深度學(xué)習(xí)在農(nóng)業(yè)病蟲害檢測(cè)識(shí)別中的應(yīng)用綜述

　　摘要：深度學(xué)習(xí)是一種新興的圖像處理和數(shù)據(jù)分析技術(shù)，其中深度卷積網(wǎng)絡(luò)在處理圖像、視頻、語音和音頻方面取得突破性進(jìn)展，其在農(nóng)業(yè)領(lǐng)域的應(yīng)用引起廣泛關(guān)注。對(duì)采用深度學(xué)習(xí)技術(shù)的39項(xiàng)農(nóng)業(yè)病蟲害檢測(cè)識(shí)別研究成果進(jìn)行研究，分析其數(shù)據(jù)來源、預(yù)處理和增強(qiáng)技術(shù)、應(yīng)用領(lǐng)域、采用的模型和框架、性能指標(biāo)，并與其它研究方法作對(duì)比。研究結(jié)果表明，深度學(xué)習(xí)具有良好的自動(dòng)特征提取功能，提供了更好的分類效果，優(yōu)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，且數(shù)據(jù)采集的多樣性、數(shù)據(jù)規(guī)模和完整性對(duì)深度學(xué)習(xí)性能有重要影響。

　　關(guān)鍵詞：深度學(xué)習(xí)；病蟲害；圖像識(shí)別；特征提??；智能農(nóng)業(yè)

　　引言

　　目前，國(guó)內(nèi)大多數(shù)農(nóng)民對(duì)農(nóng)作物病蟲害的判別方法停留在傳統(tǒng)的實(shí)地目測(cè)上，通過農(nóng)作物的外觀表面形態(tài)等進(jìn)行判斷，多依賴于個(gè)人經(jīng)驗(yàn)。專家對(duì)于病蟲害識(shí)別具有豐富經(jīng)驗(yàn)，但往往不能及時(shí)趕往現(xiàn)場(chǎng)，或者因有限的人力資源不能進(jìn)行大型區(qū)域識(shí)別，容易導(dǎo)致誤判和漏判。如何有效、快捷地防治農(nóng)作物病蟲害，成為當(dāng)前智能農(nóng)業(yè)必須考慮的問題。

　　計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)應(yīng)用中最為廣泛，主要研究方向有作物病害檢測(cè)與診斷［1］、農(nóng)產(chǎn)品采摘預(yù)測(cè)［2］、農(nóng)產(chǎn)品品質(zhì)檢測(cè)［3］、農(nóng)產(chǎn)品分級(jí)等。使用計(jì)算機(jī)視覺技術(shù)在不影響農(nóng)作物本身生長(zhǎng)的前提下對(duì)農(nóng)業(yè)病蟲害進(jìn)行檢測(cè)識(shí)別，具有無損、快速、實(shí)時(shí)等特點(diǎn)。國(guó)內(nèi)外專家學(xué)者在病蟲害圖像識(shí)別領(lǐng)域的研究工作主要集中在圖像分割、圖像特征提取、圖像分類和識(shí)別等［4］。

　　1深度學(xué)習(xí)

　　深度學(xué)習(xí)方法是一種特征表示方法，它能將原數(shù)據(jù)通過簡(jiǎn)單的多種非線性模型組合轉(zhuǎn)變?yōu)楦邔哟蔚某橄笮问剑浜诵氖歉鲗犹卣鞫辉偈侨斯ぴO(shè)計(jì)，通過通用的學(xué)習(xí)過程自主獲得［5-8］。正是由于深度學(xué)習(xí)能自動(dòng)提取高層次特征的特點(diǎn)，采用它進(jìn)行圖像處理時(shí)極大減免了特征工程的復(fù)雜操作，減少了模型訓(xùn)練時(shí)間［9-10］，使得模型分析結(jié)果更精準(zhǔn)［11］，運(yùn)行效率也相對(duì)較高［12］。并且，深度學(xué)習(xí)模型可以開發(fā)模擬數(shù)據(jù)集以解決實(shí)際問題［13］。

　　2農(nóng)業(yè)病蟲害檢測(cè)識(shí)別中的深度學(xué)習(xí)應(yīng)用本文對(duì)39項(xiàng)農(nóng)業(yè)病蟲害相關(guān)研究工作進(jìn)行分析，并介紹它們的數(shù)據(jù)來源、所使用的數(shù)據(jù)預(yù)處理技術(shù)和數(shù)據(jù)增強(qiáng)技術(shù)、研究對(duì)象、選擇的深度學(xué)習(xí)模型和體系結(jié)構(gòu)、采用的性能指標(biāo)。

　　2.1數(shù)據(jù)源

　　觀察所研究文章的數(shù)據(jù)集，如表1所示，大部分研究使用的數(shù)據(jù)集規(guī)模較大，圖像數(shù)目多達(dá)千張甚至上萬張。

　　研究中涉及的數(shù)據(jù)集分為兩類：一類是自主獲取，包括采用高清相機(jī)或手機(jī)進(jìn)行拍攝獲??；網(wǎng)上獲取并裁剪合成；使用高普光成像儀獲取圖像或使用農(nóng)業(yè)互聯(lián)網(wǎng)傳感器采集昆蟲數(shù)據(jù)信息；另一類來源于公開數(shù)據(jù)集，其中使用最為廣泛的是Imagenet和PlantVillage等。ImageNet數(shù)據(jù)集是為了促進(jìn)計(jì)算機(jī)圖像識(shí)別技術(shù)發(fā)展而設(shè)立的一個(gè)大型圖像數(shù)據(jù)集，其中已經(jīng)超過千萬張圖片，每一張圖片都被手工標(biāo)定好類別。PlantVillage是一個(gè)公開數(shù)據(jù)集，已經(jīng)收集成千上萬健康和患病作物圖片，并公開和免費(fèi)提供這些圖片。

　　2.2數(shù)據(jù)預(yù)處理

　　部分研究（32篇論文，80%）為了實(shí)現(xiàn)識(shí)別效果最優(yōu)化，在圖像或圖像的特定特征輸入到深度學(xué)習(xí)模型之前對(duì)圖像作預(yù)處理。在使用深度學(xué)習(xí)對(duì)圖像進(jìn)行分類識(shí)別時(shí)，圖像的亮度、對(duì)比度等屬性對(duì)圖像識(shí)別效果影響非常大，相同物體在不同亮度和對(duì)比度下的差別非常大。在農(nóng)業(yè)病害圖像檢測(cè)識(shí)別問題中，經(jīng)常會(huì)遇到陰影、強(qiáng)曝光之類的圖片，這些因素都不應(yīng)該影響最后的識(shí)別結(jié)果，因此要對(duì)圖像作預(yù)處理，使得到的實(shí)驗(yàn)結(jié)果盡可能小地被無關(guān)因素所影響。調(diào)整圖像大小是最常見的預(yù)處理過程，深度學(xué)習(xí)模型常用尺寸有：256×256、227×227、224×224等。圖像分割也是圖像預(yù)處理的一種較流行的做法，可以增加數(shù)據(jù)集規(guī)模，也可以通過突出感興趣的區(qū)域促進(jìn)學(xué)習(xí)過程，使專家和志愿者更容易對(duì)數(shù)據(jù)進(jìn)行注釋。研究表明，采用分割圖像的平均識(shí)別精度相比原始圖像取得了更好的識(shí)別效果，其余數(shù)據(jù)預(yù)處理方法如表2所示。

　　3討論

　　分析表明，在每篇論文中，將基于深度學(xué)習(xí)的方法性能與其它技術(shù)進(jìn)行比較時(shí)，最重要的是要堅(jiān)持相同的實(shí)驗(yàn)條件（數(shù)據(jù)集和性能度量），并將基于傳統(tǒng)機(jī)器學(xué)習(xí)的方法和其它每篇論文中所解決的特定問題而采用的先進(jìn)技術(shù)進(jìn)行比較。

　　每篇論文涉及不同的數(shù)據(jù)集、預(yù)處理技術(shù)、度量、模型和參數(shù)，因此每篇論文中使用的技術(shù)受到嚴(yán)格限制?；谶@些約束條件可知，深度學(xué)習(xí)比傳統(tǒng)的SVM、DecisionTree等分類器有更好的分類表現(xiàn)。在特征提取方面，相較于尺度不變特征變換、紋理、顏色和形狀等傳統(tǒng)方法，深度學(xué)習(xí)模型的自動(dòng)特征提取更有效。

　　本文研究表明，一些研究工作取得了較好成果，因?yàn)槠鋽?shù)據(jù)集具有較高的真實(shí)性和較大的規(guī)模性，而對(duì)于部分真實(shí)數(shù)據(jù)集則較少研究，觀察其對(duì)模型的遷移學(xué)習(xí)預(yù)訓(xùn)練并在真實(shí)數(shù)據(jù)上進(jìn)行測(cè)試，其中數(shù)據(jù)集中真實(shí)數(shù)據(jù)所占比率越高，分類效果越好。因此可以得出，遷移學(xué)習(xí)是深度學(xué)習(xí)的重要內(nèi)容，它是解決各種研究問題中真實(shí)數(shù)據(jù)集不存在或不夠大的關(guān)鍵，但其中數(shù)據(jù)集中真實(shí)數(shù)據(jù)所占比率仍是影響其實(shí)驗(yàn)效果的關(guān)鍵因素，真實(shí)數(shù)據(jù)比率越高，分類效果越好。

　　參考文獻(xiàn)：

　　［1］QUF，WUYJ，LIUP.Researchprogressofcomputervisiontechnol?ogyincroppestcontrol［J］.JournalofAnhuiAgriculturalSciences，2011，39（9）：5570-5571.屈赟，吳玉潔，劉盼.計(jì)算機(jī)視覺技術(shù)在農(nóng)作物病蟲草害防治中的研究進(jìn)展［J］.安徽農(nóng)業(yè)科學(xué)，2011，39（9）：5570-5571.

　?。?］BAOG，XUNY，QILY.Applicationofmachinevisionincucumberpickingrobot［J］.JournalofZhejiangUniversityofTechnology，2010，38（1）：114-118.鮑官軍，荀一，戚利勇.機(jī)器視覺在黃瓜采摘機(jī)器人中的應(yīng)用研究［J］.浙江工業(yè)大學(xué)學(xué)報(bào)，2010，38（1）：114-118.

　　［3］YINGYB，RAOXQ，ZHAOY，etal.Applicationofmachinevisiontechnologyinautomaticidentificationofagriculturalproductquality（I）［J］.TransactionsoftheChineseSocietyofAgriculturalEngi?neering，2000，1（1）：103-108.應(yīng)義斌，饒秀勤，趙勻，等.機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動(dòng)識(shí)別中的應(yīng)用（I）［J］.農(nóng)業(yè)工程學(xué)報(bào)，2000，1（1）：103-108.

　　邊柯橙，楊海軍，路永華

《深度學(xué)習(xí)在農(nóng)業(yè)病蟲害檢測(cè)識(shí)別中的應(yīng)用綜述》

上一篇：淺析農(nóng)業(yè)種植中現(xiàn)代化技術(shù)的應(yīng)用

下一篇：農(nóng)用無人機(jī)自主飛行技術(shù)研究與趨勢(shì)