TGARRPA 015-2024 百香果叶部真菌病害人工智能识别与综合防控技术规程.docx

ICS

65.020.99

CCS

B39

GARRPA

团 体 标 准

T/GARRPA015—2024

百香果叶部真菌病害人工智能识别与综合防控技术规程

TechnicalcodeofpracticeforAIrecognitionandintegratedcontrolofpasionfruitleaffungaldiseases

2024-12-31发布 2025-01-02实施

广西农业农村产业振兴促进会 发布

T/GARRPA015

T/GARRPA015—2024

I

I

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。本文件由贵州大学提出、归口并宣贯。

本文件起草单位：贵州大学、广西壮族自治区农业科学院微生物研究所、西藏大学。

本文件主要起草人：陈孝玉龙、樊瑞冬、刘增亮、王旭、张欣、林建吾、胡小京、王华书、桑维钧、丁泽阳、欧阳浩、滕虎亮、易本琳、吴圣进、陈雪凤、阎勇、侯双双、刘学米、张思雨、王琪然、杨凡、彭昌杨、姜雨欣、褚青帅、迪尔夫扎·伊盖贝戴娃（乌兹别克斯坦）、加布里埃尔·伯格（德国）。

T/GARRPA015

T/GARRPA015—2024

T/GARRPA015

T/GARRPA015—2024

PAGE

PAGE1

2

2

百香果叶部真菌病害人工智能识别与综合防控技术规程

范围

本文件界定了百香果叶部真菌病害人工智能识别和综合防控的术语和定义，规定了百香果叶部真菌病害人工智能识别、综合防控、技术档案建立的技术要求。

本文件适用于百香果叶部真菌病害的人工智能识别与综合防控。

规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T8321(所有部分)农药合理使用准则NY/T1276农药安全使用规范总则NY/T2767牧草病害调查与防治技术规程

术语和定义

下列术语和定义适用于本文件。

3.1

百香果叶部真菌病害 passionfruitleaffungaldiseases

百香果生长过程中，因病原真菌侵染叶部而引起的百香果叶部病害。

3.2

训练集 trainingset

在百香果叶部病害人工智能识别技术应用中，用于训练病害识别模型的数据集。该数据集包含大量

已明确标注百香果叶部病害种类及对应特征的百香果叶片图像、相关生理数据等信息，模型依据训练集中的数据进行学习，以构建能够准确识别百香果叶部不同病害类型的能力。

3.3

验证集 validationset

针对百香果叶部病害识别模型训练过程所划分出的特定数据集，用于在模型训练期间，对模型的性能表现进行阶段性评估，辅助确定如模型的最优结构参数、合适的学习算法配置等超参数，以此优化模型对百香果叶部病害的识别效果，且其数据不参与模型参数的直接更新过程。

3.4

测试集 testset

独立于训练集与验证集之外，专门用于在百香果叶部病害识别模型完成训练后，对其实际识别性能进行客观衡量的数据集。该数据集涵盖各类百香果叶部病害样本及健康叶片样本，通过模型在测试集上的识别准确率、误判率等指标来反映模型在实际应用场景下对未见过的百香果叶部状况准确判断的泛化能力。

3.5

PFNet模型 PFNetmodel

一种应用于百香果叶部病害人工智能识别的特定计算模型，基于其独特的网络架构和算法机制（具体由其设计所确定），对百香果叶部图像等数据进行特征提取、分析，旨在精准识别百香果叶部出现的各类病害情况。

人工智能识别

病害监测

固定监测

在长势均匀、代表性强的种植基地设置固定监测点，采用无人机巡航拍摄或网络摄像机定点连续获取百香果叶部图像。

随机监测

监测点设置区域按照NY/T2767的要求执行，定期采用图像采集设备采集百香果叶部图像。

图像采集

利用无人机、嵌入式成像设备等，采用水平视角或俯视角度拍摄，达到图像质量要求。同时，应拍

摄到病害不同发展阶段的典型症状与病征。

图像预处理

将采集的图像样本进行归一化，统一裁剪像素为224像素×224像素并保存。

将病害图像作为数据集，打乱数据，从随机化后的数据中，按7:1:2的比例将数据分为训练集、验证集和测试集，不同数据集的作用见表1。

通过训练集、验证集和测试集等数据集，对病害图像进行标记。

表1 数据集作用

名称

作用

训练集

模型