。该系统中的图像诊断系统各类病虫整理近万张图片信息库，再结合多年从事病虫害研究和实践的众多高级专家的经验和知识，以帮助农民实地实作，实时诊断病虫害，及时采取防治措施。在病虫害较为复杂的情况下，可以利用远程专家组进行实时通讯和诊断，防止在防治过程中走弯路，把损失降到最低。对于诊断管理模块，在作物各时期的生产生活中，对植物形成了一些客观的经验数据，又由于系统的作物种类很多，利用分类管理把种类分成不同类别进行诊断，方便用户进行查找和检索。