周惠汝, 吳波明

(中國農業(yè)大學植物保護學院, 北京 100193)

在農作物栽培與管理過程中，病害是制約作物品質提高與產量增長的重要因素，而病害的正確診斷又是有效防控病害的必要前提。傳統(tǒng)的病害田間診斷都是由人工完成的，由于作物種植區(qū)面積比較大，而近年來植保站基層人員緊缺，農戶又多缺乏病害識別的相應知識，因此很難實現(xiàn)病害爆發(fā)中心的及時準確定位及病情的精確定量監(jiān)測，給糧食穩(wěn)產高產增加了風險。由于大范圍培訓農戶病害識別的專業(yè)知識和技能耗時耗力，且田間人工診斷作物病害存在易于疲勞和主觀誤差大等各種局限性，亟需更加方便快捷準確的作物病害診斷方法，以便及時對癥下藥防控病害，減輕作物生產管理壓力。

隨著人工智能技術的崛起，利用計算機視覺對作物病害圖像進行自動化識別與診斷成為近年國內外一大研究熱點。Dhingra等[1]將病害圖像識別方法分為七步，依次是病害圖像輸入、圖像預處理、圖像分割、特征提取、特征選擇、病害分類及表現(xiàn)評估。其中，特征提取與選擇在整個病害圖像識別過程中至關重要，能夠對最終的診斷結果產生直接影響。根據(jù)特征提取與選擇方法的不同，可以將作物病害圖像自動識別技術分為依賴人工提取特征的傳統(tǒng)機器學習算法和基于深度學習的病害圖像識別兩類。傳統(tǒng)機器學習存在著兩大局限性：第一，其算法是由人工設計提取特征，需要設計者進行大量試驗和擁有足夠多的專業(yè)知識，從而決定哪些特征的選取對于目標任務來說更為合適[2]；第二，其提取的是目標底層視覺特征，未經(jīng)加工，往往只允許機器利用這些表象特征作為自動檢測或分類的依據(jù)。而深度學習的出現(xiàn)解決了這兩大問題。利用深度學習方法對作物病害圖像進行識別的步驟如圖1所示。這一方法可通過多層次的網(wǎng)絡結構對未加工數(shù)據(jù)進行底層特征的提取及組合，抽象出更為復雜的非線性高層特征，通過不斷篩選特征優(yōu)化模型，達到自動化識別的效果[3]。較之傳統(tǒng)機器學習，深度學習的另一優(yōu)勢是其大數(shù)據(jù)處理上的優(yōu)異表現(xiàn)。大數(shù)據(jù)中往往蘊藏著成千上萬的參數(shù)，傳統(tǒng)機器學習因效率和準確率而受限，而深度學習則能對大數(shù)據(jù)進行快速而準確的處理，自動提取有用參數(shù)進行總結[4]。

圖1 基于深度學習對作物病害進行識別過程

近年來針對深度學習算法的優(yōu)化及應用不同深層網(wǎng)絡模型進行圖像識別的研究成果層出不窮，在作物病害診斷方面也取得了一系列進展。本文梳理了深度學習的發(fā)展歷程, 介紹了在圖像識別方面應用最為廣泛的卷積神經(jīng)網(wǎng)絡，闡述了深度學習在作物病害診斷方面的研究現(xiàn)狀及實踐應用中所面臨的困難與挑戰(zhàn)，并對該領域的應用前景進行了展望。

1 深度學習與圖像識別

1.1 深度學習的發(fā)展歷程

深度學習是機器學習的一個分支，其概念的正式提出要追溯到2006年，Hinton等[5]提出了一種新的深度神經(jīng)網(wǎng)絡模型——深度置信網(wǎng)絡(deep belief nets, DBN)。這一模型通過一種快速貪婪算法逐層訓練受限玻爾茲曼機以獲得較好的參數(shù)初始值，再對結果進行微調優(yōu)化，大幅提升了建模能力，使得訓練深層神經(jīng)網(wǎng)絡成為現(xiàn)實。同年，Hinton等[6]提出了用于解決“梯度彌散”問題的方案。自此，深層神經(jīng)網(wǎng)絡取得突破性進展，以“深度學習”之名出現(xiàn)在大眾視野。伴隨著GPU的出現(xiàn)，計算機處理數(shù)據(jù)的能力越來越強，此前限制深層網(wǎng)絡模型訓練速率的參數(shù)過多問題在某種程度上得到了解決[7]。ReLU(rectified linear unit)激活函數(shù)以及防止訓練過擬合的正則化方法Dropout的出現(xiàn)為2012年深度學習在ILSVRC (The ImageNet Large Scale Visual Recognition Challenge )比賽中的優(yōu)異表現(xiàn)創(chuàng)造了條件。2009年，斯坦福大學教授李飛飛帶領其團隊建立了來源于互聯(lián)網(wǎng)的圖片數(shù)據(jù)集“ImageNet”，并創(chuàng)辦了ILSVRC比賽用于推動計算機視覺的發(fā)展[8]。2012年，由Hinton的學生Krizhevsky提出的AlexNet模型在比賽中遠超第二名[9]。自此，深度學習迅速崛起，并連續(xù)包攬了2012—2017年ILSVRC比賽的冠軍，掀起了深度學習的研究熱潮[10]。

1.2 深度學習與淺層神經(jīng)網(wǎng)絡

深度學習是機器學習經(jīng)歷的第二次熱潮。機器學習初次興起是在20世紀80年代中期，Rumelhart等[11]提出了反向傳播算法(back propagation, BP)，其原理就是利用統(tǒng)計學規(guī)律，不斷優(yōu)化整個神經(jīng)網(wǎng)絡中的權值，從輸出層往隱含層進行反向傳播直到輸入層，以梯度下降的方法使輸出值與真實值之間的誤差不斷縮小，反復迭代直至收斂[3,12]。以這一算法為核心提出的典型淺層學習網(wǎng)絡就是支持向量機(supported-vector machine, SVM)。其主要思想是通過樣本點之間可能的最遠距離構造出決定閾值，再上升到一個高維空間，并從中獲取最優(yōu)分類面。它對高維數(shù)據(jù)表現(xiàn)出很好的魯棒性及泛化能力[13-15]。在此之后的10年，支持向量機都是最熱門的圖像識別算法之一。然而，隨著分類要求越來越高，所要表示的函數(shù)越發(fā)復雜，淺層神經(jīng)網(wǎng)絡無法學習時，深度學習成為解決這些問題的另一條途徑。較之淺層學習，深度學習有其無法替代的優(yōu)勢：其一，具有多層非線性映射結構，能夠完成復雜的函數(shù)逼近；其二，可通過逐層學習算法提取輸入圖像的顯著獨立特征，在大規(guī)模數(shù)據(jù)集上達到更好的分類效果[16]。

1.3 圖像識別與深度學習算法——卷積神經(jīng)網(wǎng)絡

目前深度學習算法大致可分4類：卷積神經(jīng)網(wǎng)絡、限制性玻爾茲曼機、自編碼和稀疏編碼[17]。其中，在圖像識別方面應用最為廣泛且實踐效果最好的應屬卷積神經(jīng)網(wǎng)絡(convolutional neural networks, CNN)[18]。卷積神經(jīng)網(wǎng)絡是在1989年由加拿大多倫多大學的博士后LeCun等[19]提出的。1998年，LeCun等[20]建立了手寫數(shù)字集MNIST，并開發(fā)了歷史上第一個真正意義的卷積神經(jīng)網(wǎng)絡圖像識別模型——LeNet-5。因其優(yōu)異的手寫數(shù)字識別能力，這個模型很快被很多美國銀行應用于識別支票上的手寫數(shù)字。卷積神經(jīng)網(wǎng)絡一般由卷積層、池化層和全連接層三部分組成，其基本結構如圖2所示。卷積神經(jīng)網(wǎng)絡不需要進行復雜的前期處理和特征提取環(huán)節(jié)，可將原始信號(一般為圖像)用作數(shù)據(jù)輸入[14]。在輸入高分辨率圖像時，卷積神經(jīng)網(wǎng)絡較其他神經(jīng)網(wǎng)絡有明顯優(yōu)勢，其卷積層取代了標準神經(jīng)網(wǎng)絡中的矩陣乘法，拓撲杠桿空間關系使得參數(shù)數(shù)量減少，大大降低了網(wǎng)絡模型的復雜度，提升了學習效率。而標準反向傳播算法的應用則使得學習效果提升[21]。卷積神經(jīng)網(wǎng)絡適合解決圖片分類問題，識別準確率往往遠超其他神經(jīng)網(wǎng)絡，因此目前作物病害識別領域常用的模型多基于此，如AlexNet[9]、GoogleNet[22]、VGGNet[23]、ResNet[24]、InceptionV3[25]、MobileNet[26]等。

圖2 作物病害識別卷積神經(jīng)網(wǎng)絡結構

2 深度學習在作物病害識別方面的應用

2.1 單一作物病害識別

對單一病害進行圖像識別一般分2種情況，區(qū)分作物是否患該病，或區(qū)分同種病害不同癥狀或患病程度。

黃雙萍等[27]將基于深度卷積神經(jīng)網(wǎng)絡GoogleNet的方法用于水稻穗瘟與健康稻穗的分類。該研究利用Inception重復堆疊出GoogleNet的主體網(wǎng)絡結構，再利用Softmax函數(shù)進行二分類，在對戶外拍攝的水稻高光譜圖像的識別中取得了92.0%的穗瘟檢測精度。Jin 等[28]同樣采集了小麥健康麥穗與患赤霉病麥穗的高光譜圖像，并將像素光譜數(shù)據(jù)重構為二維數(shù)據(jù)輸入到CNN模型中，結果表明，二維的CNN模型要優(yōu)于一維的。在此基礎上，還提出一種卷積層與雙向循環(huán)層相結合的神經(jīng)網(wǎng)絡算法用于訓練，在與LSTM、GRU及其他6種組合算法的對比試驗中識別結果最好，證實了這一新算法在小麥赤霉病穗識別上的優(yōu)越性。Dechant等[29]基于卷積神經(jīng)網(wǎng)絡建立了一個能夠搭載在空中或地面工具上的自動識別玉米大斑病的田間系統(tǒng)，該系統(tǒng)先使用5種不同的CNN對切割后的圖塊是否含病斑進行判斷，再選擇其中的3種CNN分別生成完整圖片的熱點圖，最后利用CNN對圖片是否患病進行最終判定，準確率達到了97.8%。Liang等[30]利用移動窗口的方式將稻瘟病圖像切割成128×128像素點的小圖塊，得到含病斑和不含病斑兩個圖像集，然后分別使用小波變換，局部二進制編碼直方圖和卷積神經(jīng)網(wǎng)絡對圖片特征進行提取，使用五重交叉檢驗法及構建t-SNE地圖對3種特征提取方法的效果進行比對，卷積神經(jīng)網(wǎng)絡有著明顯的優(yōu)勢。以上是診斷作物是否患有目標病害的研究案例。

在對同一病害不同類型進行識別方面，張楠等[31]針對稻瘟病急性型、慢性型及白點型3種不同發(fā)病類型開發(fā)了基于Softmax分類器的病害識別方法，通過10重交叉驗證法取得了95.2%的平均識別率。單一作物病害分類在實際應用中適用范圍較窄，且難度較低，人工提取特征后使用線性判別或淺層神經(jīng)網(wǎng)絡的方法就能達到非常高的精度。Orillo等[32]利用反向傳播算法對水稻白葉枯病進行識別，在僅含134張圖片的情況下達到了100%的準確率。袁媛等[33]利用支持向量機的方法對水稻紋枯病進行自動化識別取得了95%的準確率。因此，利用深度學習進行單一作物病害識別的研究較少。

2.2 同種作物上不同病害識別

現(xiàn)階段國內外研究人員多致力于研究同種作物上不同病害之間的鑒定，且主要集中在幾種重要的糧食作物和經(jīng)濟作物上，比如水稻、玉米、番茄、棉花等。

在糧食作物方面， Lu等[34]提出了一種基于深度卷積神經(jīng)網(wǎng)絡的水稻病害識別方法，構建了一個含3個卷積層、3個池化層與2個全連接層的深度網(wǎng)絡結構對9種水稻常見病害及健康水稻葉片共10類500張圖片進行訓練，并利用10重交叉驗證法對模型進行了評估。研究結果表明，該模型的準確率可達到95.48%，表現(xiàn)優(yōu)于傳統(tǒng)的機器識別模型SVM、BP和PSO(particle swarm optimization)。張航等[35]為識別小麥常見6種病害構建的卷積神經(jīng)網(wǎng)絡模型具有5個卷積層、4個池化層和1個全連接層，使用500幅小麥病害圖片對其進行訓練，再利用300幅樣本圖片進行測試，整個模型平均準確率達99.3%。Zhang等[36]利用改進的GooleNet和Cifar10兩個模型實現(xiàn)了玉米9種葉部病害及健康葉片的精準識別，并使模型的參數(shù)量達到遠少于VGG和AlexNet的水平，從而大幅度提高了訓練效率。Oppenheim等[37]則更注重參數(shù)數(shù)值的選擇。在Matlab的平臺上對VGG模型的結構進行了微小的改動并對土豆塊莖的4種病害進行分類識別，結果表明，訓練集與測試集的比例及訓練周期會對識別準確率產生影響。

經(jīng)濟作物方面，張建華等[38]建立了一個含棉花6種常見病害共5 510幅圖片的不均衡數(shù)據(jù)集，將VGG16模型的3個全連接層改成2個，然后使用遷移學習獲取預訓練參數(shù)，并進行參數(shù)微調，最終獲得了89.51%的平均準確率。Rangarajan等[39]利用卷積神經(jīng)網(wǎng)絡對6種番茄病害及健康葉片共一萬多張圖片進行遷移學習，選用了VGG16和AlexNet兩種模型，并對兩者的訓練準確率、不同尺寸的小批量圖片包(minibatch)的執(zhí)行時間、不同權重與偏重學習速率(different weight and bias learning rate)進行了比較分析，綜合來看，AlexNet的表現(xiàn)要優(yōu)于VGG16。郭小清等[40]提出了番茄葉部病害在不同時期癥狀不同的問題，對AlexNet進行了去除局部響應歸一化，調整卷積核大小，調整全連接層3次改進，使得模型參數(shù)大大減小，運行速度加快。最后與其他3種輕量化模型MobileNet、 SquezeeNet和LeNet進行比較。改進后的AlexNet模型，無論是內存大小、運行速度，還是對不同時期病害識別的準確率，都是最優(yōu)。盡管近幾年網(wǎng)絡模型層出不窮，但選擇哪個模型更適合目標作物的病害識別還需要經(jīng)過不斷的嘗試和實用檢驗。

2.3 多種作物混合病害的識別

對多種作物上不同病害進行識別的難度更高，因為不同作物可能會發(fā)生類似病害，正確區(qū)分作物對于病害識別有重要意義，而有一個大數(shù)據(jù)集能夠充分發(fā)揮深度學習在作物和病害識別上的優(yōu)勢。Ferentinos[41]所進行的混合病害識別研究就是基于一個由25種作物58個類別構成的87 848張圖片的較大型數(shù)據(jù)庫。Mohanty等[42]利用AlexNet和GoogleNet對開放式數(shù)據(jù)庫PlantVillage中的54 306張圖片進行了分類識別，其中包含14種作物26種病害或健康作物葉片，模型準確率達到了99.35%。

在滿足數(shù)據(jù)庫數(shù)量基本要求的情況下要想進一步提升識別精度和模型性能，可以對網(wǎng)絡架構進行創(chuàng)新與改進。Pardede等[43]利用卷積神經(jīng)網(wǎng)絡在特征提取上的優(yōu)勢，提出了一種基于卷積自編碼的無監(jiān)督特征學習算法來進行植物病害的檢測。先利用帶有卷積層的自編碼器提取圖片特征，再使用SVM作為圖片分類器。該方法無需標記數(shù)據(jù)，且性能優(yōu)于傳統(tǒng)的隱藏層較多的自編碼器。Sardogan等[44]同樣將卷積神經(jīng)網(wǎng)絡用作特征提取器，先對圖片進行剪裁后分別輸入到三種顏色通道中，再使用卷積層進行特征提取，然后使用LVQ(learning vector quantization )算法對圖像進行分類，最后取得了86%的平均準確率。蔡漢明等[45]提出了一種深度可分離卷積與卷積相結合的模型，深度可分離卷積由逐深度卷積和卷積組成，與標準卷積相比可以降低12%的計算量，在保證準確率的前提下降低對硬件的需求。卜翔宇[46]采用小卷積核連續(xù)卷積層結合稀疏Maxout激活函數(shù)層對水稻、大豆以及玉米的常見病害圖片進行了分類識別，取得了91.67%的平均識別率。這些圖片并沒有經(jīng)過圖像預處理，在復雜圖片背景下表現(xiàn)依舊優(yōu)于同等條件下的傳統(tǒng)模式識別方法，再次自證了深度學習在圖像識別方面的優(yōu)勢。

除卻作物圖像數(shù)據(jù)庫的建立和網(wǎng)絡結構的搭建，模型的參數(shù)選擇也是非常重要的一步。Adedoja等[47]選用NASNetMobile對PlantVillage圖集進行訓練，探討了批大小、優(yōu)化函數(shù)、周期、學習率等超參數(shù)的選擇對模型性能及表現(xiàn)的影響，選擇最優(yōu)的超參數(shù)組合進行訓練最后達到了93.82%的準確率。孫俊等[48]在對多種植物葉片病害進行分類識別的過程中，從卷積核尺寸、全局池化類型、激活函數(shù)類型、初始化方式4個方面分別測試了不同的參數(shù)選擇對訓練準確率的影響。在圖集大小、模型選擇確定的情況下，參數(shù)的選擇對于精度的進一步提升起著重要作用。

3 問題與挑戰(zhàn)

雖然近年來國內外陸續(xù)研發(fā)出作物病害智能識別的手機軟件，用以解決農戶不識病、不會治的問題，但這些軟件普遍存在識別準確率低，可診斷病害類別少等問題，無法達到理想的應用效果。筆者在查閱了大量文獻和實際研究的基礎上，總結了現(xiàn)階段在作物病害圖像識別領域應用深度學習技術時存在的幾個典型問題。

①實際拍攝的圖片背景過于復雜，給目標病害的識別造成了較大干擾。研究人員或選擇室內拍攝或用純色面板作背景，基于此訓練出的模型在識別田間照片時準確率會明顯降低。也可手動給患病部位做標記，限定識別區(qū)域，但這種方法耗時耗力且無法實際應用。較為有效的手段是提前對圖片進行病斑與背景的分割或擴充圖片數(shù)據(jù)庫。另外，曾偉輝[49]在卷積神經(jīng)網(wǎng)絡的基礎上引入自注意力機制用以關注圖像重點區(qū)域，從特征提取的角度有效解決了復雜背景的干擾問題。

②不能很好地處理圖片的陰影斑駁。在病害診斷過程中，病斑的顏色往往是重要的分類依據(jù)之一。自然光照條件下，拍攝的角度、高度或者地點可能會導致部分圖片中病斑位置的顏色深淺不一，使得病斑特征不明顯，從而影響訓練精度。在實際應用時，可適當調整拍攝角度、高度，選取合適的拍攝時間進行針對性解決。對圖片進行歸一化處理能夠減輕因品種、拍攝條件不同帶來的顏色、亮度的差異[50]。

③同一種作物上若病害同時發(fā)生會造成特征紊亂，影響分類結果。某些情況下，同一植物葉片中會出現(xiàn)不同病害的癥狀，甚至會因為多種病害復合感染而表現(xiàn)為全新的癥狀。若圖片訓練樣本過少且病害部位并未重疊時，可手動裁剪出含不同病害部位的圖片部分。由于目前并沒有針對并發(fā)癥狀提出的解決算法，為避免對特征提取產生干擾，建議采集只存在單一病害的照片。

④同種病害的不同發(fā)病時期癥狀不同。發(fā)病時前期和后期葉片一般會表現(xiàn)出不完全相同的癥狀。同時，病原菌可以在作物不同時期進行侵染，發(fā)病時又會因作物的品種、生育期和部位表現(xiàn)出不同的癥狀。以稻瘟病為例，它由稻梨孢侵染造成，病菌可以在各個生長時期侵染水稻，造成苗瘟、葉瘟、穗頸瘟和谷粒瘟。葉瘟又可分為白點型、急性型、褐點型和慢性型病斑[51]。因此，要想實現(xiàn)某種病害的精準識別，收集不同時期不同類型的癥狀也是必不可少的。

⑤缺乏大型公開的單一作物病害圖像數(shù)據(jù)集。除網(wǎng)絡上幾個比較流行的植物病害圖像共享數(shù)據(jù)庫如PlantVillage和AI Challenge，研究人員多使用自己搜集的圖集，圖集可能來源于互聯(lián)網(wǎng)，也可能是自行拍攝的圖片。這些圖集忽略了品種、地區(qū)間病害的差異,也忽略了不同拍攝者可能存在拍攝取向上的差異，因此建立的模型雖然可以達到很高的訓練精度，但是泛化能力不強，難以實際應用。如果使用同一公共數(shù)據(jù)集對不同模型進行訓練，能對模型的優(yōu)缺點有更客觀的比較。

⑥小樣本問題會造成過擬合現(xiàn)象。簡單來說，過擬合指的是在訓練過程中，模型在訓練數(shù)據(jù)集上的誤差不斷下降，在驗證數(shù)據(jù)集上的誤差卻在不斷上升的現(xiàn)象。在對小規(guī)模樣本的農作物病害圖像數(shù)據(jù)集進行分類時，深層網(wǎng)絡過度提取特征就容易造成過擬合現(xiàn)象，并且訓練速度和識別速度都會減慢[52]。在沒辦法增加數(shù)據(jù)集樣本的情況下，可以通過數(shù)據(jù)增強、遷移學習或者隨機抑制神經(jīng)元即增加dropout層的方式來減輕過擬合現(xiàn)象。

⑦學科交叉對研究人員的專業(yè)素質要求更高。由于植物病害的自動化識別與植物病理知識以及計算機編程都緊密相連，而目前從事這一研究的多出自其中一個領域，相應的就會缺乏另一學科的知識。在構建數(shù)據(jù)集時，非植保專業(yè)人員可能對病害圖像進行誤判。同樣地，如果植病研究人員想要結合深度學習對作物病害識別進行研究，又需耗費大量時間學習計算機相關知識，且很難在算法上有所創(chuàng)新或對模型進行深層改良。因此，加強交叉學科人才的培養(yǎng)對于促進作物病害自動化識別有著重要意義。

4 結語

在植物病害圖像集的收集及前期處理過程中存在很多問題亟待解決，比如田間圖片背景復雜，光線造成陰影斑駁，多重病害交疊，癥狀隨時間變化等。同時，在后期的訓練過程中可能會出現(xiàn)數(shù)據(jù)集樣本不典型、過擬合等問題，還需要計算機技術人員和植保專家相互交流合作，或由擁有交叉學科知識背景的研究人員不斷探索以加速作物病害圖像智能識別的進程。事實上深度學習不止卷積神經(jīng)網(wǎng)絡這一種類型，但是目前在作物病害識別方面該類型的應用最為廣泛，研究最為深入，希望未來研究人員能夠在其他類型的深度學習網(wǎng)絡上做更多的嘗試。

2015年是圖像識別領域取得突破性進展的年份，因為在這一年計算機人臉識別準確率已經(jīng)高于人類，這無疑給人工智能領域注射了一劑強心劑。盡管受到人工神經(jīng)網(wǎng)絡的局限，計算機不具備對事物認知的前期知識儲備以及達不到人類大腦神經(jīng)網(wǎng)絡的復雜程度，學習能力還無法與人類相提并論。但不容否認的是，深度學習依舊是目前最具潛力的作物病害圖像識別的現(xiàn)代化方法。