CNN在農(nóng)田雜草圖像識別的可行性探討

張旭 王斌 張旭

摘要：機器學習識別算法如果需要達到較高的識別精度，需要根據(jù)需求采用相應的算法。本文闡述了機器學習的背景，以及相關的基本原理，詳細介紹了卷積神經(jīng)網(wǎng)絡中對數(shù)據(jù)逐層的特征提取，建立模型及其改進優(yōu)化。針對農(nóng)田中雜草因為不能準確識別，嘗試運用CNN來檢測圖像中農(nóng)田雜草位置，對其可行性進行探討，在一定精確度上的能夠達到雜草圖像的識別。

關鍵詞：機器學習；卷積神經(jīng)網(wǎng)絡；圖像識別

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2018）22-0187-03

在20世紀，現(xiàn)代農(nóng)業(yè)雖然在肥料技術、灌溉技術、機械化耕作技術的促進下不斷發(fā)展，滿足了全球急劇增長的人口對糧食的需求，但同時也存在一些問題，例如：農(nóng)作物產(chǎn)量受到田間雜草的影響極大。本文主要探討機器學習算法在農(nóng)業(yè)除草防蟲害應用的可行性猜想。

1 國內(nèi)外研究現(xiàn)狀

1.1機器學習研究現(xiàn)狀

機器學習[1]是一種演進的計算算法，旨在機器通過從周圍環(huán)境中的學習來模擬人類智能。機器學習被認為是大數(shù)據(jù)時代的最重要的應用之一?；跈C器學習的技術已經(jīng)成功應用于從模式識別、計算機視覺和醫(yī)學應用的各種領域。

從本質(zhì)上來說，機器學習是一種用于程序來分析數(shù)據(jù)集合的方法，機器學習和數(shù)學中的概率統(tǒng)計聯(lián)系十分緊密，理論上來說，如果一個識別算法要想達到目標預定精確度，是需要大量的輸入樣本，即訓練樣本。我們在處理大樣本的實際問題時，很可能由于樣本集合中的質(zhì)量不高，極大影響其泛化能力，而在處理小樣本問題上具有重要意義。機器學習的一般框架一般由樣本，背景知識作為學習算法的輸入，當二者經(jīng)過學習宣發(fā)的訓練后，產(chǎn)生目標概念的描述，并對其進行識別。

1.2農(nóng)業(yè)除草現(xiàn)狀

農(nóng)田雜草影響農(nóng)作物產(chǎn)量的一個重要因素。據(jù)估計，全球15億hm2耕地每年雜草危害就造成76.3億美元的損失，占病、蟲、草、鼠所造成的總損失（243.7億美元）的1/3，僅糧食就損失1.25億t，足夠2.5億人生活一年[3]。目前由于不能精確去除雜草，大規(guī)模的大面積的化學除草劑使用帶來的問題有：農(nóng)產(chǎn)品的農(nóng)藥殘留超標，影響食品安全；雜草的抗藥性大大增加，二次除草難度加大等等。

2 采用方法以及算法

2.1 基于機器學習的圖像別算法基本原理

人的大腦在處理圖像時，在意識不到的情況下就完成了對圖像的處理。而機器在處理圖像時是把完整的圖像打碎成像素矩陣，每個矩陣中的位置記錄相應的顏色碼。卷積神經(jīng)網(wǎng)絡（Convolutional Neuron Networks，CNN）由若干個卷積層及全連接層組成，并且包括相關權值和池化層，CNN 的這種結構能夠充分利用數(shù)據(jù)的二維結構，使得識別圖像具有較高的準確率。

2.2 卷積神經(jīng)網(wǎng)絡（CNN）

CNN由一個輸入層和一個輸出層組成，以及多個隱藏層。 CNN的隱藏層通常由卷積層，合并層，完全連接層和規(guī)范化層組成。慣例是將過程描述為神經(jīng)網(wǎng)絡中的卷積。在數(shù)學上它是一種互相關而不是卷積。一般一個基本的神經(jīng)網(wǎng)絡基本包括以下幾層：卷積層（Convolutional Layer），池化層（Pooling Layer）和全連接層（Fully Connected Layer）

1） CNN卷積層（Convolutional Layer）

卷積層將卷積運算應用于輸入，并將結果傳遞給下一層。卷積模擬個體神經(jīng)元對視覺刺激的反應[7]。 每個卷積神經(jīng)元僅處理其接受場的數(shù)據(jù)。每個卷積神經(jīng)元僅處理其接受場的數(shù)據(jù)。由于與圖像相關的非常大的輸入，每個像素都是相關變量，所以即使在淺（與深度相對）架構中，所以需要非常多的神經(jīng)元。卷積運算為這個問題提供了一個解決方案，因為它減少了可用參數(shù)的數(shù)量，從而使網(wǎng)絡更深入，參數(shù)更少。例如，考慮一個大小為5×5的圖像，和一個3×3的卷積核。這里的卷積核共有9個參數(shù)，就記為 吧。這種情況下，卷積核實際上有9個神經(jīng)元，他們的輸出又組成一個3×3的矩陣，稱為特征圖。第一個神經(jīng)元連接到圖像的第一個3×3的局部，第二個神經(jīng)元則連接到第二個局部具體如圖2所示。

上面例子中的9個神經(jīng)元均完成輸出后，實際上等價于圖像和卷積核的卷積操作。

2） CNN池化層（Pooling Layer）

池化（pool）的意思是降采樣（downsamples），其目的是為了減少特征圖。由于在卷積層之后我們會得到很大的緯度特征，我們通過池化層將特征分割成若干個區(qū)域，選擇對其進行去最大值或者平均值，從而得到維度較小的新特征。池化層進行的運算一般有以下幾種：最大池化（Max Pooling），均值池化（Mean Pooling），高斯池化和可訓練池化。

3）全連接層（Fully Connected Layer）

全連接層將一層中的每個神經(jīng)元連接到另一層中的每個神經(jīng)元。它原則上與傳統(tǒng)的多層感知器神經(jīng)網(wǎng)絡（MLP）相同

全連接層和卷積層可以相互轉(zhuǎn)換：對于任意一個卷積層，要把它變成全連接層只需要把權重變成一個巨大的矩陣，其中大部分都是0 除了一些特定區(qū)塊（因為局部感知），而且好多區(qū)塊的權值還相同（由于權重共享）。相反地，對于任何一個全連接層也可以變?yōu)榫矸e層。

3 采用機器學習中CNN算法實現(xiàn)

3.1 收集制作農(nóng)田雜草圖像庫

為進一步提高分析的精確度，把目標的檢測問題直接轉(zhuǎn)換為分類問題，即：雜草和其他目標，數(shù)據(jù)的處理工作有采集大量的圖像信息，并且為圖片進行分類編號編寫xml文件[4]。在實際情況中的農(nóng)田雜草圖像都是采集于傳感器的，這里為了方便算法的可行性的驗證，我們直接利用網(wǎng)絡爬蟲爬取農(nóng)田中帶有雜草的圖片。首先進行圖片數(shù)據(jù)的清洗工作，把不符合實際需求的圖像刪除。

3.2 CNN在各層上對雜草圖像分析

當建立的圖像中的圖像進入CNN時，CNN就會得到圖像中的特征，之后通過池化層，去掉重復的特征，這樣就可以提高計算效率，去掉不必要的重復計算。CNN開始只能獲得圖片的邊緣，紋理等底層信息，之后不斷的卷積，逐漸可以獲得一些復雜的特征，最終獲得雜草的特征信息。

3.2.1 卷積層上的分析方法

由于我們在輸入圖像時，網(wǎng)絡中的每一個神經(jīng)元對應著一個像素點，我們把雜草圖片抽象成如下圖3所示的網(wǎng)格：

網(wǎng)格中的每一個格子都代表這一個像素點，利用卷積核將原始圖片進行轉(zhuǎn)換。對于卷積核來說，如圖4：

橙色矩形所示的像素點集合想要變成一個數(shù)字的話，需要我們定義一個類似于y=Ax+B 其中x就是橙色小塊。y為轉(zhuǎn)化后的輸出。系數(shù)是A就是卷積核。首先定義好一個權值矩陣，也就是卷積核來進行矩陣內(nèi)積運算，用來提取圖片中的特征。這里我們選取局部原始圖片說明方法如圖5所示。

例如，上面的卷積核操作結果中所有列中第三列的絕對值之和最大，說明原始雜草圖片上對應的區(qū)域有一條垂直方向的特征，并且像素數(shù)值變化幅度較大，若我們變換卷積核，再次進行計算，會得到全新的操作結構以及全新的特點，所以卷積核的起到一種雜草特征提取的作用。所以CNN的卷積層在理論上是可以進行雜草特征分析的。

實際中輸入是一定區(qū)域大小（width*height）的數(shù)據(jù)，和濾波器filter（帶著一組固定權重的神經(jīng)元）做內(nèi)積后等到新的二維數(shù)據(jù)。具體來說，左邊是圖像輸入，中間部分就是濾波器filter（帶著一組固定權重的神經(jīng)元），不同的濾波器filter會得到不同的輸出數(shù)據(jù)，比如顏色深淺、輪廓。相當于如果想提取圖像的不同特征，則用不同的濾波器filter，提取想要的關于圖像的特定信息：顏色深淺或輪廓。如圖6所示。

3.2.2 池化層上的分析方法

在這一層上，我們主要是嘗試CNN中池化層上雜草圖片識別的可行性進行探討。池化層上，我們的目的是通過降采樣的方法減少參數(shù)，對卷積層的結果再次進行壓縮，方便我們進一步對特征進行提取，減少數(shù)據(jù)的處理量。

1）我們首先采用最大池化（Max Pooling）方法，即通過去窗口中的像素網(wǎng)格中的最大值?，F(xiàn)在我們結果如圖7所示：

由于不同的卷積核會提取不同的特征，雖然取最大值會舍棄大量的像素點的信息，但是由于卷積層已經(jīng)能夠提取出相應的特征，舍去的特征對我們的特征提取并沒有太多的影響。進過這一層的計算后，樣本圖片像素規(guī)模會大大減小，參數(shù)也相應得減少。

實際的結果也說明了上述分析，如圖8：

2） 我們還可以嘗試使用補零方法（Zero Padding），其目的是為了使每次卷積后或者池化后的像素矩陣等我大小不變，如下圖所示：

3.2.3 全連接層上的分析方法

在這一層上，我們一個基本的卷積操作已經(jīng)完成，在多層卷積和填充后，我們需要以類的形式輸出。卷積和池化層只會提取特征，并減少原始圖像帶來的參數(shù)。然而，為了生成最終的輸出，我們需要應用全連接層來生成一個等于我們需要的類的數(shù)量的輸出。僅僅依靠卷積層是難以達到這個要求的。理論上雜草的識別在卷積過程中可行，在全連接層上也是可行的。

實際結果我們在圖片中標出的目標都能夠識別出來，如圖10。

4 結束語

本文嘗試使用機器學習中卷積神經(jīng)網(wǎng)絡嘗試對一定農(nóng)田場景中的雜草進行識別，在一定程度上說明了機器學習有推動現(xiàn)代農(nóng)業(yè)的發(fā)展?jié)摿Γ瑫r本文使用的算法也在一定車廣度上可行。但對于復雜場景下農(nóng)田雜草的準確識別還需進一步的研究。

參考文獻：

[1] 何清，李寧，羅文娟，等.數(shù)據(jù)下的機器學習算法綜述[J].中國計算機學會人工智能會議，2013.

[2] Terry，P.J.The Proceedings of Second International Weed Control Congress[J].Copenhagen，1996，601- 609.

[3] 衣世東.基于深度學習的圖像識別算法研究[D].信息工程大學.

[4] 韓凱，張紅英.一種基于Faster R-CNN 的車輛檢測算法[J].西南科技大學學報，2017，32（4）.

【通聯(lián)編輯：唐一東】