朱格 徐燕 孫瑩瑩 張磊

(華北水利水電大學(xué)，河南 鄭州 450046)

引言

進(jìn)入新時(shí)代，隨著當(dāng)今國(guó)際變局加速演進(jìn)，各種不確定難預(yù)料因素明顯增多，習(xí)近平總書(shū)記指出，農(nóng)業(yè)關(guān)系到生命安全、生存安全，是極端重要的國(guó)家安全。習(xí)近平總書(shū)記2023年3月十四屆全國(guó)人大一次會(huì)議指出，“農(nóng)業(yè)強(qiáng)國(guó)是社會(huì)主義現(xiàn)代化強(qiáng)國(guó)的根基，推進(jìn)農(nóng)業(yè)現(xiàn)代化是實(shí)現(xiàn)高質(zhì)量發(fā)展的必然要求”。農(nóng)作物病蟲(chóng)害防治是農(nóng)業(yè)生產(chǎn)中十分重要的工作。近年來(lái)，我國(guó)建立了較為完善的病蟲(chóng)害監(jiān)測(cè)網(wǎng)絡(luò)體系，病蟲(chóng)害監(jiān)測(cè)和防治能力大幅提高，我國(guó)多年來(lái)對(duì)主要作物病蟲(chóng)害進(jìn)行了有效防治，農(nóng)作物病蟲(chóng)害損失呈下降趨勢(shì)[1]。但受耕作制度和全球氣候變化影響，全國(guó)主要農(nóng)作物病蟲(chóng)害持續(xù)發(fā)生。如果監(jiān)測(cè)和控制得不到加強(qiáng)或發(fā)生削弱，就可能發(fā)生局部災(zāi)害。隨著城市化進(jìn)程的加快，全國(guó)植保體系整體面臨萎縮、后繼無(wú)人的局面，需要利用最新技術(shù)開(kāi)發(fā)智能化植保信息服務(wù)方式，幫助農(nóng)民提高作物保護(hù)決策的能力。在國(guó)家大數(shù)據(jù)戰(zhàn)略決策實(shí)施的指導(dǎo)下[2-4]，大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)的快速發(fā)展為智能植保信息服務(wù)平臺(tái)和服務(wù)終端的發(fā)展創(chuàng)造了條件[5-8]。為此，本文利用大數(shù)據(jù)、人工智能和深度學(xué)習(xí)技術(shù)開(kāi)發(fā)了基于機(jī)器學(xué)習(xí)的病害蟲(chóng)檢測(cè)和智能噴灑系統(tǒng)。該系統(tǒng)可安裝在智能手機(jī)上，只需用手機(jī)拍照，即可實(shí)現(xiàn)農(nóng)作物重點(diǎn)病蟲(chóng)害的識(shí)別、分析、決策和建議。精準(zhǔn)治理將為病蟲(chóng)害監(jiān)測(cè)與防治提供更加全面的支持，推進(jìn)技術(shù)進(jìn)步，為提高我國(guó)農(nóng)作物病蟲(chóng)害監(jiān)測(cè)與防治水平創(chuàng)造條件[9，10]。

1 系統(tǒng)方案設(shè)計(jì)

目前，農(nóng)田管理工作者對(duì)于農(nóng)作物的管護(hù)，主要包括巡視整個(gè)農(nóng)田，確保能夠及時(shí)并且無(wú)遺漏地發(fā)現(xiàn)病蟲(chóng)害，識(shí)別該病蟲(chóng)害的種類，并提供精準(zhǔn)對(duì)癥的藥物治療。該系統(tǒng)致力于解決農(nóng)田病蟲(chóng)害治理的應(yīng)用需求，以更加科學(xué)的方式防治病蟲(chóng)害，降低防治病蟲(chóng)害的學(xué)習(xí)成本，遠(yuǎn)程控制農(nóng)藥噴灑，極大地解放勞動(dòng)力。本系統(tǒng)包含的模塊信息見(jiàn)表1。

表1 系統(tǒng)模塊信息

2 硬件設(shè)計(jì)

2.1 硬件部分

硬件部分由樹(shù)莓派和噴藥系統(tǒng)組成，樹(shù)莓派主要負(fù)責(zé)信息傳遞及處理，噴藥系統(tǒng)主要負(fù)責(zé)農(nóng)藥噴灑。具體流程：用戶在手機(jī)上操作軟件，點(diǎn)擊開(kāi)始檢測(cè)按鈕后，樹(shù)莓派收到來(lái)自服務(wù)器的請(qǐng)求；樹(shù)莓派通過(guò)攝像模塊拍攝圖片并發(fā)送給服務(wù)器；用戶點(diǎn)擊開(kāi)始噴藥按鈕時(shí)，樹(shù)莓派同樣會(huì)收到來(lái)自服務(wù)器的請(qǐng)求，此時(shí)樹(shù)莓派會(huì)選擇對(duì)應(yīng)的水泵，通過(guò)控制繼電器的高低電平開(kāi)關(guān)，來(lái)控制水泵工作，水泵會(huì)從藥桶中抽取藥物并從霧化噴頭噴出。設(shè)備硬件構(gòu)造見(jiàn)圖1。

圖1 硬件構(gòu)造圖

2.2 硬件接口

2.2.1 通用輸入/輸出接口GPIO

通過(guò)GPIO接口來(lái)控制繼電器的高低電平，從而控制每個(gè)水泵的抽水功能。

2.2.2 I2C(Inter-Integrated Circuit)

在系統(tǒng)中，使用I2C來(lái)控制PCF8591模塊，通過(guò)PCF8591模塊從水位傳感器獲取水位信息并傳送給樹(shù)莓派。

2.2.3 電源和接地

樹(shù)莓派中共提供2個(gè)5V引腳、2個(gè)3V引腳以及8個(gè)接地引腳，用來(lái)給繼電器、PCF8591模塊以及水位傳感器供電。

2.3 數(shù)據(jù)傳送協(xié)議

樹(shù)莓派和服務(wù)器之間使用基于TCP的WebSocket進(jìn)行連接，當(dāng)用戶點(diǎn)擊某個(gè)操作時(shí)，服務(wù)器會(huì)主動(dòng)向樹(shù)莓派發(fā)送請(qǐng)求，樹(shù)莓派接收到請(qǐng)求后，會(huì)做出相應(yīng)的操作。拍攝照片、實(shí)時(shí)噴藥都通過(guò)TCP來(lái)完成，拍攝交互和噴藥交互見(jiàn)圖2、圖3。

圖2 拍攝交互示意圖

圖3 噴藥交互示意圖

3 軟件設(shè)計(jì)

3.1 軟件設(shè)計(jì)思路

系統(tǒng)為用戶提供了網(wǎng)頁(yè)版登錄/注冊(cè)/使用界面，注冊(cè)后登錄，綁定設(shè)備，即可檢測(cè)農(nóng)田的病蟲(chóng)害狀況，使用系統(tǒng)進(jìn)行病蟲(chóng)害清除。用戶登錄成功后，選擇進(jìn)行操作的設(shè)備開(kāi)始檢測(cè)，設(shè)備檢測(cè)成功后自動(dòng)停止，為用戶展示檢測(cè)的結(jié)果并提出建議，顯示可能存在病蟲(chóng)害的種類、概率，距上一次噴藥的天數(shù)，以及對(duì)于噴灑農(nóng)藥的建議。軟件還包含了用戶的注冊(cè)，用戶查看歷史檢測(cè)信息等功能，流程圖見(jiàn)圖4。

圖4 設(shè)計(jì)流程圖

3.2 軟件設(shè)計(jì)過(guò)程

軟件部分使用B/S結(jié)構(gòu)，前端通過(guò)H5實(shí)現(xiàn)，后端通過(guò)ASP.NET MVC實(shí)現(xiàn)。用戶可以在瀏覽器上訪問(wèn)網(wǎng)站來(lái)進(jìn)行一系列操作。用戶界面設(shè)計(jì)見(jiàn)圖5。

圖5 系統(tǒng)設(shè)計(jì)頁(yè)面

3.3 系統(tǒng)使用設(shè)計(jì)

用戶可使用手機(jī)進(jìn)入網(wǎng)站，注冊(cè)成功后就可以使用。登錄賬號(hào)后，可以添加設(shè)備、查看所有擁有的設(shè)備信息、每個(gè)設(shè)備的詳細(xì)內(nèi)容、并開(kāi)始新的檢測(cè)活動(dòng)，具體的頁(yè)面設(shè)計(jì)和使用操作如下所示，見(jiàn)圖6。

圖6 系統(tǒng)使用說(shuō)明

3.3.1 登錄與注冊(cè)

用戶打開(kāi)鏈接進(jìn)入登錄界面。登錄界面提供了登錄注冊(cè)功能，用戶名為手機(jī)號(hào)。登錄失敗會(huì)輸出提示，登錄成功則進(jìn)入主界面。注冊(cè)頁(yè)面用戶需要輸入用戶名，2次輸入密碼。若用戶再次購(gòu)買(mǎi)本產(chǎn)品，可在主界面設(shè)置功能中添加設(shè)備信息。

3.3.2 主界面

主界面如圖6b所示，頁(yè)面顯示了登錄用戶的所有設(shè)備編號(hào)及其防治的農(nóng)作物名稱，用戶選擇需要進(jìn)行操作設(shè)備，進(jìn)入開(kāi)始檢測(cè)(設(shè)備信息)頁(yè)面，可以修改設(shè)備信息，或者進(jìn)行檢測(cè)操作。

3.3.3 添加設(shè)備

用戶若在主頁(yè)面選擇添加設(shè)備，則彈出此頁(yè)面。輸入設(shè)備的序列號(hào)，希望每個(gè)水泵治療的病蟲(chóng)害名稱，以及每個(gè)水泵對(duì)應(yīng)存儲(chǔ)器保存的農(nóng)藥。

3.3.4 開(kāi)始檢測(cè)

用戶選擇要進(jìn)行操作的設(shè)備后，點(diǎn)擊開(kāi)始檢測(cè)按鈕，設(shè)備開(kāi)始運(yùn)作并將結(jié)果在檢測(cè)結(jié)果頁(yè)面顯示，點(diǎn)擊修改信息可以對(duì)信息進(jìn)行修改。

3.3.5 檢測(cè)結(jié)果

界面上是拍攝的農(nóng)田病蟲(chóng)害照片，其下有4個(gè)圓形標(biāo)識(shí)，分別表示：可能存在病害蟲(chóng)的種類，顯示被監(jiān)測(cè)到的病蟲(chóng)害最有可能是什么種類；可能存在病蟲(chóng)害的概率，點(diǎn)擊后顯示圖標(biāo)表示含義和實(shí)際概率；距上一次噴灑農(nóng)藥的天數(shù)，點(diǎn)擊后顯示圖標(biāo)表示含義和實(shí)際天數(shù)；是否建議噴灑，點(diǎn)開(kāi)顯示建議。

4個(gè)圈外顯示顏色表示嚴(yán)重程度，綠色代表健康，紅色代表很有可能遭受病蟲(chóng)害。

4 Darknet深度學(xué)習(xí)框架的YOLO v3

(1)

簡(jiǎn)單求和還需考慮每個(gè)損失的貢獻(xiàn)。YOLO設(shè)置coordErr權(quán)重λcoord=5。在計(jì)算IOU誤差時(shí)，IOU誤差對(duì)網(wǎng)絡(luò)損失的貢獻(xiàn)對(duì)于有物體的網(wǎng)絡(luò)和沒(méi)有物體的網(wǎng)絡(luò)是不同的。如使用相同的權(quán)重，沒(méi)有物體的網(wǎng)格的置信度值幾乎為0，在計(jì)算網(wǎng)絡(luò)參數(shù)的梯度時(shí)掩蓋了有物體的網(wǎng)格的置信度誤差的影響。為了解決這個(gè)問(wèn)題，YOLO將iouErr修改為λnoobj=0.5。這里的“包含”是指存在一個(gè)中心坐標(biāo)在網(wǎng)格上的對(duì)象。給定相同的錯(cuò)誤值，大對(duì)象的錯(cuò)誤對(duì)檢測(cè)的影響應(yīng)該小于小對(duì)象的錯(cuò)誤。這是因?yàn)榫哂邢嗤恢谜`差的物體具有相同小誤差的比例要小得多。YOLO通過(guò)對(duì)物體大小信息(w和h)取平方根來(lái)解決這個(gè)問(wèn)題，但是并不能完美解決這個(gè)問(wèn)題。

YOLO v3的結(jié)構(gòu)見(jiàn)圖7。

圖7 YOLOv3結(jié)構(gòu)圖

DBL：Darknetconv2d_BN_Leaky是代碼中yolo_v3的基礎(chǔ)組件。這就是卷積+BN+Leaky Relu。

Resn：n是一個(gè)包含res1，res2，…，res8等的數(shù)字，表示這個(gè)res_block中res_units的個(gè)數(shù)。

Concat：張量拼接。darknet中間層和后面特定層的上采樣展開(kāi)拼接。拼接操作與余數(shù)層加法操作的不同之處在于，加法不會(huì)改變張量的維數(shù)，而拼接會(huì)增加張量的維數(shù)。

5 數(shù)據(jù)庫(kù)設(shè)計(jì)

將所得到的應(yīng)用需求抽象為信息世界的結(jié)構(gòu)(E-R模型)，用E-R圖來(lái)描述。系統(tǒng)關(guān)系到的實(shí)體主要有用戶、設(shè)備、水泵、病蟲(chóng)害、農(nóng)作物，系統(tǒng)數(shù)據(jù)庫(kù)ER圖如圖8所示。

圖8 系統(tǒng)數(shù)據(jù)庫(kù)ER圖

將E-R圖向關(guān)系模式轉(zhuǎn)化，也就是將實(shí)體、實(shí)體的屬性聯(lián)系轉(zhuǎn)化為關(guān)系模式，如表2所示。

表2 系統(tǒng)數(shù)據(jù)庫(kù)匯總表及功能說(shuō)明

6 系統(tǒng)應(yīng)用

實(shí)地收集各種農(nóng)作物病蟲(chóng)害的照片作為訓(xùn)練集，使用Darknet進(jìn)行訓(xùn)練，反復(fù)對(duì)數(shù)據(jù)進(jìn)行迭代。隨著數(shù)據(jù)的迭代，損失函數(shù)會(huì)越來(lái)越小，損失函數(shù)越小代表預(yù)測(cè)值與真實(shí)值的差異越小。如果訓(xùn)練次數(shù)過(guò)少，損失函數(shù)沒(méi)有達(dá)到最小的狀態(tài)，就會(huì)出現(xiàn)欠擬合的現(xiàn)象；反之，如果訓(xùn)練次數(shù)過(guò)多，損失函數(shù)的值會(huì)上升，出現(xiàn)過(guò)擬合的現(xiàn)象。欠擬合和過(guò)擬合都會(huì)導(dǎo)致測(cè)試結(jié)果出現(xiàn)偏差。因?yàn)橛?xùn)練時(shí)并不知道第幾次迭代，所以在每迭代一定次數(shù)時(shí)就要把訓(xùn)練的模型保存下來(lái)，訓(xùn)練完成后對(duì)各個(gè)模型進(jìn)行測(cè)試，尋找到一個(gè)擁有最佳測(cè)試結(jié)果的模型作為要使用的檢測(cè)模型。

表3展示了不同迭代次數(shù)導(dǎo)致的過(guò)擬合和欠擬合現(xiàn)象對(duì)識(shí)別精度的影響。對(duì)4個(gè)迭代次數(shù)不同的模型進(jìn)行測(cè)試，在迭代19600次和迭代15000次時(shí)的模型都會(huì)過(guò)擬合，出現(xiàn)識(shí)別概率太高或太低的現(xiàn)象；而迭代次數(shù)為7000次的模型因?yàn)榈螖?shù)太少導(dǎo)致欠擬合，會(huì)出現(xiàn)識(shí)別概率太低的現(xiàn)象；迭代10000次的模型在之中擬合程度最好，且所有圖片均正常識(shí)別，平均精度達(dá)到了94%，最大精度達(dá)到了99%。

表3 不同迭代次數(shù)的模型識(shí)別精度

7 結(jié)論

本文設(shè)計(jì)了一個(gè)智能檢測(cè)農(nóng)田病蟲(chóng)害情況及噴藥系統(tǒng)。利用Darknet深度學(xué)習(xí)框架下的YOLO v3技術(shù)，通過(guò)攝像模塊拍攝農(nóng)田照片，對(duì)采集圖片中的病蟲(chóng)害進(jìn)行識(shí)別并分類；將病蟲(chóng)害種類、存在概率等信息展示給用戶，并以此提出合理的建議；用戶登錄管理系統(tǒng)，可對(duì)所擁有的設(shè)備進(jìn)行操作，實(shí)時(shí)檢測(cè)農(nóng)作物健康狀況，一鍵噴灑藥物。該系統(tǒng)有助于提高農(nóng)業(yè)生產(chǎn)精準(zhǔn)化、智能化水平，推進(jìn)農(nóng)業(yè)資源利用方式轉(zhuǎn)變，也為加快建設(shè)農(nóng)業(yè)強(qiáng)國(guó)，推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化提供有力支撐。