李 鑫 牟 杰

（貴州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，貴州 黔南 558000）

1 開發(fā)識(shí)別預(yù)警平臺(tái)的目的和意義

1.1 給貴州省茶農(nóng)提供病蟲害識(shí)別方法，減損增效

調(diào)查發(fā)現(xiàn)，貴州省已知的茶樹病蟲害有400多種，造成經(jīng)濟(jì)損失的病蟲害有50～60 種；已知的茶樹病害有100 多種，其中常見的有30 余種。隨著茶葉貿(mào)易形勢(shì)的變化，市場(chǎng)上對(duì)茶葉的內(nèi)含物及農(nóng)殘含量提出了更高的要求?；谌斯ぶ悄芗夹g(shù)的茶樹病蟲害識(shí)別預(yù)警系統(tǒng)，通過人工智能圖像識(shí)別、光譜分析等技術(shù)能夠識(shí)別茶樹的葉部病害、枝部病害、根部病害以及茶樹的食葉性害蟲、刺吸式害蟲、鉆蛀性害蟲、地下害蟲等。農(nóng)戶借助病蟲害測(cè)報(bào)儀和手機(jī)APP 進(jìn)行病蟲害信息采集，可以根據(jù)病蟲害名稱和圖片智能識(shí)別查看圖譜。根據(jù)圖譜確定病蟲害的名稱后，即可進(jìn)行詳細(xì)查詢，可查詢的內(nèi)容有病害的病癥、病原菌、發(fā)生規(guī)律、防治方法以及害蟲的形態(tài)特征、生活習(xí)性、防治方法［1-2］。

1.2 給茶產(chǎn)業(yè)病蟲害預(yù)防提供參考

基于大數(shù)據(jù)的茶樹病蟲害識(shí)別預(yù)警系統(tǒng)分為病害和蟲害2 種識(shí)別信息查詢部分，可實(shí)現(xiàn)手機(jī)APP 在線網(wǎng)絡(luò)查詢。在計(jì)算機(jī)和手機(jī)不斷普及應(yīng)用的今天，茶農(nóng)和茶葉栽培科技推廣人員能夠通過該系統(tǒng)更加形象化、具體化地開展茶樹病蟲害研究工作。同時(shí)，該系統(tǒng)可用于各級(jí)農(nóng)業(yè)服務(wù)中心和基層農(nóng)技培訓(xùn)學(xué)校等，對(duì)于提高使用者的茶樹病蟲害識(shí)別和防治水平具有重要意義。

2 識(shí)別預(yù)警平臺(tái)開發(fā)的基本思路和方法

2.1 識(shí)別預(yù)警平臺(tái)開發(fā)的基本思路

基于新興技術(shù)的茶樹病蟲害識(shí)別預(yù)警平臺(tái)的基本開發(fā)思路如圖1所示。

圖1 基于新興技術(shù)的茶樹病蟲害識(shí)別預(yù)警平臺(tái)的開發(fā)思路

2.2 識(shí)別預(yù)警平臺(tái)的開發(fā)方法

2.2.1 樣品采集法。樣品采集法即培養(yǎng)模型樣品，培養(yǎng)茶樹、接種病菌，設(shè)計(jì)手機(jī)APP，實(shí)現(xiàn)對(duì)茶園病蟲害拍照、位置標(biāo)注、圖像上傳與分析結(jié)果反饋等功能；設(shè)立病蟲害監(jiān)測(cè)站，用于捕捉害蟲、對(duì)茶園進(jìn)行圖像采集、獲取田間氣象數(shù)據(jù)；建設(shè)數(shù)據(jù)中心，收集各終端儀器上傳的數(shù)據(jù)，并進(jìn)行統(tǒng)計(jì)分析。

2.2.2 信息采集和建立數(shù)據(jù)庫法。對(duì)標(biāo)準(zhǔn)病蟲害模型樣品進(jìn)行圖像與光譜采集，常規(guī)圖像通過傳統(tǒng)相機(jī)拍攝，光譜圖像利用高光譜相機(jī)進(jìn)行全譜段掃描成像，獲得光譜數(shù)據(jù)立方體，提取代表性光譜波段，并以此為參考選取多光譜相機(jī)的光譜通道，最后利用多光譜相機(jī)進(jìn)行大量圖像采集，建立作物和害蟲數(shù)據(jù)庫。

2.2.3 人工智能識(shí)別法。擬將可變形卷積引入目標(biāo)檢測(cè)網(wǎng)絡(luò)，提升模型對(duì)外形變化多樣的病蟲害感染區(qū)域的識(shí)別能力。根據(jù)病蟲害圖像區(qū)域較小、密集、需求高精度網(wǎng)絡(luò)的特點(diǎn)，擬采用Faster R-CNN作為基礎(chǔ)識(shí)別網(wǎng)絡(luò)，進(jìn)而形成DFR-CNN網(wǎng)絡(luò)［3］。實(shí)際實(shí)施時(shí)，以茶樹（枝/葉）圖像作為輸入數(shù)據(jù)，實(shí)現(xiàn)對(duì)多種類病蟲害的準(zhǔn)確、高效識(shí)別。

2.2.4 軟硬件集成與戶外實(shí)測(cè)法。將訓(xùn)練后的人工智能病蟲害識(shí)別算法與數(shù)據(jù)中心、手機(jī)APP、病蟲害監(jiān)測(cè)站等系統(tǒng)整合聯(lián)調(diào)，將其投放至茶園進(jìn)行真實(shí)環(huán)境下的農(nóng)情監(jiān)測(cè)，測(cè)試及完善系統(tǒng)功能。

3 識(shí)別預(yù)警平臺(tái)開發(fā)理論創(chuàng)新程度及實(shí)際應(yīng)用價(jià)值

3.1 識(shí)別預(yù)警平臺(tái)開發(fā)理論創(chuàng)新程度

3.1.1 利用光譜法對(duì)傳統(tǒng)病蟲害監(jiān)測(cè)設(shè)備進(jìn)行改良。利用光譜手段增強(qiáng)病蟲害監(jiān)測(cè)設(shè)備的信息獲取能力，為作物圖像增加光譜維度，為后期圖像識(shí)別等操作提供評(píng)價(jià)依據(jù)。同時(shí)，多通道光譜圖像之間經(jīng)過復(fù)雜的圖像運(yùn)算后能夠使圖像數(shù)據(jù)迅速增加，為人工智能識(shí)別提供大量信息，從而提高病蟲害的識(shí)別精度。

3.1.2 人工智能算法輔助病蟲害高效智能識(shí)別。利用標(biāo)準(zhǔn)模型的常規(guī)圖像和光譜圖像訓(xùn)練人工智能算法，結(jié)合項(xiàng)目提出的DFR-CNN 方法，通過算法自行總結(jié)規(guī)律，克服傳統(tǒng)方法處理形狀變化較大目標(biāo)時(shí)的弊端，實(shí)現(xiàn)對(duì)病蟲害的魯棒精準(zhǔn)識(shí)別，進(jìn)而解決傳統(tǒng)人工識(shí)別效率低下及難以區(qū)分相似物種的問題［4］。

3.1.3 構(gòu)建“時(shí)空大數(shù)據(jù)+智能分析”的重大病蟲害預(yù)警技術(shù)。構(gòu)建包括作物種類、氣象條件、病蟲害類型以及發(fā)病程度等信息的時(shí)空大數(shù)據(jù)，通過統(tǒng)計(jì)分析，尋找病蟲害發(fā)生與發(fā)展規(guī)律，實(shí)現(xiàn)對(duì)重大病蟲害的預(yù)警。

3.2 識(shí)別預(yù)警平臺(tái)的實(shí)際應(yīng)用價(jià)值

3.2.1 經(jīng)濟(jì)效益。項(xiàng)目投入運(yùn)行后，預(yù)計(jì)可以為黔西南布依族苗族自治州茶區(qū)挽回經(jīng)濟(jì)損失約5 300 萬元。隨著軟件系統(tǒng)的推廣和持續(xù)完善，該系統(tǒng)的使用率將不斷提升、使用范圍將不斷擴(kuò)大，將會(huì)帶來更大的經(jīng)濟(jì)效益。

3.2.2 社會(huì)效益。該套系統(tǒng)投入使用后，有助于協(xié)助相關(guān)部門提高茶樹病蟲害預(yù)警工作效率，對(duì)特定的茶樹病蟲害設(shè)計(jì)針對(duì)性的防治措施，以此來指導(dǎo)種植者的種植活動(dòng)。茶樹種植者能科學(xué)掌握各種病蟲害的防治理論知識(shí)，有助于其在生產(chǎn)中合理使用防治藥物，為茶葉質(zhì)量安全提供保障，增加貴州省茶園管理的科技含量，提升茶園的生態(tài)效益和社會(huì)效益。

3.2.3 生態(tài)效益。隨著我國社會(huì)的轉(zhuǎn)型發(fā)展，生態(tài)環(huán)保理念逐漸成為農(nóng)業(yè)生產(chǎn)活動(dòng)中的重要指導(dǎo)理念。同時(shí)，綠色無公害的產(chǎn)品在市場(chǎng)上的競(jìng)爭(zhēng)力大大提升。要想實(shí)現(xiàn)生態(tài)效益與經(jīng)濟(jì)效益最大化，需要控制化學(xué)農(nóng)藥的使用。該套系統(tǒng)正是基于生態(tài)環(huán)保理念，通過為茶樹病蟲害防治提供有效的數(shù)據(jù)支持，不斷優(yōu)化茶園生態(tài)治理技術(shù)，保證茶樹種植業(yè)綠色、可持續(xù)發(fā)展。

4 結(jié)語

貴州省茶樹種植面積大，深受各種茶樹病蟲害的影響，造成了嚴(yán)重的經(jīng)濟(jì)損失。因此，針對(duì)茶樹病蟲害進(jìn)行有效治理具有直接的現(xiàn)實(shí)意義。因此，將茶樹病蟲害識(shí)別預(yù)警平臺(tái)應(yīng)用于茶樹種植業(yè)，可以有效提高茶樹病蟲害防治效果，提高茶樹種植的經(jīng)濟(jì)效益。