温州市科技计划项目可行性研究报告 .pdfVIP

温州市科技计划项目可行性研究报告

（编写提纲）

项目名称：基于卷积神经网络和迁移学习的瓯柑病虫害自动

识别技术研究

一、立项的背景和意义；

瓯柑，浙江省温州市瓯海区特产，也是中国国家地理标志产品之一。在营养价值方面，

瓯柑含有多种维生素，还含有丰富的过氧化氢氧化酶，与扛衰老的歧化酶，以及多种人体所

需的纤维素等。在药用价值方面，瓯柑有降压、降温、耐缺氧和增加冠脉流量等有药效作用。

温州民间素有“端五瓯柑似羚羊”之说，并广泛流传瓯柑可退烧、治咽喉炎、头痛等热性疾

病。因此，瓯柑是名副其实的地方特产，也是历史名果，传承着瓯越历史文化和一代代温州

人的乡情。

瓯柑产量容易受到天气、病害、虫害等自然因素的影响，其中病虫害是制约瓯柑产量提

高的关键性因素，每年大约有10%的经济损失源自于病虫害。常见的瓯柑病害有柑橘黄龙病、

柑橘溃疡病、柑橘炭疽病、柑橘疮痂病等，常见的虫害有柑橘红蜘蛛、柑橘木虱、柑橘蚜虫

等。目前瓯柑病虫害的鉴定主要通过人工肉眼检测的方法实现，主观性强，容易造成误判，

并且该方法需要检测人员具有很强的专业知识和丰富的经验。此外，我国基层种植人员大部

分文化素质普遍较低，拥有瓯柑病虫害诊断和防治知识的专家极少，无法为广大农户提供及

时、高效的指导。因此，研究并设计一种准确、便捷的瓯柑病虫害诊断和防治工具（方法），

协助瓯柑种植农户开展病虫害防治，是解决该实际问题的有效方案。

近年，以深度学习为代表的人工智能技术发展迅猛，尤其是卷积神经网络在计算机视觉

领域的研究取得了非常大的突破，很多基于卷积神经网络的图像分类与识别方法已经广泛用

于现实中具体应用，如：银行ATM刷脸取钱、火车站扫人脸进站、基于深度学习的医疗图像

分类、车辆、行人识别等。因此，结合农业领域的关键问题，基于深度学习相关方法，开展

智能化应用研究具有十分重要的实际意义。

鉴于上述情况，本项目拟结合瓯柑病虫害特点，在深度学习框架下，改进并实现通过图

像信息辨别瓯柑病虫害种类的自动识别方法，实现对瓯柑病虫害得自动、准确、快速、即时

诊断。从而达到帮助果农认识和研究瓯柑病虫害发生规律，加强瓯柑病虫害防控措施，减少

病虫害造成的经济损失，加速瓯柑种植业发展的最终目的。

国内外研究现状和发展趋势

（一）国外研究现状

国外研究人员早在20世纪七八十年代便将深度学习技术与传统农业相结合。随着深度

学习技术的发展，国外研究人员对基于深度学习的病虫害识别技术进行了探索和研究，并获

得了很大的进展。

Fukushima学者首先认识到神经感知机的功能，这也是卷积神经网络的雏形。在研究中，

他最早发现了对于生物的神经网络，物体的识别具有旋转不变性，这一理论后来也被应用到

卷积神经网络中。MokhtarU等采用不同核函数的支持向量机分类计数，研究出一种对番茄

黄化曲叶病(TYLCD)及番茄斑点枯萎病(TSWV)进行识别的方法。该方法由输入图像、图像预

处理、病斑分割、特征提取及输出分类五个部分组成。数据集由200张被TYLCD和TSWV

侵染的番茄叶片图像构成，经训练和测试，平均诊断正确率为90%，单个种类病虫害的诊断

正确率最高达92%。KawasakiY等研究出了一个新的基于卷积神经网络的植物病害检测系

统，研究对象为3种类型的黄瓜叶片图像组成的数据集，共计800张图像，取得了94.9%的

平均识别准确率。

MohantySP等通过对AlexNet模型和GoogleNet模型进行迁移学习研究出一种鉴定作

物病情的模型，并将该模型部署到智能手机进行病情鉴定，对使用智能手机进行病虫害诊断

的研究具有重要意义。MwebazeE等设计了嵌入智能手机的基于叶片图像的植物病害严重程

度判别系统，研究对象为4种植物病害，将每种病害根据严重程度分别分为5级，其中1

级为健康植物，通过分析实验结果得出使用ORB提取特征方法的分类效果最好。

由于卷积神经网络的复杂性,利用卷积神经网络对数据集从头训练，要花费大量的时间，

很多研究采用了迁移学习的方法。AmandaRamcharan等人采用迁移学习的方法，使用包含3

种木薯疾病和2种虫害的2,756个图像的数据集对卷积神经网络Inceptionv3进行训练，

最终模型的总体准确度达到93%。RonnelR.Atole等人利用迁移学习对AlexNet深度网络进

行训练，实现了水稻植物健康、不健康