水稻病害智能識別APP框架的設(shè)計

方夢瑞 呂軍 姚波

摘 要：為提高水稻病害識別系統(tǒng)的實際應(yīng)用效果，在了解當(dāng)前水稻病害識別系統(tǒng)應(yīng)用技術(shù)和功能基礎(chǔ)上，確定了水稻病害智能識別APP整體框架，完成了水稻病害自動識別模型和應(yīng)用APP的設(shè)計。該APP可識別水稻病害、反饋病害防治信息，且通過網(wǎng)絡(luò)識別與反饋進(jìn)行網(wǎng)絡(luò)優(yōu)化，為快速、準(zhǔn)確、及時地實現(xiàn)水稻病害智能識別和防治提供思路。

關(guān)鍵詞：水稻病害;圖像處理;智能識別;APP設(shè)計

中圖分類號 S435.11 文獻(xiàn)標(biāo)識碼 A文章編號 1007-7731（2018）24-0051-2

Abstract：To improve the practical application of rice disease identification system，a rice disease intelligent identification APP was designed.On the basis of the current application technology and function of rice disease identification system，the overall framework of APP for rice disease intelligent identification was determined，the automatic identification model and application design of APP for rice disease were completed.The APP could identify rice disease、feedback disease prevention information and optimize the network through network identification and feedback.The APP provides ideas for realization of intelligent identification and prevention of rice diseases rapidly、accurately and timely .

Key words： Rice diseases;Image processing;Intelligent identification;APP design

1 基于圖像的水稻病害自動識別系統(tǒng)

水稻是我國重要的糧食作物之一，每年因病蟲害造成的損失巨大。水稻病害種類繁多，若不能進(jìn)行及時、科學(xué)、有效地防治，不僅造成水稻產(chǎn)量下降，還會引起環(huán)境污染等。識別水稻病害種類是實現(xiàn)預(yù)測預(yù)報和科學(xué)防治的重要前提，傳統(tǒng)的水稻病害識別是根據(jù)人工經(jīng)驗來判斷，該模式存在主觀性大、勞動量高、效率低、非實時性等問題。隨著人工智能等技術(shù)的不斷應(yīng)用，圖像識別技術(shù)已成功應(yīng)用于水稻病害識別中。劉濤[1]利用改進(jìn)的mean shift算法獲取病斑區(qū)域，然后將病斑顏色、形狀、紋理和病健交界特征作為輸入建立SVM識別分類器，最終實現(xiàn)了水稻葉部15種主要病害的準(zhǔn)確識別。韓強(qiáng)[2]利用顯著性檢測技術(shù)分割有效病斑區(qū)域的基礎(chǔ)上，采用相關(guān)性分析和主成分分析法優(yōu)化特征組合，結(jié)合RBF神經(jīng)網(wǎng)絡(luò)實現(xiàn)了水稻稻瘟病和紋枯病的有效識別。基于圖像的病害識別主要包括病斑分割、特征提取和模型識別等，主要針對于算法的有效性、普適性和魯棒性來展開，缺乏技術(shù)應(yīng)用性的推進(jìn)。

近年來，水稻病害診斷系統(tǒng)成為了研究熱點。傅卓軍[3]采用Borland C++ Builder和Microsoft SQL Server數(shù)據(jù)庫開發(fā)了一款具有智能推理診斷和圖像識別診斷功能的水稻病害診斷系統(tǒng)。陳祝爐[4]根據(jù)水稻各部位（根、莖、葉、穗）的癥狀特征、蟲害個體（卵、幼蟲、蛹、成蟲）的形態(tài)特征和為害狀特點建立了水稻病蟲害智能化診斷系統(tǒng)。林瀟[5]開發(fā)了基于本體的水稻病害診斷系統(tǒng)，該系統(tǒng)采用基于本體推理方法和相似度計算提高系統(tǒng)診斷的準(zhǔn)確性。上述水稻病害識別系統(tǒng)能有效的實現(xiàn)水稻病害識別，但操作相對復(fù)雜，無法大面積的推廣實施。隨著智能手機(jī)的不斷普及，水稻病害識別APP的設(shè)計開發(fā)，將有助于提高水稻病害防治的時效性和應(yīng)用價值。

2 水稻病害智能識別APP的設(shè)計

2.1 水稻病害智能識別APP整體框架 水稻病害識別系統(tǒng)由客戶端和服務(wù)端組成，其中服務(wù)端包括水稻病害識別系統(tǒng)，數(shù)據(jù)庫等。用戶登錄界面后，可以根據(jù)需求選擇病害名稱檢索或上傳圖片進(jìn)行病害診斷，最終反饋病害種類和相關(guān)介紹和防治措施。水稻病害智能識別APP整體框架圖如圖1所示。

2.2 水稻病害自動識別模塊 基于圖像的水稻病害識別結(jié)果受病斑分割、特征提取和分類器影響較大，且算法的普適性較差，利用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)[6]可以實現(xiàn)水稻病害種類的自動識別，流程如圖2所示。采集不同地域、不同部位、不同環(huán)境、不同生長期、不同種類的水稻病害圖像，將圖像直接作為卷積神經(jīng)網(wǎng)絡(luò)輸入，通過卷積層（convolutional layer）、池化層（pooling layer）自學(xué)習(xí)圖像特征，經(jīng)全連接層（fully connected layer）后采用softmax進(jìn)行種類識別。

2.3 基于Android的水稻病害智能識別APP設(shè)計 首先搭建Android開發(fā)環(huán)境（Android studio IDE）用于Android程序開發(fā);其次采用SQLite數(shù)據(jù)庫創(chuàng)建水稻病害信息數(shù)據(jù)庫，并通過Android提供的API實現(xiàn)訪問。待程序編制完成后，Android studio可自動將其打包為應(yīng)用程序，安裝在手機(jī)上直接運行。

2.4 服務(wù)端與客戶端通信 通過網(wǎng)絡(luò)協(xié)議建立客戶端與服務(wù)端的連接，由客戶端主動發(fā)送請求，服務(wù)端接受請求并反饋響應(yīng)，客戶端接受服務(wù)端信息并顯示在手機(jī)屏幕，然后釋放連接請求。

2.5 水稻病害智能識別APP功能 （1）用戶可直接輸入病害名稱進(jìn)行檢索，檢索結(jié)果以圖片及相關(guān)信息（特征、發(fā)生時期、防治方法等）呈現(xiàn);（2）用戶可選擇拍照或者加載本地圖片的方式直接進(jìn)行水稻病害智能診斷，也可以通過對病害區(qū)域進(jìn)行初步的框定選擇，然后再進(jìn)行診斷，診斷結(jié)果以相似概率最為接近的3種病害及相關(guān)信息進(jìn)行反饋;（3）對于反饋結(jié)果存在疑問的用戶，可申請專家遠(yuǎn)程在線診斷;（4）系統(tǒng)會自動保存網(wǎng)絡(luò)圖片、自動診斷結(jié)果和在線專家診斷結(jié)果，不斷優(yōu)化識別模型。

3 總結(jié)與展望

隨著智能手機(jī)的普及，本研究提出了一款水稻病害智能識別APP軟件，用戶可以通過檢索病害名稱、上傳病害圖片和專家在線診斷獲得病害的種類和相關(guān)特征、發(fā)生時期、防治措施等。為了更好地完善和推廣APP，仍需要進(jìn)一步優(yōu)化與探討：一是增加病害的種類和樣本量，提高系統(tǒng)核心算法的魯棒性和識別準(zhǔn)確性;二是將水稻病蟲害相關(guān)APP進(jìn)行聚合，實現(xiàn)“超級APP”，無需單獨下載注冊，直接享受所需的內(nèi)容與服務(wù)。

參考文獻(xiàn)

[1]劉濤，仲曉春，孫成明，等.基于計算機(jī)視覺的水稻葉部病害識別研究[J].中國農(nóng)業(yè)科學(xué)，2014，47（4）：664-674.

[2]韓強(qiáng).基于PCA和RBF神經(jīng)網(wǎng)絡(luò)的水稻病害圖像識別方法研究[D].北京：中國科學(xué)院大學(xué)，2016.

[3]傅卓軍.水稻病害診斷專家系統(tǒng)的研究與實現(xiàn)[D].長沙：湖南農(nóng)業(yè)大學(xué)，2010.

[4]陳祝爐.水稻病蟲害智能化咨詢與診斷服務(wù)系統(tǒng)的開發(fā)與實現(xiàn)[D].杭州：浙江大學(xué)，2010.

[5]林瀟，李紹穩(wěn)，張友華，等.基于本體的水稻病害診斷專家系統(tǒng)研究[J].數(shù)字技術(shù)與應(yīng)用，2010（11）：109-111.

[6]黃雙萍，孫超，齊龍，等.基于深度卷積神經(jīng)網(wǎng)絡(luò)的水稻穗瘟病檢測方法[J].農(nóng)業(yè)工程學(xué)報，2017，33（20）：169-176.

（責(zé)編：張宏民）