郭 棟，葛黎黎

（1.山西省氣象服務(wù)中心，山西 太原 030002；2.山西省氣象信息中心，山西 太原 030006）

在農(nóng)業(yè)生產(chǎn)領(lǐng)域當(dāng)中，病蟲(chóng)害問(wèn)題直接影響到農(nóng)業(yè)生產(chǎn)的產(chǎn)量以及糧食質(zhì)量安全。根據(jù)最新的糧食及農(nóng)業(yè)組織報(bào)告，當(dāng)前每年都會(huì)有超過(guò)四成的自然損失是由于農(nóng)業(yè)種植和生長(zhǎng)過(guò)程中出現(xiàn)了病蟲(chóng)害問(wèn)題[1]。當(dāng)前病蟲(chóng)害的類(lèi)型眾多，通過(guò)傳統(tǒng)人工觀察結(jié)合識(shí)別經(jīng)驗(yàn)的方法很容易造成對(duì)病蟲(chóng)害的錯(cuò)誤診斷，進(jìn)而采用錯(cuò)誤的治理方法，不僅會(huì)造成人力、物力以及生產(chǎn)成本的損失，同時(shí)也無(wú)法達(dá)到預(yù)期對(duì)農(nóng)作物治理的效果[2]。同時(shí)，由于當(dāng)前農(nóng)業(yè)技術(shù)人員缺乏經(jīng)驗(yàn)和對(duì)各類(lèi)現(xiàn)代技術(shù)的實(shí)踐應(yīng)用的能力，在農(nóng)作物種植過(guò)程中很難對(duì)病蟲(chóng)害問(wèn)題進(jìn)行及時(shí)識(shí)別和預(yù)警。針對(duì)這一問(wèn)題，農(nóng)業(yè)生產(chǎn)領(lǐng)域的研究人員開(kāi)展了深入的探究，但現(xiàn)有病蟲(chóng)害的識(shí)別方法大多是在現(xiàn)場(chǎng)應(yīng)用，無(wú)法實(shí)現(xiàn)對(duì)農(nóng)業(yè)種植現(xiàn)場(chǎng)圖像的傳輸，更無(wú)法實(shí)現(xiàn)從圖像上對(duì)病蟲(chóng)害問(wèn)題進(jìn)行識(shí)別。當(dāng)前計(jì)算機(jī)視覺(jué)技術(shù)以及機(jī)器學(xué)習(xí)技術(shù)得到了快速的發(fā)展，并應(yīng)用到了眾多領(lǐng)域當(dāng)中[3]。作為智慧農(nóng)業(yè)的重要構(gòu)成，通過(guò)現(xiàn)代化的技術(shù)可以實(shí)現(xiàn)對(duì)農(nóng)業(yè)病蟲(chóng)害圖像數(shù)據(jù)的采集、分析和處理，進(jìn)而建立相應(yīng)的學(xué)習(xí)模型，實(shí)現(xiàn)對(duì)圖像的特征提取，從而為農(nóng)業(yè)病蟲(chóng)害的防治提供更有利的技術(shù)條件?；诖?，本文嘗試應(yīng)用機(jī)器學(xué)習(xí)中的遷移學(xué)習(xí)技術(shù)，針對(duì)智慧農(nóng)業(yè)，對(duì)其病蟲(chóng)害圖像識(shí)別方法進(jìn)行設(shè)計(jì)研究。

1 基于遷移學(xué)習(xí)的智慧農(nóng)業(yè)病蟲(chóng)害圖像識(shí)別方法

1.1 獲取農(nóng)作物病蟲(chóng)害圖像

為實(shí)現(xiàn)對(duì)農(nóng)業(yè)智慧生產(chǎn)過(guò)程中病害圖像的精準(zhǔn)識(shí)別，需要在開(kāi)展識(shí)別方法設(shè)計(jì)前，進(jìn)行農(nóng)作物病蟲(chóng)害圖像的專項(xiàng)獲取。將此過(guò)程劃分為兩個(gè)步驟，具體內(nèi)容如下。

通過(guò)不同渠道獲取的圖像或不同類(lèi)別的圖像在表征層面存在一定的雷同性，因此可根據(jù)現(xiàn)有的圖像資源，構(gòu)建一個(gè)針對(duì)農(nóng)作物病蟲(chóng)害的圖像數(shù)據(jù)庫(kù)，進(jìn)行所獲取圖像與局部圖像的匹配，匹配圖像中的機(jī)械損傷部位、病害部位，通過(guò)此種方式，初步獲取農(nóng)作物病蟲(chóng)害圖像。

在此基礎(chǔ)上，劃分農(nóng)作物病蟲(chóng)害圖像的類(lèi)別，根據(jù)病蟲(chóng)害的類(lèi)別，將其劃分為m種，每個(gè)類(lèi)別中的圖像數(shù)量應(yīng)控制在4 000.0張～6 000.0張范圍內(nèi)。

將農(nóng)作物病蟲(chóng)害圖像中的局部病害作為測(cè)試目標(biāo)，人工使用拍照的方式進(jìn)行圖像細(xì)部信息獲取。拍攝時(shí)，將A4紙作為背景，使用常規(guī)的拍攝工具進(jìn)行圖像獲取，將按照上述處理后的圖像進(jìn)行主動(dòng)獲取，將對(duì)應(yīng)的圖像與數(shù)據(jù)庫(kù)中現(xiàn)有的圖像進(jìn)行匹配，參照病害類(lèi)別進(jìn)行圖像的精準(zhǔn)分類(lèi)，并以此為依據(jù)，將對(duì)應(yīng)的圖像導(dǎo)入建立的測(cè)試模型中，使用模型的細(xì)部操作工具，進(jìn)行該圖像的預(yù)處理[4]。處理時(shí)，應(yīng)根據(jù)輸入圖像的標(biāo)準(zhǔn)，進(jìn)行邊緣尺寸的調(diào)整，按照實(shí)際要求對(duì)整體圖像進(jìn)行裁剪與分割，分割的方式包括兩種，分別為224.0 ppi×224.0 ppi與299.0 ppi×299.0 ppi，為避免所獲取的圖像存在模糊性問(wèn)題，可在上述處理基礎(chǔ)上，進(jìn)行圖像背景的增強(qiáng)化處理，輔助使用Python工具，進(jìn)行所獲取圖像的翻轉(zhuǎn)、剪切等處理方式，以此種方式確保所獲取的圖像具有清晰性特征。

1.2 基于遷移學(xué)習(xí)的圖像識(shí)別訓(xùn)練模型建立

在完成對(duì)農(nóng)作物圖像的獲取后，為了確保對(duì)病蟲(chóng)害圖像識(shí)別的精度，引入遷移學(xué)習(xí)技術(shù)，并建立圖像識(shí)別訓(xùn)練模型。在滑動(dòng)窗口當(dāng)中輸入上述獲取到的圖像，并對(duì)其進(jìn)行掃描，通過(guò)計(jì)算圖像與網(wǎng)格參數(shù)的操作，提取圖像的特征圖圖表，并通過(guò)激活函數(shù)構(gòu)建下一層特征圖矩陣，其輸出的特征表達(dá)式為：

公式（1）中，yn+1表示為在n+1層輸出的特征結(jié)果；yn表示為在第n層輸出的特征結(jié)果；w表示為權(quán)值；bi表示為n層與n+1層之間存在的偏置指數(shù)。根據(jù)上述公式，確定圖像識(shí)別訓(xùn)練模型的基本層次結(jié)構(gòu)[5]。將該模型結(jié)構(gòu)導(dǎo)入到遷移學(xué)習(xí)框架當(dāng)中，對(duì)其進(jìn)行訓(xùn)練，遷移學(xué)習(xí)框架如圖1所示。

圖1 圖像識(shí)別訓(xùn)練模型的遷移學(xué)習(xí)框架

在訓(xùn)練過(guò)程中，為了防止模型出現(xiàn)過(guò)擬合現(xiàn)象，應(yīng)用歸一化和干擾標(biāo)記兩種方法對(duì)其進(jìn)行優(yōu)化，最后框架輸出的結(jié)果即為圖像識(shí)別訓(xùn)練模型。

1.3 農(nóng)作物病蟲(chóng)害特征提取與特征識(shí)別

完成上述研究后，引進(jìn)Incption-M3模型，使用此模型進(jìn)行農(nóng)作物病蟲(chóng)害圖像的處理。處理時(shí)，將圖像置于一個(gè)維度降低的處理空間內(nèi)，對(duì)相關(guān)信息進(jìn)行聚類(lèi)，為確保對(duì)農(nóng)作物病蟲(chóng)害圖像中特征信息聚類(lèi)的完善性，需要在此過(guò)程中做好對(duì)網(wǎng)絡(luò)寬度與資源深度的平衡性處理。利用Incption-M3模型中的最小卷積核，對(duì)所獲取的圖像進(jìn)行線性表達(dá)，表達(dá)后根據(jù)圖像的逐點(diǎn)卷積性能，進(jìn)行參數(shù)特征量的計(jì)算[6]。通過(guò)此種方式，提取關(guān)鍵節(jié)點(diǎn)參數(shù)輸出通道，當(dāng)參數(shù)輸出通道可以在卷積網(wǎng)絡(luò)中量化為具體值時(shí)，使用縮小版的net網(wǎng)絡(luò)，對(duì)圖像特征進(jìn)行識(shí)別。識(shí)別時(shí)設(shè)定一個(gè)超參數(shù)，進(jìn)行卷積配置，當(dāng)實(shí)現(xiàn)參數(shù)的全連接或全匹配后，輸出匹配點(diǎn)的參數(shù)數(shù)值，即可將其作為農(nóng)作物病蟲(chóng)害特征。按照上述處理方式，逐點(diǎn)進(jìn)行參數(shù)特征的匹配，從而實(shí)現(xiàn)對(duì)病蟲(chóng)害圖像中特征點(diǎn)的精準(zhǔn)識(shí)別，以此完成圖像識(shí)別方法的設(shè)計(jì)。

2 對(duì)比實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證本文上述提出的識(shí)別方法在實(shí)際應(yīng)用中的可行性，選擇將農(nóng)業(yè)病蟲(chóng)害研究圖庫(kù)當(dāng)中的IDADP作為實(shí)驗(yàn)的測(cè)試圖像。為了確保最終得出的實(shí)驗(yàn)結(jié)果具有對(duì)比性，選擇將基于CNN的識(shí)別方法作為對(duì)照組，將本文提出的基于遷移學(xué)習(xí)的識(shí)別方法作為實(shí)驗(yàn)組，將兩組識(shí)別方法應(yīng)用到相同測(cè)試圖像上，并實(shí)現(xiàn)對(duì)其病蟲(chóng)害問(wèn)題的識(shí)別。針對(duì)獲取到的測(cè)試圖像，還需要對(duì)其進(jìn)行篩選和處理，選擇在露天或大棚場(chǎng)景中，且在自然光照射條件下拍攝的圖像，圖像的拍攝角度應(yīng)當(dāng)能夠使光路盡可能垂直于農(nóng)作物的器官所在平面，以此確保農(nóng)作物的器官均勻受光，并且農(nóng)作物應(yīng)當(dāng)盡可能在圖像中央位置。已知拍攝圖像的攝像機(jī)分辨率為6 000 ppi×4 000 ppi和 5 472 ppi×3 648 ppi兩種。在完成對(duì)測(cè)試圖像的選擇后，針對(duì)圖像中農(nóng)作物實(shí)際病蟲(chóng)害問(wèn)題，對(duì)其進(jìn)行分類(lèi)，大致劃分為正常葉片類(lèi)型、炭疽病類(lèi)型、黑斑病類(lèi)型和褐斑病類(lèi)型，共四種，為了方便論述分別編號(hào)為類(lèi)型A、類(lèi)型B、類(lèi)型C和類(lèi)型D。四種類(lèi)型的圖像均選用6 000 ppi×4 000 ppi的高分辨率圖像，圖像的數(shù)量均為150張。利用兩種圖像識(shí)別方法對(duì)測(cè)試圖像進(jìn)行識(shí)別，記錄最終的識(shí)別結(jié)果，并繪制成表1。

表1 實(shí)驗(yàn)組與對(duì)照組識(shí)別方法識(shí)別結(jié)果記錄表

從表1中記錄的識(shí)別結(jié)果可以看出，實(shí)驗(yàn)組識(shí)別方法得出的結(jié)果與實(shí)際測(cè)試圖像當(dāng)中病蟲(chóng)害類(lèi)型完全相同，而對(duì)照組識(shí)別方法得出的識(shí)別結(jié)果與實(shí)際病蟲(chóng)害類(lèi)型相差較大，并且存在未得出識(shí)別結(jié)果的圖像，且數(shù)量較多。因此，通過(guò)上述得出的實(shí)驗(yàn)結(jié)果可以初步證明，本文提出的基于遷移學(xué)習(xí)的識(shí)別方法在實(shí)際應(yīng)用中能夠?qū)崿F(xiàn)對(duì)農(nóng)業(yè)病蟲(chóng)害圖像的準(zhǔn)確識(shí)別，其識(shí)別精度高達(dá)100%。

為了進(jìn)一步探究本文識(shí)別方法的適應(yīng)性，分別針對(duì)上述測(cè)試圖像中兩種不同分辨率的圖像進(jìn)行病蟲(chóng)害識(shí)別，仍然將基于CNN的識(shí)別方法作為對(duì)照組，對(duì)比兩種識(shí)別方法在不同分辨率下對(duì)圖像中病蟲(chóng)害識(shí)別的速度。識(shí)別速度的計(jì)算公式為：

公式（2）中，ν表示為識(shí)別方法對(duì)圖像中病蟲(chóng)害識(shí)別的速度；t1表示為識(shí)別開(kāi)始時(shí)間；t2表示為識(shí)別結(jié)束時(shí)間；s表示為規(guī)定識(shí)別時(shí)間中的圖像識(shí)別個(gè)數(shù)。根據(jù)上述公式，計(jì)算得出實(shí)驗(yàn)組和對(duì)照組兩種識(shí)別方法的識(shí)別速度，并將結(jié)果記錄見(jiàn)表2。

表2 實(shí)驗(yàn)組與對(duì)照組病蟲(chóng)害圖像識(shí)別速度記錄表

從表2中得出的實(shí)驗(yàn)結(jié)果可以看出，實(shí)驗(yàn)組識(shí)別方法在分別對(duì)兩種不同分辨率圖像進(jìn)行識(shí)別時(shí)，其識(shí)別速度均在18～20張/s范圍內(nèi)，而對(duì)照組識(shí)別方法在對(duì)6 000 ppi×4 000 ppi分辨率圖像識(shí)別時(shí)其識(shí)別速度為11～12 張/s，而對(duì) 5 472 ppi×3 648 ppi分辨率圖像識(shí)別時(shí)識(shí)別速度明顯降低。因此，通過(guò)上述得出的實(shí)驗(yàn)結(jié)果進(jìn)一步證明，實(shí)驗(yàn)組識(shí)別方法能夠具備更快的識(shí)別速度，并且識(shí)別速度不會(huì)受到圖像分辨率的影響。綜合上述，兩組實(shí)驗(yàn)得出的結(jié)果綜合證明，本文提出的基于遷移學(xué)習(xí)的識(shí)別方法在實(shí)際應(yīng)用中能夠?qū)崿F(xiàn)對(duì)病蟲(chóng)害圖像準(zhǔn)確識(shí)別，并且能夠在保證識(shí)別精度的前提條件下提升識(shí)別速度，且識(shí)別速度不會(huì)受到外界條件因素影響。

3 結(jié)束語(yǔ)

本文嘗試將遷移學(xué)習(xí)技術(shù)應(yīng)用到圖像識(shí)別方法中，為了滿足智慧農(nóng)業(yè)要求，利用該方法對(duì)病蟲(chóng)害圖像進(jìn)行識(shí)別，并結(jié)合實(shí)驗(yàn)的方式驗(yàn)證了該方法的實(shí)際應(yīng)用效果。在實(shí)際應(yīng)用中，本文提出的圖像識(shí)別方法能夠有效解決由數(shù)據(jù)采集難度大、標(biāo)注成本高等問(wèn)題而造成的農(nóng)作物病蟲(chóng)害問(wèn)題識(shí)別精度低的問(wèn)題。同時(shí)，通過(guò)對(duì)本文識(shí)別方法的應(yīng)用能夠進(jìn)一步降低對(duì)農(nóng)作物圖像采集和人工識(shí)別的工作量，促進(jìn)智慧農(nóng)業(yè)的進(jìn)一步完善。