賈瑞

摘要：本農(nóng)業(yè)害蟲(chóng)識(shí)別系統(tǒng)本著操作簡(jiǎn)單、實(shí)時(shí)性強(qiáng)、成本低原則而設(shè)計(jì)，利用微信平臺(tái)，通過(guò)微信公眾號(hào)的開(kāi)發(fā)將害蟲(chóng)的圖像識(shí)別技術(shù)應(yīng)用在移動(dòng)設(shè)備上。當(dāng)農(nóng)戶在田地里發(fā)現(xiàn)不認(rèn)識(shí)的害蟲(chóng)時(shí)，不需要前往病蟲(chóng)害防治中心等機(jī)構(gòu)去請(qǐng)教專家來(lái)，而只需要用手機(jī)拍下未知害蟲(chóng)的圖片，然后將圖片傳給微信公眾號(hào)，經(jīng)過(guò)識(shí)別系統(tǒng)的內(nèi)部識(shí)別，系統(tǒng)將害蟲(chóng)的相關(guān)信息及如何進(jìn)行防治等方法以“消息”的形式再發(fā)給農(nóng)戶。

關(guān)鍵詞：微信公眾號(hào)；圖像識(shí)別；害蟲(chóng)識(shí)別

中圖分類號(hào)：TN912.34 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）01-0076-03

1 引言

我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)。而在農(nóng)業(yè)總產(chǎn)值中，種植業(yè)占到的一半以上。而隨著科學(xué)技術(shù)的發(fā)展，我國(guó)的農(nóng)業(yè)處于由傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)的過(guò)渡時(shí)期。在這個(gè)時(shí)期中，農(nóng)業(yè)所面臨的困難和威脅，主要來(lái)源于農(nóng)業(yè)害蟲(chóng)及其所帶來(lái)的經(jīng)濟(jì)損失。因?yàn)檗r(nóng)業(yè)病蟲(chóng)害發(fā)病率較高，發(fā)病速度較快，如果不及時(shí)進(jìn)行診斷和防治，對(duì)于我國(guó)依靠農(nóng)業(yè)收入的農(nóng)戶將帶來(lái)嚴(yán)重的經(jīng)濟(jì)損失。因此，如何進(jìn)行有效、快捷地對(duì)病蟲(chóng)害進(jìn)行準(zhǔn)確的分類且進(jìn)行識(shí)別和防治，就顯得尤為重要。

在對(duì)農(nóng)作物進(jìn)行害蟲(chóng)識(shí)別的歷史進(jìn)程中，最傳統(tǒng)的方法是進(jìn)行人工識(shí)別，該方法主要是根據(jù)經(jīng)驗(yàn)比如害蟲(chóng)的外形、顏色等來(lái)進(jìn)行一般的判斷，這樣就較容易出現(xiàn)辨識(shí)缺陷，從而導(dǎo)致防治措施無(wú)效。而隨著人工智能技術(shù)及物聯(lián)網(wǎng)技術(shù)的發(fā)展和廣泛的應(yīng)用，許多學(xué)者提出了很多關(guān)于害蟲(chóng)圖像識(shí)別的方法。雖然有關(guān)害蟲(chóng)圖像識(shí)別的方法越來(lái)越多，但相關(guān)研究的實(shí)際利用效率卻十分有限。因?yàn)樵诂F(xiàn)實(shí)操作中，農(nóng)田里的農(nóng)作物品種十分繁多，害蟲(chóng)的種類比較繁雜，而且不同種類的害蟲(chóng)在不同的發(fā)育時(shí)期所呈現(xiàn)的外表形態(tài)都存在一些近似度，再加上在進(jìn)行拍攝過(guò)程中，拍攝者的拍攝角度、光線等的不同等都會(huì)導(dǎo)致對(duì)害蟲(chóng)的識(shí)別準(zhǔn)確率降低。目前農(nóng)業(yè)病蟲(chóng)害診斷系統(tǒng)大多停留在通過(guò)人工操作、選擇癥狀、比對(duì)圖像等方式診斷推理出病蟲(chóng)害情況，且存在以下問(wèn)題：

（1）農(nóng)作物種植者不會(huì)使用，需要依靠科研人員來(lái)進(jìn)行使用；

（2）在進(jìn)行害蟲(chóng)識(shí)別時(shí)依賴電腦網(wǎng)絡(luò)，無(wú)法進(jìn)行立時(shí)判別，無(wú)法滿足種植者的實(shí)時(shí)性的要求；

（3）所需要的設(shè)備較為昂貴，需要的投入較大。

而隨著手機(jī)等移動(dòng)設(shè)備和微信的廣泛使用，便為農(nóng)業(yè)病蟲(chóng)害識(shí)別提供了新的平臺(tái)。本文的研究正是在這種社會(huì)背景下，將手機(jī)、微信及圖像識(shí)別技術(shù)結(jié)合起來(lái)，提出了一種基于微信公眾號(hào)的農(nóng)業(yè)病蟲(chóng)害圖像智能識(shí)別系統(tǒng)。

2 研究方案

如圖1所示，該系統(tǒng)主要分為兩大塊，首先是對(duì)用戶發(fā)送的圖片進(jìn)行預(yù)處理、分類識(shí)別，再利用搭建好的微信平臺(tái)將圖片信息發(fā)送給用戶。

2.1 害蟲(chóng)害圖像的數(shù)據(jù)收集

以往在實(shí)驗(yàn)室里進(jìn)行的圖像識(shí)別系統(tǒng)，其數(shù)據(jù)來(lái)源往往是在比較標(biāo)準(zhǔn)的圖像庫(kù)。而農(nóng)作物的害蟲(chóng)則存在多維度，樣本環(huán)境復(fù)雜等特點(diǎn)。所以在本系統(tǒng)中，基于以下幾個(gè)方面考慮構(gòu)建圖像集，構(gòu)建原則如圖2所示。

2.2 農(nóng)作物害蟲(chóng)圖像的預(yù)處理

在利用電子產(chǎn)品設(shè)備對(duì)農(nóng)作物害蟲(chóng)圖像進(jìn)行采集的時(shí)候，會(huì)存在一些無(wú)法避免的噪聲干擾，這樣圖像的原始信息并不能充分完全的反映出來(lái)，所以要對(duì)采集到的害蟲(chóng)圖像做預(yù)處理操作。在對(duì)圖像進(jìn)行預(yù)處理過(guò)程中，主要包括圖像灰度化，圖像平滑，圖像分割等幾個(gè)方面，如圖3所示。圖像的預(yù)處理，主要是將采集圖像的過(guò)程中存在的噪聲進(jìn)行去除，將圖像中主體的特征信息進(jìn)行加強(qiáng)，從而得到中間圖像。

2.3 圖像特征提取

圖像特征的提取是指運(yùn)用一定的特征算法，對(duì)圖像上的每個(gè)點(diǎn)進(jìn)行運(yùn)算，檢測(cè)該點(diǎn)是否屬于這個(gè)圖像特征。而常用特征主要有顏色特征、形態(tài)特征和紋理特征這三種提取方法。

例如在害蟲(chóng)圖像識(shí)別過(guò)程中，對(duì)于和田間背景色彩差異很大的害蟲(chóng)主體可以很好地通過(guò)顏色特征提取來(lái)進(jìn)行識(shí)別。

但是，圖像作為一個(gè)整體，其圖像的顏色特征、紋理特征、形態(tài)特征等雖然具有其自身優(yōu)勢(shì)，但是又不可避免地存在著局限性。而在圖像識(shí)別的過(guò)程中，若只用這三者之中的單一特征對(duì)目標(biāo)進(jìn)行識(shí)別，例如在以顏色特征為主的提取中，不可避免地會(huì)忽略其紋理及外表形態(tài)，而僅僅依賴顏色來(lái)進(jìn)行識(shí)別，必然會(huì)存在著一定的誤差，可能還會(huì)很大。因此，只有將三種特征向量進(jìn)行融合，才能較為準(zhǔn)確全面地反應(yīng)出圖像的原始的信息。在本文的研究中既是對(duì)這些特征參數(shù)進(jìn)行了多特征融合，特征融合的處理流程如圖4所示。

本文使用Fisher線性判別方法求上述特征融合的權(quán)值。Fisher線性判別是一種線性分類方法，其在模式分類、數(shù)據(jù)分析、降維等領(lǐng)域得到廣泛的應(yīng)用。若設(shè)模式x在n維空間中有c個(gè)模式類，Sb為訓(xùn)練樣本類間散布矩陣，Sw為訓(xùn)練樣本類內(nèi)散布矩陣，S為訓(xùn)練樣本總體散布矩陣，均為非負(fù)定矩陣，且S=Sb+Sw，則Fisher的準(zhǔn)則函數(shù)定義為：

Jf（X）的值越大越好，也就是類間離散度和類內(nèi)離散度的化值最大時(shí)。

2.4 服務(wù)器端的病蟲(chóng)害圖像匹配

在圖像分類識(shí)別過(guò)程中，需要對(duì)圖像進(jìn)行樣本訓(xùn)練，在樣本訓(xùn)練的過(guò)程中，通過(guò)學(xué)習(xí)來(lái)對(duì)圖像進(jìn)行分類識(shí)別，達(dá)到對(duì)圖像進(jìn)行匹配的目的。

2.4.1 樣本訓(xùn)練

樣本訓(xùn)練的過(guò)程就是對(duì)樣本圖像進(jìn)行學(xué)習(xí)的過(guò)程，以此來(lái)訓(xùn)練出可以對(duì)害蟲(chóng)圖像進(jìn)行識(shí)別的分類器；圖像識(shí)別的過(guò)程既是通過(guò)分類器對(duì)害蟲(chóng)進(jìn)行識(shí)別，并最終達(dá)到識(shí)別目的。若識(shí)別結(jié)果可以通過(guò)事先建立好的圖像數(shù)據(jù)庫(kù)中進(jìn)行匹配，則即可對(duì)害蟲(chóng)進(jìn)行識(shí)別同時(shí)給出針對(duì)性的治療方案；若識(shí)別結(jié)果無(wú)法和我們建立的圖像數(shù)據(jù)庫(kù)進(jìn)行匹配，就說(shuō)明數(shù)據(jù)庫(kù)中沒(méi)有這個(gè)害蟲(chóng)，則讓系統(tǒng)對(duì)圖像特征進(jìn)行記錄，此時(shí)尋求害蟲(chóng)專家來(lái)進(jìn)行指導(dǎo)。服務(wù)器端接收到圖像信息后，通過(guò)上述算法把診斷結(jié)果及治療方案以消息的形式發(fā)給農(nóng)作物的種植者。

2.4.2 圖像識(shí)別

現(xiàn)代圖像識(shí)別任務(wù)要求分類系統(tǒng)能夠適應(yīng)不同類型的識(shí)別任務(wù)，而卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上的應(yīng)用極為重要。圖像分類可以直接用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)圖像屬于每一類的概率大小。另一種常用的方式是將神經(jīng)網(wǎng)絡(luò)做特征提取，然后用傳統(tǒng)的SVM進(jìn)行訓(xùn)練和預(yù)測(cè)。

卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)多層神經(jīng)網(wǎng)絡(luò)，每層由多個(gè)二維平面組成，而每個(gè)平面由多個(gè)神經(jīng)元組成。輸入圖像通過(guò)和三個(gè)可訓(xùn)練的濾波器和可加偏置進(jìn)行卷積，濾波過(guò)程如圖5所示，卷積后在C1層產(chǎn)生三個(gè)特征映射圖，然后特征映射圖中每組的四個(gè)像素再進(jìn)行求和，加偏置，加權(quán)重，通過(guò)一個(gè)Sigmoid函數(shù)得到三個(gè)S2層的特征映射圖。這些映射圖再經(jīng)過(guò)濾波得到C3層。這個(gè)層級(jí)結(jié)構(gòu)再和S2一樣產(chǎn)生S4。最終，這些像素值被光柵化，并連接成一個(gè)向量輸入到傳統(tǒng)神經(jīng)網(wǎng)絡(luò)，得到輸出。

2.5 微信平臺(tái)端的病害蟲(chóng)圖像傳遞

微信（WeChat）是騰訊公司推出的一個(gè)即時(shí)通訊服務(wù)的免費(fèi)應(yīng)用程序，該程序支持跨通信運(yùn)營(yíng)商、跨操作系統(tǒng)平臺(tái)，而且提供即時(shí)發(fā)送語(yǔ)音、視頻、圖片和文字等免費(fèi)服務(wù)（耗費(fèi)一定的網(wǎng)絡(luò)流量）。微信公眾號(hào)是品牌所有者為了推廣自身的服務(wù)、提升自身對(duì)大眾的影響力而建立的平臺(tái)。農(nóng)作物種植著通過(guò)關(guān)注該系統(tǒng)的微信公眾號(hào)，按照系統(tǒng)的操作步驟將害蟲(chóng)的照片添加進(jìn)來(lái)，圖像會(huì)經(jīng)微信后臺(tái)傳輸至服務(wù)器端，服務(wù)器端通過(guò)對(duì)圖像進(jìn)行分類識(shí)別，然后將匹配的具體的害蟲(chóng)信息及針對(duì)此害蟲(chóng)的治療方案發(fā)送給用戶，其圖像交互原理如圖6所示。

3 結(jié)語(yǔ)

本文提出了一種集圖像處理及識(shí)別技術(shù)和微信公眾號(hào)于一體的農(nóng)業(yè)病蟲(chóng)害識(shí)別系統(tǒng)，該系統(tǒng)可以對(duì)害蟲(chóng)進(jìn)行實(shí)時(shí)分類識(shí)別且提供出對(duì)應(yīng)的診斷治療方案。此識(shí)別系統(tǒng)的使用，不受時(shí)間地點(diǎn)的限制，只要有手機(jī)等移動(dòng)設(shè)備及通信網(wǎng)絡(luò)，便可以解決傳統(tǒng)農(nóng)業(yè)治療蟲(chóng)害的種種不足。

參考文獻(xiàn)

[1]耿英.基于圖像識(shí)別的作物病害診斷研究[D].中國(guó)科學(xué)技術(shù)大學(xué)，2009.

[2]張潔.基于圖像識(shí)別的農(nóng)作物害蟲(chóng)診斷技術(shù)研究與應(yīng)用[D].中國(guó)科學(xué)技術(shù)大學(xué)，2013.

[3]屠舒妍.基于Android移動(dòng)終端的煙草病蟲(chóng)害圖像智能識(shí)別系統(tǒng)研究[D].中國(guó)科學(xué)院大學(xué)，2015.