趙振中 楊帆 徐彪 葛增瑞 郁亞楠
摘 要:南疆自然條件惡劣,棉花常受枯萎病的侵害。為盡早發(fā)現(xiàn)并快速預(yù)防棉花枯萎病大面積擴(kuò)散,基于手機(jī)拍照利用深度學(xué)習(xí),設(shè)計(jì)一款識(shí)別南疆棉花枯萎病的系統(tǒng),專門針對(duì)南疆棉花枯萎病進(jìn)行識(shí)別。該系統(tǒng)首先通過(guò)智能手機(jī)對(duì)棉花進(jìn)行圖像采集并上傳至服務(wù)器;然后服務(wù)器對(duì)圖像進(jìn)行處理,通過(guò)構(gòu)建棉花葉片病害分割模型和棉花葉片病害識(shí)別模型對(duì)棉花枯萎病進(jìn)行識(shí)別;最后將識(shí)別結(jié)果顯示至用戶手機(jī),從而實(shí)現(xiàn)棉花枯萎病識(shí)別的目的。
關(guān)鍵詞:深度學(xué)習(xí);南疆;棉花;枯萎病
0引言
南疆位于天山以南、昆侖山以北,多旱少雨,自然條件惡劣[1]。南疆還是有名的棉花產(chǎn)地,每年出產(chǎn)棉花百萬(wàn)噸,棉花生產(chǎn)已成為人們主要的經(jīng)濟(jì)來(lái)源之一。但是棉花枯萎病的發(fā)生會(huì)對(duì)棉花的生產(chǎn)造成了巨大的損失。為盡早發(fā)現(xiàn)并快速預(yù)防棉花枯萎病大面積擴(kuò)散,該系統(tǒng)基于手機(jī)拍照利用深度學(xué)習(xí)識(shí)別棉花枯萎病,該技術(shù)基于深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)棉花枯萎病分類識(shí)別。首先,通過(guò)手機(jī)拍照獲取棉花葉部病害圖像數(shù)據(jù)構(gòu)建數(shù)據(jù)集,并使用圖像旋轉(zhuǎn)與鏡像、圖像亮度調(diào)整和基于生成式對(duì)抗網(wǎng)絡(luò)的方法擴(kuò)充數(shù)據(jù)集;其次,結(jié)合圖像分割算法對(duì)棉花葉片進(jìn)行提取,選用Mask R-CNN模型對(duì)正常棉花葉片和病害棉花葉片分別進(jìn)行葉片提取;最后,實(shí)現(xiàn)深度遷移學(xué)習(xí)算法在棉花葉部病害圖像數(shù)據(jù)集上的分類,并對(duì)學(xué)習(xí)結(jié)果進(jìn)行分析評(píng)價(jià)。通過(guò)構(gòu)建棉花葉片病害分割模型和棉花葉片病害識(shí)別模型,解決棉花葉片病害識(shí)別問(wèn)題,專門針對(duì)南疆棉花枯萎病進(jìn)行監(jiān)測(cè),以長(zhǎng)期達(dá)到對(duì)南疆棉花枯萎病起到一定的防控作用。
1圖像預(yù)處理技術(shù)
為深入研究棉花葉片病害識(shí)別模型,以棉花葉片枯萎病為研究對(duì)象,對(duì)于棉花葉片提取和棉花葉片識(shí)別兩個(gè)關(guān)鍵問(wèn)題,從圖像預(yù)處理、棉花葉片分割和棉花葉片病害識(shí)別三部分進(jìn)行研究。
圖像預(yù)處理部分首先對(duì)棉花葉片病害圖采用圖像旋轉(zhuǎn)鏡像、圖像亮度調(diào)整和條件式對(duì)抗生成網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)增強(qiáng),使用雙線性插值算法進(jìn)行圖像大小的縮放[2];棉花葉片分割部分首先基于遷移學(xué)習(xí),在 ImageNet 數(shù)據(jù)集上對(duì) Mask R-CNN 進(jìn)行訓(xùn)練,然后在棉花葉片病害數(shù)據(jù)集上進(jìn)行微調(diào),標(biāo)注棉花葉片區(qū)域之后,再對(duì)葉片區(qū)域進(jìn)行分割,對(duì)分割后的結(jié)果進(jìn)行掩碼填充操作,從而建立病害區(qū)域分割模型;棉花葉片病害識(shí)別部分通過(guò)對(duì)標(biāo)準(zhǔn)的殘差網(wǎng)絡(luò)添加多卷積組合和 SENet 網(wǎng)絡(luò)[3],構(gòu)建 Multi-Scale ResNet 網(wǎng)絡(luò)對(duì)棉花葉片病害進(jìn)行識(shí)別,最后以微信小程序作為可視化平臺(tái),實(shí)現(xiàn)棉花葉片病害識(shí)別。
2卷積神經(jīng)網(wǎng)絡(luò)的使用
在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)中,隨著網(wǎng)絡(luò)深度的不斷增加,有兩個(gè)問(wèn)題是不可避免的,梯度消失和梯度爆炸。在這種情況下,由于識(shí)別率逐漸達(dá)到飽和,繼續(xù)增加網(wǎng)絡(luò)的深度反而會(huì)造成識(shí)別率下降,這是由于訓(xùn)練過(guò)程中產(chǎn)生的梯度退化問(wèn)題造成的。AlexNet網(wǎng)絡(luò)結(jié)構(gòu)雖然解決了梯度消失問(wèn)題但在小于0的地方會(huì)出現(xiàn)神經(jīng)單元死亡,并且不能復(fù)活的情況。VGG網(wǎng)絡(luò)結(jié)構(gòu)雖然其簡(jiǎn)單、同構(gòu)的拓?fù)浣Y(jié)構(gòu)和增加的深度而廣受贊譽(yù),但使用了1.38億個(gè)參數(shù),使得在低資源系統(tǒng)上部署VGG變得非常昂貴和困難。而ResNet利用捷徑連接,實(shí)現(xiàn)了輸入與輸出之間的數(shù)據(jù)疊加。在捷徑連接下,網(wǎng)絡(luò)的參數(shù)量和計(jì)算復(fù)雜度并沒有增加,因此ResNet的層數(shù)在很深的情況下也可以保持較快的計(jì)算速度。ResNet通過(guò)增加跨層的連接來(lái)解決梯度退化問(wèn)題,ResNet相對(duì)于其他的DCNN所做的優(yōu)化還有在卷積和激活函數(shù)之間使用BN的方法,BN可以加快網(wǎng)絡(luò)訓(xùn)練,防止網(wǎng)絡(luò)的梯度爆炸。本項(xiàng)目采用基于的深度遷移學(xué)習(xí)方法,該方法在進(jìn)行模型遷移學(xué)習(xí)時(shí),通過(guò)增加網(wǎng)絡(luò)層數(shù)提取圖像的高階統(tǒng)計(jì)特征進(jìn)行分類,以ImageNet數(shù)據(jù)集作為源域,利用深度殘差網(wǎng)絡(luò)進(jìn)行基于同構(gòu)數(shù)據(jù)下的模型遷移。
3識(shí)別方案
由于棉花枯萎病有多種類型癥狀,對(duì)于識(shí)別系統(tǒng)的識(shí)別方案也應(yīng)對(duì)應(yīng)識(shí)別。通過(guò)對(duì)棉花枯萎病癥狀類型的分類研究,得出不同類型癥狀的顏色特點(diǎn)以及其他特征。棉花枯萎病類型顏色及其特征見下表6-1:
4系統(tǒng)設(shè)計(jì)
在對(duì)系統(tǒng)進(jìn)行設(shè)計(jì)時(shí),需要對(duì)硬件裝置的提供方面和軟件技術(shù)的支持方面進(jìn)行設(shè)計(jì)。其中硬件裝置的設(shè)計(jì)是通過(guò)手機(jī)完成,手機(jī)獲得的圖像信息可以通過(guò)網(wǎng)絡(luò)直接傳輸給云服務(wù)器,讓服務(wù)器進(jìn)行處理。軟件設(shè)計(jì)是通過(guò)將手機(jī)拍攝的圖像傳輸給服務(wù)器后,經(jīng)過(guò)存儲(chǔ)、預(yù)處理、特征提取和特征分析技術(shù)獲得有效特征值;再使用數(shù)據(jù)庫(kù)的相關(guān)技術(shù),將提取后特征值與數(shù)據(jù)庫(kù)樣本的特征值比對(duì)、匹配,如若匹配成功,就將最終結(jié)果通過(guò)微信小程序輸出顯示到用戶手機(jī),達(dá)到棉花枯萎病識(shí)別的目的。
8.1硬件設(shè)計(jì)
用戶需配備一臺(tái)手機(jī),終端通過(guò)拍攝棉花數(shù)據(jù)上傳至云服務(wù),接收服務(wù)器發(fā)來(lái)的最終識(shí)別結(jié)果,最后獲得棉花是否患枯萎病的識(shí)別信息。硬件設(shè)計(jì)框架圖如下圖3-2所示。
8.2軟件設(shè)計(jì)
云服務(wù)器通過(guò)需求設(shè)計(jì)出服務(wù)器可對(duì)手機(jī)端傳輸過(guò)來(lái)的圖像信息進(jìn)行圖像預(yù)處理、特征提取以及特征分析的程序,再通過(guò)使用數(shù)據(jù)庫(kù),將最后服務(wù)器分析出來(lái)的樣本特征值發(fā)送到數(shù)據(jù)庫(kù),對(duì)樣本特征值進(jìn)行存儲(chǔ)、對(duì)比以及匹配,實(shí)現(xiàn)對(duì)該區(qū)域棉花枯萎病的有效識(shí)別。
5總結(jié)
隨著圖像識(shí)別技術(shù)的不斷發(fā)展和完善,其越來(lái)越多的被利用于在農(nóng)業(yè)、醫(yī)療、教育、制造等各個(gè)方面,圖像識(shí)別技術(shù)在南疆棉花枯萎病應(yīng)用的特點(diǎn)在于,首先,種植戶可以很便捷的對(duì)問(wèn)題植株進(jìn)行檢測(cè),及時(shí)發(fā)現(xiàn)病情,其次是可以大大縮短病情由發(fā)現(xiàn)到擴(kuò)散的時(shí)間,避免因?yàn)椴∏榭刂撇患皶r(shí)造成重大損失,同時(shí)該隨著智慧農(nóng)業(yè)的發(fā)展,該技術(shù)未來(lái)可以自動(dòng)的去監(jiān)測(cè)棉花的生長(zhǎng)發(fā)育過(guò)程,及時(shí)檢測(cè)到棉花枯萎病的產(chǎn)生和避免其擴(kuò)散。
參考文獻(xiàn):
[1] 蓋有軍,朱明俊.【放眼南疆四地州】南疆之“特”[EB/OL].http://www.xinjiangnet.com.cn/2017/0528/1863935.shtml,2017-05-28.
[2] 鄭世茶. 基于機(jī)器視覺技術(shù)的棉花病害識(shí)別[D].江蘇大學(xué),2007.
[3] 張建華,孔繁濤,吳建寨,翟治芬,韓書慶,曹姍姍.基于改進(jìn)VGG卷積神經(jīng)網(wǎng)絡(luò)的棉花病害識(shí)別模型[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2018,23(11):161-171.
基金項(xiàng)目:塔里木大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目(2021120)。
作者簡(jiǎn)介:趙振中(2000-),男,本科,研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù)。