农作物病虫害识别的关键点及应用研究--基于深度神经网络方法.pdfVIP

HEBEINONGJI农艺•交流

摘要:本文围绕农作物病害和虫害检测识别，首先对数据集进行了筛选以剔除不相关数据,其次提

出了基于深度神经网络方法农作物病虫害检测识别算法。实验结果表明此方法对于各类病虫害检测准

确率达到93.45%。节约病虫害防治等农业风险管控人力成本和物资成本，大幅降低因自然灾害而带来

风险和损失,每年可为农户减少因病虫害带来损失达10%~15%左右。

关键词:农作物;病虫害识别；深度学习；人工智能;物联网

农作物病虫害识别的经点及应用研究

—S于深度神经网络方法

捷佳润科技集团股份有限公司刘冰

_1—

刖言通过对图像处理中，均值滤波（卷积核越大，图片

随着科技的进步，人民生活水平得到了提升，生活越失真明显和更加模糊）、中值滤波（伴随着核增大,

质量得到了改善。就农业生产而言，随着科技的飞速发图片也会更加模糊,核必须是大于1奇数）、高斯滤

展和持续改善，农业技术水平也在不断提高,农作物波（随着核大小逐渐变大，会让图像更加模糊，核

病虫害防治工作逐渐受到重视，借助先进技术来识别大小N,N必须是大于1奇数，适用于边缘检测）、双

农作物病虫害对于农业生产是大有裨益。边滤波（具有平滑但保持边缘的特性）、引导滤波（相对

在深度学习兴起以及计算机计算能力不断提高于双边滤波最大优点是在于算法复杂度与窗口

今天，利用智能AI图像识别技术实现农作物虫害智能大小无关，对于处理较为大型图片时，在效率上有明

诊断不仅省时省力，且科学准确，从农作物虫害信息动显提升，同时引导滤波可以很好地克服双边滤波当

态采集到准确识别并进行针对性防治决策整个过程基中梯度翻转的现象，它的线性的计数量，可以显著地

本实现自动化和科学化,降低了农业成本。提高处理效率。）五种滤波算法分析对比中，选择

1关于农作物病虫害识别创新点引导滤波算法体系。

1.1技术创新完善病虫害监测体系建立。通过构建养蚕的病

由于传统标注方法需要对图片中每一个对象都虫害模型能够准确预测出养蚕病虫害发生及生长过

使用矩形框标注，并且要对每一个矩形框都添加相应程，比如什么时间发生、发生到什么程度等。从而可以

标签，标注效率非常低。而且新增标签类别或新增标准确用药,及时用药，用最少量和经济农药,实现最

注数据集，都需要重新训练，无法动态训练。本次使佳病虫害防治效果。

用基于卷积神经网络（ConvolutionalNeuralNetworks,植保防控模块内嵌AI图像识别算法以及虫害

CNN）的目标检测算法。其能够在保证识别准确率基图库数据集。可对获取图像信息进行同部识别分

础上更有效地利用图像特征,减少参数数量,有效抑制析，给出虫害的种类和数量,辅助植保人员了解虫害

害虫识别模型训练过程中地过拟合问题，并降低计算发生时间和爆发情况。并且采用SSE对HOG特征的计

量,使系统能够精确快速地识别害虫并反馈识别结果。算和卷积计算进行加速，优化HOG金字塔搭建流程

提出基于深度学习技术多模态种植数据特征融和多分辨率检测流程，使检测时间减少50%o采用定点

合模型，为农作物生产品质和种植环境关联关系深度