欒興

摘要 人工智能在林業(yè)中的應(yīng)用場(chǎng)景很多，如何精準(zhǔn)測(cè)報(bào)是一大難題。通過(guò)建立病蟲(chóng)基本信息庫(kù)、樹(shù)木基本信息庫(kù)、蟲(chóng)害基本信息庫(kù)，再通過(guò)病蟲(chóng)與樹(shù)木寄主的關(guān)系和蟲(chóng)害特征進(jìn)行層層篩選比對(duì)，以達(dá)到精準(zhǔn)識(shí)別。

關(guān)鍵詞 人工智能;林業(yè)病蟲(chóng)害;精準(zhǔn)測(cè)報(bào)

中圖分類(lèi)號(hào)：F307.2 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2021）03–0154–02

林業(yè)有害生物對(duì)患區(qū)當(dāng)?shù)丶爸苓叺貐^(qū)林業(yè)生態(tài)造成的傷害往往是災(zāi)難性的、不可逆的、永久性的，并且其危害也嚴(yán)重阻礙了林業(yè)生態(tài)健康、可持續(xù)發(fā)展。如何進(jìn)行科學(xué)有效地防控，將林業(yè)有害生物災(zāi)害控制在可控范圍內(nèi)，不至于遏制或阻礙林業(yè)生態(tài)建設(shè)的進(jìn)程，是當(dāng)前林業(yè)有害生物防控工作亟需解決的重點(diǎn)和難點(diǎn)問(wèn)題。

江蘇省林業(yè)有害生物2 003種，病害355種，蟲(chóng)害1 467種，有害植物52種，其他類(lèi)129種。其中，外來(lái)林業(yè)有害生物20種，國(guó)家公布的14種檢疫性林業(yè)有害生物，江蘇省就有2種在全省大面積發(fā)生，全國(guó)重點(diǎn)治理的六大林業(yè)有害生物，在江蘇省發(fā)生危害的有4種。當(dāng)前，江蘇省監(jiān)測(cè)預(yù)警、檢疫御災(zāi)、災(zāi)害應(yīng)急難以滿(mǎn)足防控實(shí)際需要，林業(yè)有害生物聯(lián)防聯(lián)治、統(tǒng)一調(diào)度是防控工作的關(guān)鍵。隨著云計(jì)算、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等新技術(shù)的發(fā)展，將有助于林業(yè)有害生物防控的科學(xué)化管理[1]。構(gòu)建自動(dòng)化、智能化的林業(yè)有害生物管理平臺(tái)十分必要，而林業(yè)病蟲(chóng)害精準(zhǔn)測(cè)報(bào)是關(guān)鍵，因此，研究人工智能助力林業(yè)病蟲(chóng)害精準(zhǔn)測(cè)報(bào)對(duì)社會(huì)和經(jīng)濟(jì)的發(fā)展有重要的現(xiàn)實(shí)意義。

1 圖像采集

害蟲(chóng)識(shí)別首先要求獲取圖像，系統(tǒng)支持兩種圖像獲取方式：機(jī)器采集和人工獲取。

（1）機(jī)器采集：預(yù)置圖像采集點(diǎn)，按照林區(qū)的面積均勻分布圖像采集點(diǎn)，設(shè)置設(shè)備的焦距、采集時(shí)間、周期以及一周期內(nèi)的快門(mén)響應(yīng)次數(shù)，從而獲取圖片。隨后圖像將通過(guò)物聯(lián)網(wǎng)設(shè)備每隔一段時(shí)間（比如10 min）自動(dòng)上傳至服務(wù)器，通過(guò)人工智能的算法識(shí)別出圖片內(nèi)的昆蟲(chóng)種類(lèi)及數(shù)量，分析其中害蟲(chóng)的數(shù)目變化，從而推斷出整個(gè)林區(qū)內(nèi)大致的昆蟲(chóng)分布情況以及蟲(chóng)害情況[2]。當(dāng)林區(qū)發(fā)生蟲(chóng)害時(shí)，可以調(diào)取該區(qū)域機(jī)器采集的昆蟲(chóng)數(shù)據(jù)，通過(guò)分析數(shù)量較多、占比較大的害蟲(chóng)確定蟲(chóng)害類(lèi)型與發(fā)生原因，幫助操作人員更好地判斷蟲(chóng)害發(fā)生的原因，若識(shí)別度不足可使用樹(shù)木識(shí)別輔助修正幫助判斷。采集識(shí)別流程見(jiàn)圖1。

（2）人工采集：操作人員在實(shí)地檢查時(shí)，可以通過(guò)便攜式圖像采集設(shè)備比如手機(jī)，拍攝昆蟲(chóng)圖片，再通過(guò)手機(jī)或通訊網(wǎng)絡(luò)傳輸至服務(wù)器用以識(shí)別昆蟲(chóng)種類(lèi)。

2 圖像識(shí)別分析（核心算法）

獲取昆蟲(chóng)圖像之后，使用人工智能的算法識(shí)別昆蟲(chóng)。在圖像識(shí)別領(lǐng)域中，卷積神經(jīng)網(wǎng)絡(luò)相較于其他模型有其獨(dú)特優(yōu)勢(shì)，算法可以自行提取對(duì)象特征進(jìn)行識(shí)別，從而使得圖像識(shí)別對(duì)于光線(xiàn)、強(qiáng)度等圖像質(zhì)量要求并不需要太高。通過(guò)CNN發(fā)展而出的，如Faster R-CNN識(shí)別框架不僅能夠識(shí)別對(duì)象，而且可以劃定對(duì)象范圍，為計(jì)數(shù)功能提供方便。圖像識(shí)別算法主要包括以下3個(gè)步驟：

（1）圖像預(yù)處理：圖像處理技術(shù)，銳化去噪等;

（2）目標(biāo)定位：定位圖片中所有昆蟲(chóng)的bounding box，生成ROIs（Region of Interests）;

（3）細(xì)粒度分類(lèi)：構(gòu)建并訓(xùn)練深度學(xué)習(xí)分類(lèi)模型，基于ROIs進(jìn)行昆蟲(chóng)識(shí)別。

其中，對(duì)于昆蟲(chóng)識(shí)別，由于拍攝圖像時(shí)存在拍攝目標(biāo)之間相互重疊的問(wèn)題，使用Faster R-CNN進(jìn)行目標(biāo)識(shí)別時(shí)，對(duì)于目標(biāo)定位始終存在一定的偏差。為了解決這一問(wèn)題，可以使用Mask R-CNN進(jìn)行目標(biāo)識(shí)別。 Mask R-CNN是在Faster R-CNN的基礎(chǔ)上添加了一個(gè)預(yù)測(cè)分割mask的分支，將RoI Pooling層替換成了RoIAlign層，同時(shí)添加了并列的FCN層（mask層），因此可以有效彌補(bǔ)Faster R-CNN的不足。

構(gòu)建好模型框架后，通過(guò)在大量標(biāo)注數(shù)據(jù)上進(jìn)行訓(xùn)練，可以得到準(zhǔn)確率較高的圖像識(shí)別模型。

3 樹(shù)木識(shí)別

操作人員通過(guò)使用便攜式圖像采集裝置拍攝樹(shù)木的樹(shù)葉以及樹(shù)木的整體照片，通過(guò)手機(jī)或通訊網(wǎng)絡(luò)上傳至服務(wù)器識(shí)別樹(shù)木的樹(shù)種，幫助操作員明確樹(shù)種，從而更加容易找出蟲(chóng)害原因，并以此為依據(jù)修正識(shí)別結(jié)果，提高結(jié)果準(zhǔn)確度。若識(shí)別度不足可使用蟲(chóng)害識(shí)別輔助，修正幫助判斷。樹(shù)木識(shí)別算法與昆蟲(chóng)識(shí)別算法相同。

4 蟲(chóng)害識(shí)別

如果通過(guò)害蟲(chóng)識(shí)別和樹(shù)木識(shí)別相結(jié)合，識(shí)別度仍然達(dá)不到設(shè)定的需求，需要通過(guò)蟲(chóng)害識(shí)別進(jìn)一步提高準(zhǔn)確度。操作人員通過(guò)便攜式圖像獲取設(shè)備拍攝蟲(chóng)害處照片，通過(guò)算法分析該蟲(chóng)害產(chǎn)生的原因，結(jié)合害蟲(chóng)識(shí)別結(jié)果與樹(shù)種識(shí)別結(jié)果推斷出結(jié)果。

蟲(chóng)害識(shí)別算法與昆蟲(chóng)識(shí)別算法相同。由于蟲(chóng)害特征不存在非常明顯的關(guān)聯(lián)性，即同樣形態(tài)的蟲(chóng)害可能是由不同昆蟲(chóng)或不同原因引起的，僅僅識(shí)別蟲(chóng)害圖片會(huì)存在多種可能的結(jié)果，因此，蟲(chóng)害識(shí)別僅作為害蟲(chóng)識(shí)別以及樹(shù)種識(shí)別的輔助修正識(shí)別，幫助提高害蟲(chóng)測(cè)報(bào)的精確度，而難以單獨(dú)使用進(jìn)行蟲(chóng)害判斷。

5 推理流程

推理流程如圖2。

步驟一：首先取得并識(shí)別昆蟲(chóng)圖片，獲得初步識(shí)別結(jié)論與識(shí)別度，若識(shí)別度小于90%，則進(jìn)入步驟二。

步驟二：若圖片由操作人員拍攝，則繼續(xù)獲取樹(shù)木圖片，進(jìn)入步驟三;否則交由專(zhuān)家人工判斷。

步驟三：獲取并識(shí)別樹(shù)種圖片，經(jīng)由規(guī)則庫(kù)比對(duì)，該昆蟲(chóng)是否習(xí)慣于生活在該種植物上，通過(guò)樹(shù)種識(shí)別度與規(guī)則庫(kù)匹配度加權(quán)修正昆蟲(chóng)識(shí)別度，若識(shí)別度小于90%，進(jìn)入步驟四。

步驟四：獲取并識(shí)別蟲(chóng)害圖片，識(shí)別出可能產(chǎn)生該蟲(chóng)害特征的害蟲(chóng)種類(lèi)、樹(shù)種種類(lèi)，與步驟一、步驟三中的識(shí)別結(jié)果進(jìn)行比對(duì)，修正識(shí)別度，若識(shí)別度小于90%，交由專(zhuān)家進(jìn)行人工識(shí)別。

6 基礎(chǔ)庫(kù)建設(shè)

6.1 昆蟲(chóng)庫(kù)

昆蟲(chóng)庫(kù)主要包括：（1）昆蟲(chóng)的基本信息：中文名、拉丁學(xué)名、別稱(chēng)、界、門(mén)、亞門(mén)、綱、亞綱、目、亞目、科、屬、種、英文名、命名者及年代;（2）形態(tài)特征：成蟲(chóng)、卵、幼蟲(chóng)、蛹、鑒別特征;（3）棲地分布：生物學(xué)特性、原產(chǎn)地、中國(guó)分布現(xiàn)狀、引入擴(kuò)散原因和危害;（4）寄生植物：寄主;（5）生長(zhǎng)繁殖、擴(kuò)展途徑、發(fā)生特點(diǎn)、昆蟲(chóng)危害、相關(guān)法規(guī)、防治方法等相關(guān)信息。

其中，害蟲(chóng)代碼采用中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)（GB/T 15775—2011）關(guān)于林業(yè)害蟲(chóng)的林木資源分類(lèi)與代碼的編碼規(guī)范。該規(guī)范選擇害蟲(chóng)最穩(wěn)定的本質(zhì)屬性做為分類(lèi)的基礎(chǔ)和依據(jù)，按照科-目-種3個(gè)層次分類(lèi)將該標(biāo)準(zhǔn)的代碼分為3個(gè)層次，由七位數(shù)字構(gòu)成。第一、二位代表害蟲(chóng)分類(lèi)中的“目”，第三、四位代表“科”，第五、六、七位代表“種”。

6.2 害蟲(chóng)圖像庫(kù)

通過(guò)人工選取相應(yīng)的害蟲(chóng)圖像，每種昆蟲(chóng)選取不同角度、不同背景、不同狀態(tài)的圖片，定位到具體的種，打上標(biāo)簽并制作相應(yīng)文件夾，同時(shí)也要選取同種昆蟲(chóng)在不同生長(zhǎng)時(shí)期的圖片并打上標(biāo)簽。在算法訓(xùn)練模型時(shí)，為防止過(guò)擬合現(xiàn)象，每張圖片需要進(jìn)行旋轉(zhuǎn)、移動(dòng)等操作，幫助提高識(shí)別準(zhǔn)確率。

6.3 樹(shù)種庫(kù)

樹(shù)種庫(kù)主要由樹(shù)種信息表構(gòu)成，信息表存儲(chǔ)了樹(shù)種的主要信息，包括種名、學(xué)名、科名屬名、生長(zhǎng)類(lèi)型、生態(tài)適應(yīng)性、形態(tài)、形態(tài)圖像、物候、分布區(qū)域、病蟲(chóng)害等信息。其中，樹(shù)種代碼依照樹(shù)木通用代碼。

6.4 樹(shù)種圖像庫(kù)

目前，網(wǎng)絡(luò)上開(kāi)放的樹(shù)木數(shù)據(jù)庫(kù)包括PlantNet、Leafsnap以及Flavia，這些數(shù)據(jù)庫(kù)包含的數(shù)據(jù)主要是各樹(shù)種的樹(shù)葉信息，因此需要另外自行搭建包含各樹(shù)種整體圖片的圖像庫(kù)?？梢詫⒘謪^(qū)內(nèi)的每種樹(shù)種拍攝不同角度的圖片，同時(shí)在不同季節(jié)、一天之內(nèi)不同的時(shí)間、光線(xiàn)條件不同時(shí)拍攝，同時(shí)，加入樹(shù)葉與樹(shù)皮紋理的圖片以提高準(zhǔn)確率。在算法訓(xùn)練模型時(shí)為防止過(guò)擬合現(xiàn)象，每張圖片需要進(jìn)行旋轉(zhuǎn)、移動(dòng)等操作，幫助提高識(shí)別準(zhǔn)確率。

6.5 蟲(chóng)害庫(kù)

通過(guò)人工選取每種昆蟲(chóng)造成不同蟲(chóng)害的圖片，打上標(biāo)簽并制作相應(yīng)文件夾。

6.6 規(guī)則庫(kù)

對(duì)于森林中的常見(jiàn)多發(fā)病，森林病蟲(chóng)害專(zhuān)家根據(jù)國(guó)內(nèi)外資料和實(shí)踐觀(guān)察編寫(xiě)了大量的病害檢索表。其中比較全面且權(quán)威的有周仲銘先生的《林木病理學(xué)》著作中的林木病害檢索表。

根據(jù)病害檢索表中的信息，構(gòu)建病蟲(chóng)害規(guī)則庫(kù)。記錄每種害蟲(chóng)在不同時(shí)期對(duì)于不同的樹(shù)種造成的蟲(chóng)害特征，不同昆蟲(chóng)在不同時(shí)期寄生的樹(shù)種種類(lèi)，將昆蟲(chóng)庫(kù)、樹(shù)種庫(kù)與蟲(chóng)害相互關(guān)聯(lián)。

參考文獻(xiàn)

[1] 李成贊.森林病蟲(chóng)害診斷及害蟲(chóng)預(yù)報(bào)專(zhuān)家系統(tǒng)的研建[D].北京：北京林業(yè)大學(xué)，2009.

[2] 姜紅花，張傳銀，張昭，等.基于Mask R-CNN的玉米田間雜草檢測(cè)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020（6）：227-235，254.

責(zé)任編輯：黃艷飛