基于圖像智能識(shí)別的農(nóng)作物防治系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)

郎雨佳　駱冰潔　代麗

摘? 要： 農(nóng)藥播撒在農(nóng)作生產(chǎn)環(huán)節(jié)中至關(guān)重要，針對(duì)我國(guó)存在農(nóng)藥漏用、亂用的現(xiàn)象，設(shè)計(jì)的農(nóng)作物防治系統(tǒng)將信息技術(shù)與農(nóng)業(yè)生產(chǎn)相結(jié)合，基于Spring MVC框架，構(gòu)建移動(dòng)端微信小程序與后端管理系統(tǒng)，集合了病蟲害圖像識(shí)別、疫區(qū)防治信息維護(hù)和代理防控等模塊。系統(tǒng)覆蓋“播種—查蟲—識(shí)別—防治”的業(yè)務(wù)閉環(huán)，提高了農(nóng)業(yè)生產(chǎn)效率，助力我國(guó)農(nóng)業(yè)信息化發(fā)展。

關(guān)鍵詞： 智能識(shí)別; 病蟲害; 農(nóng)作物防治; 微信小程序

中圖分類號(hào)：S435? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2022）02-50-05

Design and development of crop control system based on image intelligent recognition

Lang Yujia， Luo Bingjie， Dai Li

（School of Economics and Management， Zhejiang Sci-Tech University， Hangzhou， Zhejiang 310018， China）

Abstract： Pesticide sowing is very important in the process of agricultural production. In view of the phenomenon of missing use and indiscriminate use of pesticide in China， this crop control system combines information technology with agricultural production， constructs mobile WeChat Mini Program and back-end management system based on Spring MVC framework， and integrates modules such as diseases and insect pest image recognition， epidemic area control information maintenance and agent of prevention and control. The system covers the closed-loop business of "seeding- insects checking-identifying-preventing and controlling"， which improves the efficiency of agricultural production and helps the development of agricultural informatization in China.

Key words： intelligent recognition; diseases and insect pests; crop control; WeChat Mini Program

0 引言

通過(guò)對(duì)國(guó)內(nèi)外病蟲害預(yù)報(bào)和識(shí)別的研究發(fā)現(xiàn)，相比發(fā)達(dá)國(guó)家，我國(guó)對(duì)農(nóng)業(yè)信息資源的管理較混亂，測(cè)報(bào)技術(shù)較落后，大量的農(nóng)業(yè)病蟲害資料仍未按照統(tǒng)一標(biāo)準(zhǔn)進(jìn)行收集。另外，農(nóng)業(yè)防治專家與農(nóng)戶間存在“信息孤島”現(xiàn)象，無(wú)法及時(shí)有效地處理病蟲害問(wèn)題。為了更好地對(duì)病蟲害情況進(jìn)行測(cè)報(bào)、匯報(bào)和交流，本系統(tǒng)按照統(tǒng)一標(biāo)準(zhǔn)與規(guī)范進(jìn)行信息采集，打破專家和農(nóng)戶之間的隔閡。在病蟲害測(cè)報(bào)工作中，采用新興機(jī)器學(xué)習(xí)技術(shù)，準(zhǔn)確識(shí)別蟲害的發(fā)生，做到精準(zhǔn)防治[1-2]。

1 系統(tǒng)可行性和需求分析

1.1 可行性分析

從經(jīng)濟(jì)可行性方面來(lái)看，系統(tǒng)意在打破專家與農(nóng)戶之間的“信息孤島”[3]，解決農(nóng)作物病蟲害識(shí)別難的問(wèn)題，提高農(nóng)業(yè)生產(chǎn)效率，從而推動(dòng)農(nóng)業(yè)信息化發(fā)展。

從市場(chǎng)可行性方面來(lái)看，疫情防控進(jìn)入常態(tài)化，部分地區(qū)采取限制出入、封路等措施，阻礙農(nóng)業(yè)專家實(shí)地走訪與現(xiàn)場(chǎng)指導(dǎo)。因此，市場(chǎng)對(duì)于“非接觸”、遠(yuǎn)程服務(wù)需求快速擴(kuò)張，農(nóng)戶對(duì)作物防治指導(dǎo)的需求從線下轉(zhuǎn)為線上，農(nóng)業(yè)防治數(shù)字化迎來(lái)難得的市場(chǎng)機(jī)遇。

從操作可行性方面來(lái)看，平臺(tái)面向農(nóng)戶采用移動(dòng)端微信小程序，界面友好、操作簡(jiǎn)單，面向?qū)＜遗c管理員采用PC端網(wǎng)頁(yè)，交互性強(qiáng)，操作便利。

從技術(shù)可行性方面來(lái)看，前端Bootstrap框架、后端Spring MVC框架、MySql數(shù)據(jù)庫(kù)等開(kāi)發(fā)所需技術(shù)都已高度成熟。數(shù)據(jù)分析、基于CNN的圖像識(shí)別、圖像處理等智能技術(shù)已有較多國(guó)內(nèi)外的開(kāi)源項(xiàng)目供參考，技術(shù)風(fēng)險(xiǎn)小[4]。

1.2 需求分析

系統(tǒng)旨在通過(guò)新型計(jì)算機(jī)技術(shù)手段改善優(yōu)化傳統(tǒng)農(nóng)作行駛中的弊端，優(yōu)化依靠種植經(jīng)驗(yàn)播灑農(nóng)藥中存在盲目用藥、過(guò)度用藥問(wèn)題，同時(shí)構(gòu)建農(nóng)戶與農(nóng)業(yè)專家之間的溝通橋梁，使農(nóng)戶在作物病蟲害防治過(guò)程中遠(yuǎn)程快速獲得專家指導(dǎo)，而專家可通過(guò)系統(tǒng)獲悉各地間出現(xiàn)的病蟲害，為新型病蟲害的發(fā)現(xiàn)提供幫助，形成二者之間的正向互助循環(huán)，在此基礎(chǔ)上整體實(shí)現(xiàn)“播種—查蟲—識(shí)別—防治”的業(yè)務(wù)閉環(huán)。

根據(jù)農(nóng)戶、管理員、專家的需求分析，系統(tǒng)功能可劃分為十個(gè)模塊，系統(tǒng)功能模塊圖如圖1所示。

農(nóng)戶的需求主要是農(nóng)田的信息化管理、田間病蟲害的識(shí)別、識(shí)別后的后續(xù)防控、信息百科資訊查詢等;管理員的需求主要是數(shù)據(jù)的維護(hù)整合、相關(guān)專家人員的審批、管理與代理防控的執(zhí)行;專家的需求主要是人工識(shí)別的技術(shù)知識(shí)保障、個(gè)人信息的查看與識(shí)別記錄的回顧。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)架構(gòu)設(shè)計(jì)

系統(tǒng)架構(gòu)圖如圖2所示，移動(dòng)端選用微信小程序搭載[5-6]，網(wǎng)頁(yè)端后臺(tái)管理系統(tǒng)選用Bootstrap框架和ECharts組件搭建。其次，利用Spring MVC構(gòu)建后端框架以接受與響應(yīng)HTTP請(qǐng)求，數(shù)據(jù)持久層利用Java結(jié)合MyBatis框架搭建架構(gòu)[7]，數(shù)據(jù)庫(kù)選用MySql。在圖像識(shí)別功能上，系統(tǒng)選用Python搭建TensorFlow的環(huán)境，搭載PlantVillage數(shù)據(jù)集。在路線規(guī)劃上，借助爬山算法實(shí)現(xiàn)最優(yōu)路徑選址。

2.2 功能模塊設(shè)計(jì)

本系統(tǒng)具體的業(yè)務(wù)功能主要從用戶角度劃分，分為農(nóng)戶、管理員、專家三類。

表1～表3為面向農(nóng)戶、管理員、專家的功能模塊介紹，其中面向農(nóng)戶的功能模塊主要有農(nóng)作管理、智能識(shí)別管理、專家識(shí)別管理、防治區(qū)管理、代理防控管理等，面向管理員的功能模塊主要有專家管理、后臺(tái)信息維護(hù)和代理防治管理等，面向?qū)＜业墓δ苣K主要是個(gè)人管理模塊和專家識(shí)別管理模塊。

2.3 主要功能設(shè)計(jì)

2.3.1 病蟲害識(shí)別

“智能識(shí)別”功能旨在讓農(nóng)戶通過(guò)拍照識(shí)別快速獲取作物病害原因及治療方法。具體流程：農(nóng)戶首先對(duì)受病蟲害的作物葉片進(jìn)行拍攝并上傳照片至平臺(tái)，平臺(tái)交由系統(tǒng)后端來(lái)判斷照片格式是否合法。確認(rèn)無(wú)誤后，系統(tǒng)后端運(yùn)行識(shí)別腳本，生成識(shí)別記錄，更新數(shù)據(jù)庫(kù)后返回至用戶前端展示。

若識(shí)別無(wú)效或農(nóng)戶對(duì)結(jié)果不滿意，系統(tǒng)還提供“專家識(shí)別”服務(wù)。與智能識(shí)別服務(wù)流程類似，農(nóng)戶在上傳照片的同時(shí)，還需提供作物病狀描述以輔助識(shí)別，選定合適的專家后即可提交申請(qǐng)。待系統(tǒng)確認(rèn)后，農(nóng)戶即可等待專家反饋結(jié)果。

2.3.2 疫區(qū)防治信息維護(hù)

在“疫區(qū)防治信息維護(hù)”功能上，系統(tǒng)選擇利用日歷控件實(shí)現(xiàn)不同日期添加與查看防治區(qū)的防治記錄信息，減少農(nóng)戶在病蟲害防治過(guò)程中遺漏播撒農(nóng)藥或重復(fù)播撒農(nóng)藥情況的概率。

2.3.3 代理防控

在“代理防控”功能上，首先需農(nóng)戶通過(guò)移動(dòng)端小程序填寫疫區(qū)信息后提交代理防控申請(qǐng)，申請(qǐng)通過(guò)后系統(tǒng)存儲(chǔ)并反饋內(nèi)容至后臺(tái)管理系統(tǒng)，最后向農(nóng)戶反饋審核結(jié)果。

管理員登錄后臺(tái)管理系統(tǒng)，在相應(yīng)頁(yè)面批量選中一次任務(wù)所需處理的防治區(qū)域列表。系統(tǒng)接收列表信息并智能規(guī)劃最優(yōu)路徑，管理員根據(jù)信息調(diào)配操控公共物資來(lái)執(zhí)行具體防控，結(jié)束后系統(tǒng)生成代理防控記錄，讓農(nóng)戶通過(guò)平臺(tái)查看記錄。

圖3為病蟲害識(shí)別、疫區(qū)防治信息維護(hù)、代理防控三個(gè)功能業(yè)務(wù)流程的設(shè)計(jì)展示圖。

2.4 病蟲害識(shí)別

系統(tǒng)使用Python語(yǔ)言搭建TensorFlow的環(huán)境，并作為運(yùn)行腳本與Java結(jié)合完成圖像識(shí)別模塊功能模塊。綜合權(quán)威性、覆蓋面、時(shí)效性等因素，系統(tǒng)選用PlantVillage開(kāi)源數(shù)據(jù)集，并通過(guò)tfds.builder獲取與加載。病蟲害智能識(shí)別功能使用改良CNN[8-10]完成，模塊以最大池化方式搭建九層神經(jīng)網(wǎng)絡(luò)，分別包括五層的卷積層、三層的池化層以及最后的全局池化層，設(shè)置首層的卷積核尺寸為9*9dpi。最終通過(guò)網(wǎng)絡(luò)迭代，將源數(shù)據(jù)集256*256dpi的圖像格式用softmax分類器轉(zhuǎn)換為38個(gè)標(biāo)簽，即對(duì)應(yīng)著38種不同的病蟲害類型。

農(nóng)戶只需在小程序端的首頁(yè)下方子選項(xiàng)卡中點(diǎn)擊“拍照識(shí)別”按鈕，并拍照上傳圖片。算法1為移動(dòng)端拍照處理的算法，經(jīng)真機(jī)測(cè)試，病蟲害圖像識(shí)別平均準(zhǔn)確率在90%以上，用戶使用手機(jī)攝像頭拍攝的圖像經(jīng)網(wǎng)絡(luò)識(shí)別后能有效反饋病蟲害類別，計(jì)算及處理時(shí)間大致在4-8秒之間。

算法1 移動(dòng)端拍照識(shí)別處理

輸入：圖片文件file、地理信息latitude和longtitude。

輸出：圖像識(shí)別結(jié)果。

（a） 初始化：filename= ile.getOriginalFilename（），

type=fileName.indexOf（"."）！=-1？fileName.substring（fileName.lastIndexOf（"."）+1， fileName.length（））：null;

（b） 判斷文件是否為圖像格式，是則轉(zhuǎn)步驟（c），否則返回error;

（c） 設(shè)置存放圖片文件的路徑path;

（d） 服務(wù)層執(zhí)行如下語(yǔ)句，獲取識(shí)別結(jié)果identifyResult;

Process process=Runtime.getRuntime（）.exec

（"python 腳本文件"+picPath）;

InputStreamReader ir=newInputStreamReader

（process.getInputStream（），"GBK"）;

LineNumberReader input=new LineNumberReader（ir）;

identifyResult=input.readLine（）;

（e） 封裝反饋信息，獲取病蟲害名稱pestName、識(shí)別可行度possibllity等;

（f） 向數(shù)據(jù)庫(kù)插入當(dāng)前識(shí)別記錄;

（g） 返回識(shí)別結(jié)果："病癥："+pestName+"識(shí)別可信度：

"+possibility+"更多內(nèi)容請(qǐng)點(diǎn)擊[識(shí)別記錄](méi)頁(yè)面！"。

2.5 疫區(qū)防治信息維護(hù)

在疫區(qū)防治信息維護(hù)模塊，農(nóng)戶用戶可以利用日歷控件添加與查看對(duì)于受蟲害地區(qū)的治操作，以提高農(nóng)作播灑農(nóng)藥過(guò)程中的信息化程度。操作流程類似于成長(zhǎng)信息維護(hù)模塊，用戶可在首頁(yè)點(diǎn)擊“我的疫區(qū)”查看并增加、刪除、修改已注冊(cè)的疫區(qū)，在首頁(yè)點(diǎn)擊“我的防控”按鈕進(jìn)入子頁(yè)面，選擇任意一條疫區(qū)信息后可進(jìn)入疫區(qū)防治記錄頁(yè)面，通過(guò)日歷控件選擇不同日期添加疫區(qū)的防治記錄信息，減少用戶在病蟲害防治過(guò)程中出現(xiàn)遺漏撒農(nóng)藥或重復(fù)撒農(nóng)藥情況的概率。

2.6 代理防控審核與執(zhí)行

在農(nóng)戶用戶通過(guò)移動(dòng)端小程序提出代理防控申請(qǐng)后，管理員可以通過(guò)網(wǎng)頁(yè)端后臺(tái)管理系統(tǒng)審核其發(fā)布的申請(qǐng)。管理員登錄后臺(tái)系統(tǒng)，點(diǎn)擊“代理防控管理--申請(qǐng)列表”選項(xiàng)卡，進(jìn)入相應(yīng)界面查看申請(qǐng)情況，表內(nèi)反饋用戶的申請(qǐng)信息，包括所受病蟲害、疫區(qū)的位置坐標(biāo)等，管理員根據(jù)其業(yè)務(wù)能力確定審核通過(guò)與否，審核結(jié)果反饋到用戶小程序端。 當(dāng)管理員需要提供代理審核服務(wù)時(shí)，可以通過(guò)登錄管理系統(tǒng)完成。管理員登錄后臺(tái)系統(tǒng)，點(diǎn)擊“代理防控管理--防控執(zhí)行”，進(jìn)入子頁(yè)面。表內(nèi)反饋當(dāng)前被服務(wù)狀態(tài)的防治區(qū)， 每條記錄左側(cè)包括一個(gè)選中框，支持全選效果。管理員在勾選當(dāng)前有執(zhí)行需求的區(qū)域，點(diǎn)擊“批量規(guī)劃路線”按鈕彈出提示框。算法2為TSP的爬山算法模型，根據(jù)模型系統(tǒng)自動(dòng)規(guī)劃出遍歷所有防治區(qū)的最優(yōu)路徑與相應(yīng)總路程長(zhǎng)度（單位“米”）[13]。

管理員點(diǎn)擊確定即執(zhí)行該次代理防控，系統(tǒng)記錄當(dāng)前選中的防治區(qū)域與操作人員、具體操作、操作時(shí)間等信息存進(jìn)數(shù)據(jù)庫(kù)相應(yīng)表格內(nèi)。當(dāng)農(nóng)戶用戶登錄移動(dòng)端時(shí)即可查到相應(yīng)執(zhí)行記錄。管理員也可在當(dāng)前頁(yè)面選擇對(duì)部分區(qū)域的代理服務(wù)選擇取消，每一條記錄行尾部帶有“暫停服務(wù)”按鈕，單擊后實(shí)現(xiàn)代理服務(wù)的終止。管理員也可在“代理防控管理--記錄明細(xì)”中查看本人過(guò)往執(zhí)行記錄。代理防控審核與執(zhí)行界面如圖4所示。

算法2 爬山算法

輸入：PC路徑編碼 T爬山代數(shù)。

輸出：最優(yōu)路徑PC。

（a） 初始化：int i， temp， t=0， r1， r2， e;

int[] tempPC=new int[regionNum];

（b） 獲取評(píng)估：bestEva=evaluate（PC）;

（c） 判斷t是否小于T，是則繼續(xù)執(zhí)行步驟d），否則結(jié)束執(zhí)行;

（d） 將路徑編碼PC復(fù)制給臨時(shí)路徑編碼tempPC;

（e） 隨機(jī)生成兩個(gè)不同的整數(shù)，范圍[0， 65535）;

（f） 將兩個(gè)值 % regionNum分別賦值給r1、r2;

（g） 兩交換法實(shí)施鄰域操作;

（h） 評(píng)價(jià)新值newEva=evaluate（tempPC）;

（i） 判斷newEva是否小于bestEva，是則tempPC賦值給PC;

（j） t++，執(zhí)行完轉(zhuǎn)步驟（c）。

3 結(jié)論

本文討論了一套基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，以病蟲害圖像智能識(shí)別為核心的，集病蟲害鑒別、防治預(yù)警、信息查詢于一體的面向農(nóng)作物防治的公共服務(wù)平臺(tái)，旨在充分利用信息資源，優(yōu)化傳統(tǒng)依靠農(nóng)作經(jīng)驗(yàn)的農(nóng)業(yè)生產(chǎn)模式所存在的弊端。平臺(tái)所設(shè)計(jì)的用戶角色包括農(nóng)戶、管理員和農(nóng)業(yè)專家，主要功能模塊包括成長(zhǎng)信息維護(hù)、圖像智能識(shí)別、防治信息維護(hù)、農(nóng)作信息查詢等。圖像智能識(shí)別經(jīng)真機(jī)測(cè)試，平均準(zhǔn)確率在90%以上，移動(dòng)端能有效反饋病蟲害類別，計(jì)算時(shí)間在4-8秒之間。采用多平臺(tái)設(shè)計(jì)，設(shè)立移動(dòng)端微信小程序與網(wǎng)頁(yè)端后臺(tái)管理系統(tǒng)。 后端基于SpringMVC開(kāi)發(fā)，使用Java 8和Python 3.6作為主要開(kāi)發(fā)語(yǔ)言，以IDEA作為開(kāi)發(fā)環(huán)境。

農(nóng)業(yè)的快速發(fā)展事關(guān)國(guó)計(jì)民生，農(nóng)業(yè)病蟲害防治工作將直接影響農(nóng)業(yè)生產(chǎn)及其發(fā)展。依托現(xiàn)代信息技術(shù)，建設(shè)和完善農(nóng)業(yè)病蟲害防治網(wǎng)絡(luò)體系，為更好地防治農(nóng)業(yè)病蟲害。相信隨著農(nóng)業(yè)計(jì)算水平的不斷提高。農(nóng)業(yè)病蟲害防治必將更加成功。

參考文獻(xiàn)（References）：

[1] 安曉榮.試析基于農(nóng)業(yè)信息化的農(nóng)業(yè)病蟲害防治[J].農(nóng)家參謀，2021（13）：65-66

[2] 曹鑫年.基于農(nóng)業(yè)信息化的農(nóng)業(yè)病蟲害防治探索[J].農(nóng)業(yè)科技與信息，2017（24）：66

[3] 唐斌.大數(shù)據(jù)：生態(tài)文明建設(shè)信息資源的“去孤島化”[J].湘潭大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2017，41（1）：67-71

[4] 張翠麗，孟小艷，楊抒.基于Django框架的管理系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（10）：63-68

[5] 高潔.“互聯(lián)網(wǎng)+”背景下利用微信小程序開(kāi)展用戶營(yíng)銷的探索研究[J].中國(guó)市場(chǎng)，2019（4）：122-123，131

[6]? 張妮，劉鑄德.微信小程序在“互聯(lián)網(wǎng)+農(nóng)業(yè)”中的應(yīng)用探析[J].廣西農(nóng)學(xué)報(bào)，2019，34（2）：42-45

[7] 向春會(huì).基于SpringMVC的web工程通用模板設(shè)計(jì)[D].北京郵電大學(xué)，2018：15-18

[8] 李哲，潘維，張赟.基于深度卷積神經(jīng)網(wǎng)絡(luò)的植物病蟲害識(shí)別[J].電子技術(shù)與軟件工程，2020（23）：194-195

[9] 吳健宇.基于深度卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病蟲害識(shí)別及實(shí)現(xiàn)[D].哈爾濱工業(yè)大學(xué)，2019：37-49

[10] 林黛儀，吳永彬，陳梓宜，等.基于GPS定位植物導(dǎo)覽系統(tǒng)在教學(xué)和科普導(dǎo)賞中的應(yīng)用——以華南農(nóng)業(yè)大學(xué)為例[J].現(xiàn)代園藝，2020，43（3）：185-188

[11] 任芳，沈文輝，范迪.基于爬山算法的自適應(yīng)遺傳算法[J].工業(yè)控制計(jì)算機(jī)，2018，31（7）：92-93