基于YOLO的番茄病虫害识别算法研究

程海超

(1.山东理工大学农业工程与食品科学学院，山东 淄博 255000；2.山东石油化工学院，山东 东营 257000)

番茄是一种常见的蔬菜，同时也是人们饭桌上常见的食材，同时，番茄还富含多种营养物质，是一种对人体有益处的健康食品。但在实际的番茄种植中，番茄植株容易受到病虫害的影响，不仅会影响番茄种植效果，还容易造成番茄减产，严重影响番茄的种植。基于此，本文对基于YOLO的番茄病虫害识别算法进行研究，对番茄病虫害进行简单分析，对基于YOLO的识别算法进行简单研究，确保基于YOLO的识别算法能实现在番茄病虫害识别中的应用，旨在为番茄种植提供帮助，最终推动农业的现代化信息发展。

1 番茄病虫害研究

作为一种常见蔬菜，在我国番茄有着多年的种植历史，也正是因为多年的种植历史，使得番茄具有更多种植病虫害，对番茄的影响相对较多，现结合番茄的基本情况，对番茄的病虫害进行简单研究。

1.1 真菌性病害

真菌性病害是番茄常见的病害，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，会给番茄的根、茎、叶，甚至是果实造成影响，严重影响番茄的正常生长和结实。而成株期则多以叶和青果受到影响。早疫病同样是一种幼苗和成株期都能感染的疫病，受到该病的影响，番茄在幼苗期茎基部会出现暗褐色病斑，稍有凹陷，有轮纹；成株期，叶片发病，主要呈现水浸状绿色病斑；同时，病斑还会向上延伸，直至叶片脱落，严重影响番茄的健康成长。炭疽病则是一种作用于将近成熟和成熟果实的疫病，受到该病的影响，果实会出现初生水渍状小斑点，小斑点逐渐扩大，直至变成为黑褐色凹陷具有同心轮纹的病斑；同时，如果番茄处于潮湿状况，斑面会有密生针头大小的朱红色液质小点，造成番茄果实腐烂，最后造成果实脱落，严重影响番茄的种植效果。灰霉病同样是番茄常见的疫病，受到该病的影响，番茄会出现严重的水腐状，同时，果实、根茎叶都可发病，严重影响番茄整株植株的健康，不利于番茄的健康。

1.2 细菌性病害

青枯病是一种常见的细菌性病害，受到青枯病的影响，番茄会出现中午枯萎，傍晚恢复的情况，并易在2～3d后枯死；番茄发病后植株仍旧为青色，但是维管会变为褐色，并出现腐烂迹象。一般情况下，高温高湿的环境容易造成细菌性病害的发生。

1.3 病毒性病害

病毒性病害同样是番茄常见的病害，主要以病毒病为主，这类病害对番茄的影响相对较大，不利于番茄的种植，所以，为了保证番茄种植效果，需要做好番茄病毒病的防治。这类病害会造成番茄出现花叶型、厥叶型、条斑型等几种情况，其中，该病会通过摩擦、打杈、绑架、蚜虫、机械等方式，实现病害的传播，严重影响番茄的种植效果。

1.4 虫害

番茄虫害包括棉铃虫和白粉虱2种，这2种病害是番茄最常见的虫害，同时也是对番茄影响最大的2种虫害。其中，棉铃虫主要对果实影响较大，棉铃虫属于杂食性虫类，会啃食植物果实，并以幼虫蛀果为主，同时也会给花蕾、花，甚至是叶片嫩芽等带来损害，并且，幼虫蛀入果实内，会给果实带来严重影响，并在造成蛀孔后，转移到其他果实中，继续进行啃食，严重影响番茄的种植效果，造成番茄的减产。白粉虱主要是以成虫和幼虫密集在叶片背面实现对叶片汁液的吸食，造成叶片出现枯黄，甚至是枯死，严重影响番茄种植质量。

2 基于YOLO番茄病虫害识别算法研究

结合番茄病虫害的基本情况，为了实现对番茄病害的有效处理，需要采取有效的病虫害识别措施，在病虫害发生时，将病虫害扼杀在摇篮中，从而有效降低病虫害给番茄带来的影响，保证番茄的产量，确保番茄种植的经济效益，推动相关产业的健康发展。

2.1 YOLO的简单分析

YOLO是一种将物体检测作为回归问题求解的算法，实际的应用中，使用这种算法，能够实现基于一个end-to-end网络，完成从原始图像输入到物体位置和类别输出。在网络设计上，YOLO的训练和检测都是在一个单独网络中进行，同时，其还将检测物作为一个回归问题进行求解。

2.2 基于YOLO的病虫害检测系统架构

与深度学习图像分类相比，目标检测可以对图片中的目标类别进行识别，并对目标的具体位置坐标进行展示，从而有效提高病虫害的控制效果，通过基于YOLO的病虫害检测系统，可以及时发现病虫害位置，便于种植人员采取相应防治措施，以确保番茄种植效果。为进一步对基于YOLO的病虫害识别算法进行研究，对检测系统的架构进行研究，从而得到具体的架构情况，如图1所示。

图1 基于YOLO的病虫害检测系统架构情况

以上述架构为基础，能够实现对基于YOLO的病虫害检测系统的构建，架构中主干网络是由Darknet-53构成，而其还包含53个卷积层，有效实现对梯度爆炸几率的控制，确保病虫害检测的精度和可靠性，降低环境因素给施工带来的影响，有效提升系统的可靠性，从而满足番茄种植的基本需求。另外，该系统能够在病虫害的识别中获取较好的识别效果。可以实现对大小差异的病斑和虫害识别。在获取相应识别信息后，种植管理人员采取有效的病虫害防治措施，实现病虫害有效防治，降低病虫害造成的损失，全面提升经济价值。

2.3 基于YOLO的病虫害检验算法研究

为了满足基于YOLO的病虫害检测系统的基本需求，需要在实际的病虫害检测中，合理对各种算法进行利用。所以，需要结合实际情况，合理对YOLO的病虫害识别算法进行研究，从而使得识别算法能够得到合理运用，实现病虫害的快速发现，从而提高病虫害的识别能力，降低病虫害给番茄种植带来的负面影响，全面降低病虫害带来的负面作用。

实际的病虫害识别中，需要对病虫害特征进行提取，对采集到的特征图进行网格划分，对病虫害区域中心坐标所在的网格进行目标检测，网格进行目标检测的边框数量是一定的，所以，不同边框的尺寸是有差异的，所以，仅选择实际边框的IOU值最大边框，输出特征图会包括2种维度，其中一个是特征图，另外一种是深度，也就是说，B×(5+C)，其中B为网格进行目标检测的边框数量，而C则为病虫害的数量情况，5是病虫害目标的4个位置，与1个置信度，置信度公式：

(1)

(2)

结合公式(2)可以发现，(Lx,Ly)是网格坐标偏移量；而prew和preh则分别描述边框的边长，最终获取的边框坐标值可以用desx、desy、desy、desh描述；同时，网络学习的目标可以用Ix、Iy、Iw、Ih描述。

结合上述内容的相应研究，得到在预测过程中需要以病虫害的预测为基础，并实现对病虫害目标的合理预测，从而保证目标预测值的合理计算，进而满足相应工作的基本要求，促使预测值可以为病虫害的预测提供帮助。

在上述公式边框预测情况为基础前提下，对损失函数进行研究，从而得到有无目标的IUO分类的误差平方和，公式：

Loss=Losscoord+Lossobj+Lossclass

(3)

通过公式(3)可以发现，Loss是用于描述坐标的预测，进一步对其进行研究，能够得到中心点坐标的(x，y)，且边框的高度h和宽度w进一步分析可以得到如下算法：

(4)

由公式(4)进一步分析可以得到，包含或不包含病虫害对象的边框置信度预测情况，可以用以下公式进行描述：

(5)

在此基础上，对其进行变化，可以得到：

(6)

按照上述模型，就能实现对病虫害的识别算法研究，通过算法的合理运用，就可以满足番茄病虫害识别的基本需求，同时，通过识别试验研究发现，通过上述模型、上述系统，能实现对番茄病虫害的合理识别，并且能够在病虫害的早期及时发现，便于种植番茄的相关人员及时采取相应的防治措施，降低病虫害给番茄带来的影响，从而提升番茄种植效果，确保番茄产量提升，保证种植番茄的经济效益。

3 结束语

本文对基于YOLO番茄病虫害识别算法的研究，对番茄病虫害的相应内容进行研究，每种病虫害展开分析，了解番茄病虫害的基本情况，在此基础上对基于YOLO的番茄病虫害识别系统进行阐述，阐述系统的架构后，对基于YOLO番茄病虫害识别算法进行研究，旨在明确番茄病虫害的合理识别，确保番茄病虫害可以得到合理的控制，降低病虫害给番茄种植带来的影响，确保番茄种植的经济效益。