基于AI圖像識別的煙草制品蟲情監測系統的設計與實現

周繼來

（紅云紅河煙草（集團）有限責任公司 云南省昆明市 650000）

控制煙草制品中的蟲口數量，目前主要采用的是通過蟲情監測掌握蟲情變化，結合深度清潔、物理防控、化學藥劑防治的方式進行聯防聯控[1]。在蟲情監測環節，主要依靠人工記錄倉間或廠房內“性信息素誘捕器”上煙草甲、煙草粉螟的新增數量和累計數量。對于該項工作，存在以下兩個問題：一是倉庫點多、面廣，人員在記錄蟲情的過程中勞動強度較大。二是人員記錄過程中存在記錄不夠準確、不及時等問題，對于蟲害防治的及時性和有效性提出了較大的挑戰[2]。

行業發展前沿的蟲情監測手段，主要分為如下幾種：一是應用遠程拍照、遠程通信、圖像處理等物聯網技術,研發了昆蟲遠程性誘測報裝置,改進了傳統性誘測報方式。開發了基于Android 的害蟲蟲情田間采集APP 端(以下簡稱APP 端),實現田間蟲害信息采集的信息化.基于遠程性誘圖像采集和APP 端,建立了蟲情數據庫，構建了作物蟲情采集監測預警系統。該系統的應用便于基層植保技術人員進行蟲情數據采集、查詢，以及蟲害預警信息的發布，實現作物害蟲監測預警的信息化[3]。二是建立煙草蟲情監控系統，包括通過網絡連接通信的蟲情服務器、采集客戶端以及監控客戶端；監控區域內設有多個位置不同的誘捕器；各誘捕器上分別設有記錄有相應誘捕器位置信息的RFID 電子標簽。采集客戶端用于誘捕器位置和蟲情信息的采集，蟲情服務器用于單點或區域位置蟲情的分布情況分析，蟲情服務器輸出的蟲情分布統計信息能夠通過監控客戶端展示給客戶端用戶[4]。以上的兩項研究，主要基于移動APP 和Web Service 的方法進行蟲情監測，隨著智慧物流的不斷發展，云計算、大數據、物聯網、AI 等技術不斷深化至各個領域，目前行業內針對AI 圖像識別蟲情實現檢測的系統還處于空白，因此，本論文針對如何運用AI 圖像識別技術，針對煙草行業主要的蟲情（煙草甲、煙草粉螟）進行識別，建立對應的自學習機制，對今后推行AI 圖像識別蟲情監測的相關企業來說，具有較好地參考借鑒意義。

1 系統設計

1.1 系統架構

AI 圖像識別主要基于深度學習的視覺監測技術，具體方法是通過對計算機輸入一定數量的某種信息，標注信息具體類別，經由卷積神經網絡學習形成訓練模型，讓機器具有對該種信息的不同類別進行識別和判定的能力，從而讓計算機像人腦一樣“學會”某一種判別規則，構建一種基于歷史信息的判別機制。

圖1：基于AI 圖像的蟲情監測系統構架

圖2：SVM 建模過程

圖3：蟲情每周實時新增數據及趨勢

對于基于AI 圖像的蟲情監測系統構建，如圖1所示。

1.2 煙草甲、煙草粉螟AI識別系統設計與實現

圖4：蟲情每周實時新增數據及趨勢

圖5：熏蒸計劃下達

基于SVM 向量機算法開展煙草甲、煙草粉螟的AI 智能識別，其主要實現如下：定義線性判別函數為f(x)=w·x+b，對應的分類面方程為w·x+b=0，其中x 為輸入量，w 為可調權值向量，b 是偏置。將函數進行歸一化，使兩類所有樣本都滿足|f(x)|≥1，也就是離樣本分類面最近的樣本的f(x)=1，若要求分類面所有的樣本都正確分類需滿足：

定義一個Lagrange 函數：

求解上述問題后得到的最優分類函數為：

對于線性不可分情況，可以通過引入松弛變量ξ，允許錯分樣本的存在，此時，目標函數為：

相應的分類函數也變為：

從本質上看，煙草甲識別、煙草粉螟識別等屬于二分類的范疇。所以在建模的過程中，為了提高分類器的處理速度及精度，建立了2 個二分類SVM 模型。二分類SVM 設備診斷模型的建模過程，如圖2所示。

在圖2 的建模過程中，總訓練集包括煙草甲數據集S1、煙草粉螟數據集S2。

2 應用效果

運用AI 圖像識別技術，與現有的磷化氫智能監測系統相關聯，實現了如下功能：

（1）通過AI 圖像識別技術自動錄入庫內性信息素誘捕器蟲情數據，系統中可實時記錄煙草甲、煙草粉螟數量變化，可展示每周新增趨勢。如圖3所示。

（2）通過AI 圖像識別技術可細分多個庫區、不同樓層倉間內的每周蟲情新增煙草甲、煙草粉螟相關累計數及新增數，并能準確導出蟲情監測數據報表，如圖4所示。

（3）能夠根據蟲情的實際情況，具體為平均每周誘捕煙草甲蟲數量超過10 頭或煙草粉螟數量超過15 頭時，啟動相應的蟲害治理流程，針對庫區、倉間、樓層設置對應的熏蒸作業，明確施藥類型和具體的施藥劑量，安全開展熏蒸作業，如圖5所示。

3 結論

通過基于AI 圖像識別的蟲情檢測系統的實現，實現了煙草甲、煙草粉螟的自動識別和實時監測，解決了傳統意義上依靠人工讀數檢測醇化庫各樓層性誘捕器上蟲情數帶來的戰線長、時間久等問題，減輕了操作人員的勞動強度。通過將蟲情的特性信息以工業相機識別的方式，采用SVM 算法，實現了AI 自動檢測，智能識別性誘捕器上煙草甲、煙草粉螟的數量情況，具有較好地檢測精度，并具有廣闊的推廣價值，今后可運用該技術識別更多類型的蟲情信息，進行自動檢測，更好地推廣至煙草行業以外的其他行業，為全面實現蟲害有效的防治打下堅實基礎。