蘋果樹病蟲害智能識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

李 海，李誼駿，陳詩果，楊 謀

(電子科技大學(xué)成都學(xué)院，成都 611731)

中國(guó)是世界上最大的蘋果生產(chǎn)國(guó)，蘋果種植面積和產(chǎn)量均占世界50%以上。然而中國(guó)蘋果的品質(zhì)與發(fā)達(dá)國(guó)家相比還存在一定的差距，其中落后的病蟲害防控水平是制約中國(guó)蘋果發(fā)展的主要因素，病蟲害防控對(duì)于果農(nóng)行業(yè)是亟須解決的難點(diǎn)與痛點(diǎn)。所以有效的病蟲害有效檢測(cè)與早期防治可以提升蘋果的質(zhì)量與產(chǎn)量。

現(xiàn)階段，中國(guó)防治蘋果樹病蟲害的主要方法有兩種：“防治歷”和單一的病蟲害檢測(cè)方法。通過“防治歷”對(duì)病蟲害進(jìn)行防治是依據(jù)往年的病蟲害發(fā)生情況而進(jìn)行的，其往往會(huì)錯(cuò)過病蟲害的關(guān)鍵時(shí)期，效果不佳。近幾年來學(xué)者們和科研工作者都進(jìn)行了多方面的研究，大多都是利用神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別算法來提升對(duì)果樹、蔬菜和林木等病蟲害的識(shí)別和防治。其中常見的算法有K均值聚類算法(K-means)[1]、YOLO(you only look once)和基于卷積神經(jīng)網(wǎng)絡(luò)特征的區(qū)域方法(regions with CNN features，R-CNN)等。其中高旋等[2]提出了利用R-CNN對(duì)立木圖像的檢測(cè)與識(shí)別，還有學(xué)者使用Tamura方法進(jìn)行病蟲害的防治[3]，有學(xué)者[4-5]提出了利用傳統(tǒng)YOLO或改進(jìn)YOLO-V3網(wǎng)絡(luò)方法進(jìn)行病蟲害識(shí)別與防治。

由于神經(jīng)網(wǎng)絡(luò)檢測(cè)本身就具有復(fù)雜性、不確定性、多樣性，所以以上大部分研究本身就存在一些無法解決的問題，比如它往往識(shí)別的是果樹最終的病害圖像，無法在病蟲害侵襲的初期就將其檢測(cè)出來；因?yàn)槭菍⒅参锶~子上斑點(diǎn)的特征與病蟲害的典型特征進(jìn)行對(duì)比來達(dá)到識(shí)別的目的，所以往往容易出現(xiàn)局部最優(yōu)解和梯度消失等問題，從而導(dǎo)致識(shí)別率較低；……