DB2312T 128-2025寒地水稻田间病害等级智能识别指南.docxVIP

ICSCCS

65.060.20B15

DB2312

黑龙江省绥化市地方标准

DB2312/T128—2025

寒地水稻田间病害等级智能识别指南

2025-02-14发布2025-03-01实施

绥化市市场监督管理局发布

I

DB2312/T128—2025

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由绥化市农业农村局提出并归口管理。

本文件起草单位：黑龙江省农业机械工程科学研究院绥化分院、绥化学院、东北农业大学、黑龙江

八一农垦大学。

本文件主要起草人：崔佳鹏、王孝波、张媛媛、王海礁、王红元、公衍峰、霍治民、公续淇、赵世

宏、杨楠、贾彪、高晟楠。

1

DB2312/T128—2025

寒地水稻田间病害等级智能识别指南

1范围

本文件指出了寒地水稻田间病害等级智能识别的术语和定义、采集对象、采集方法、采集要求、数据集建立和评估方法。

本文件适用于绥化市域内寒地水稻田间病害等级的识别。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1

病害等级

根据水稻病害的严重程度，对病害进行分级。

3.2

智能识别

利用计算机视觉和机器学习技术，通过图像分析和模式识别来识别和分类病害。

4采集对象

寒地水稻田间病害包括稻瘟病、纹枯病、白叶枯病、胡麻斑病、细菌性条斑病等。

5采集方法

5.1采集时间

除强光、弱光和降水时，全天均可进行操作。

5.2采集部位

水稻病害发病叶片，采集到的水稻叶片图像完整、清晰。

2

DB2312/T128—2025

5.3图像拍摄

选择代表性田块，在近田埂的第2行～第3行，采取直线5点取样，每点拍摄不少于1张图片，采集时，镜头在水稻顶部30cm高处俯视，与地面呈向下45°~60°角，取景宽度约30cm。

5.4固定监测点

根据田间条件，在长势均匀、代表性强的稻田内设置固定图像监测点，采用网络数码摄像设备定点、定时连续获取水稻图像，每10hm2地块至少设置1个固定监测点，

5.5随机监测点

根据田间条件，在病害危害表现较为具有代表性的稻田内，随机抽取20m2～100m2区域作为监测点，在检测区域内，通过手持数码摄像设备进行定点图像采集。

6采集要求

6.1图像质量

采集的图像中水稻感病部位应在视场范围内，且分辨率不低于512×512像素的RGB图像。

6.2图像代表性

采集的图像中水稻病斑区域应具有水稻病害（稻瘟病、纹枯病、白叶枯病、胡麻斑病、细菌性条斑病等）的典型特征。

7数据集建立

7.1数据标注

农艺专家对采集获得的寒地水稻病害图像进行人工数据标注。

7.2数据集划分

将数据集划分为训练集、验证集和测试集。

7.3数据增强

7.3.1尺寸缩放：将图像的高度和宽度调整为特定大小。

7.3.2随机裁剪：将要选择的图像的一部分应用于新图像。

7.3.3图像翻转：水平或垂直翻转图像。

7.3.4图像填充：填充包括在图像的所有边缘上按指定的数量填充。

3

DB2312/T128—2025

7.3.5随机旋转：对图像随机施加旋转角度。

7.3.6高斯噪声：图像将使用高斯模糊进行模糊处理。

7.3.7灰度处理：将彩色图像转换为灰度。

7.3.8颜色抖动：随机改变图片的亮度，对比度和饱和度。

8评估方法

8.1病害等级智能识别模型

8.1.1采用深度学习语义分割算法，构建病害识别网络模型。

8.1.2利用训练集对网络模型进行训练。

8.1.3利用未训练的测试集进行病害等级识别。

8.1.4采用病害像素准确率、病害类别平均像素准确率和病害平均交并比进行模型评价，按式（1）~式（3）计算。

式中：

PA－病害像素准确率；

TP－标签为正样本且分类为正样本数；FP－标签为负样本分类为正样本数；

TN－标签是负样本且分类为负样本数；FN－标签为正样本分类为负样本数。

……（1）

式中：

MPA－病害类别平均像素准确率；

Pi－第i类样本的正确预测数目/预测样本数目之和；C－病害类别数。

……（2）

……（3）

式中：

4

DB2312/T128—2025

MIoM－病害平均交并比。

8.2病害等级识别

8.2.1分级方法：