基于AI圖像識別的煙草制品蟲情監(jiān)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

周繼來

（紅云紅河煙草（集團(tuán)）有限責(zé)任公司 云南省昆明市 650000）

控制煙草制品中的蟲口數(shù)量，目前主要采用的是通過蟲情監(jiān)測掌握蟲情變化，結(jié)合深度清潔、物理防控、化學(xué)藥劑防治的方式進(jìn)行聯(lián)防聯(lián)控[1]。在蟲情監(jiān)測環(huán)節(jié)，主要依靠人工記錄倉間或廠房內(nèi)“性信息素誘捕器”上煙草甲、煙草粉螟的新增數(shù)量和累計(jì)數(shù)量。對于該項(xiàng)工作，存在以下兩個(gè)問題：一是倉庫點(diǎn)多、面廣，人員在記錄蟲情的過程中勞動(dòng)強(qiáng)度較大。二是人員記錄過程中存在記錄不夠準(zhǔn)確、不及時(shí)等問題，對于蟲害防治的及時(shí)性和有效性提出了較大的挑戰(zhàn)[2]。

行業(yè)發(fā)展前沿的蟲情監(jiān)測手段，主要分為如下幾種：一是應(yīng)用遠(yuǎn)程拍照、遠(yuǎn)程通信、圖像處理等物聯(lián)網(wǎng)技術(shù),研發(fā)了昆蟲遠(yuǎn)程性誘測報(bào)裝置,改進(jìn)了傳統(tǒng)性誘測報(bào)方式。開發(fā)了基于Android 的害蟲蟲情田間采集APP 端(以下簡稱APP 端),實(shí)現(xiàn)田間蟲害信息采集的信息化.基于遠(yuǎn)程性誘圖像采集和APP 端,建立了蟲情數(shù)據(jù)庫，構(gòu)建了作物蟲情采集監(jiān)測預(yù)警系統(tǒng)。該系統(tǒng)的應(yīng)用便于基層植保技術(shù)人員進(jìn)行蟲情數(shù)據(jù)采集、查詢，以及蟲害預(yù)警信息的發(fā)布，實(shí)現(xiàn)作物害蟲監(jiān)測預(yù)警的信息化[3]。二是建立煙草蟲情監(jiān)控系統(tǒng)，包括通過網(wǎng)絡(luò)連接通信的蟲情服務(wù)器、采集客戶端以及監(jiān)控客戶端；監(jiān)控區(qū)域內(nèi)設(shè)有多個(gè)位置不同的誘捕器；各誘捕器上分別設(shè)有記錄有相應(yīng)誘捕器位置信息的RFID 電子標(biāo)簽。采集客戶端用于誘捕器位置和蟲情信息的采集，蟲情服務(wù)器用于單點(diǎn)或區(qū)域位置蟲情的分布情況分析，蟲情服務(wù)器輸出的蟲情分布統(tǒng)計(jì)信息能夠通過監(jiān)控客戶端展示給客戶端用戶[4]。以上的兩項(xiàng)研究，主要基于移動(dòng)APP 和Web Service 的方法進(jìn)行蟲情監(jiān)測，隨著智慧物流的不斷發(fā)展，云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、AI 等技術(shù)不斷深化至各個(gè)領(lǐng)域，目前行業(yè)內(nèi)針對AI 圖像識別蟲情實(shí)現(xiàn)檢測的系統(tǒng)還處于空白，因此，本論文針對如何運(yùn)用AI 圖像識別技術(shù)，針對煙草行業(yè)主要的蟲情（煙草甲、煙草粉螟）進(jìn)行識別，建立對應(yīng)的自學(xué)習(xí)機(jī)制，對今后推行AI 圖像識別蟲情監(jiān)測的相關(guān)企業(yè)來說，具有較好地參考借鑒意義。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)架構(gòu)

AI 圖像識別主要基于深度學(xué)習(xí)的視覺監(jiān)測技術(shù)，具體方法是通過對計(jì)算機(jī)輸入一定數(shù)量的某種信息，標(biāo)注信息具體類別，經(jīng)由卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)形成訓(xùn)練模型，讓機(jī)器具有對該種信息的不同類別進(jìn)行識別和判定的能力，從而讓計(jì)算機(jī)像人腦一樣“學(xué)會(huì)”某一種判別規(guī)則，構(gòu)建一種基于歷史信息的判別機(jī)制。

圖1：基于AI 圖像的蟲情監(jiān)測系統(tǒng)構(gòu)架

圖2：SVM 建模過程

圖3：蟲情每周實(shí)時(shí)新增數(shù)據(jù)及趨勢

對于基于AI 圖像的蟲情監(jiān)測系統(tǒng)構(gòu)建，如圖1所示。

1.2 煙草甲、煙草粉螟AI識別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

圖4：蟲情每周實(shí)時(shí)新增數(shù)據(jù)及趨勢

圖5：熏蒸計(jì)劃下達(dá)

基于SVM 向量機(jī)算法開展煙草甲、煙草粉螟的AI 智能識別，其主要實(shí)現(xiàn)如下：定義線性判別函數(shù)為f(x)=w·x+b，對應(yīng)的分類面方程為w·x+b=0，其中x 為輸入量，w 為可調(diào)權(quán)值向量，b 是偏置。將函數(shù)進(jìn)行歸一化，使兩類所有樣本都滿足|f(x)|≥1，也就是離樣本分類面最近的樣本的f(x)=1，若要求分類面所有的樣本都正確分類需滿足：

定義一個(gè)Lagrange 函數(shù)：

求解上述問題后得到的最優(yōu)分類函數(shù)為：

對于線性不可分情況，可以通過引入松弛變量ξ，允許錯(cuò)分樣本的存在，此時(shí)，目標(biāo)函數(shù)為：

相應(yīng)的分類函數(shù)也變?yōu)椋?/p>

從本質(zhì)上看，煙草甲識別、煙草粉螟識別等屬于二分類的范疇。所以在建模的過程中，為了提高分類器的處理速度及精度，建立了2 個(gè)二分類SVM 模型。二分類SVM 設(shè)備診斷模型的建模過程，如圖2所示。

在圖2 的建模過程中，總訓(xùn)練集包括煙草甲數(shù)據(jù)集S1、煙草粉螟數(shù)據(jù)集S2。

2 應(yīng)用效果

運(yùn)用AI 圖像識別技術(shù)，與現(xiàn)有的磷化氫智能監(jiān)測系統(tǒng)相關(guān)聯(lián)，實(shí)現(xiàn)了如下功能：

（1）通過AI 圖像識別技術(shù)自動(dòng)錄入庫內(nèi)性信息素誘捕器蟲情數(shù)據(jù)，系統(tǒng)中可實(shí)時(shí)記錄煙草甲、煙草粉螟數(shù)量變化，可展示每周新增趨勢。如圖3所示。

（2）通過AI 圖像識別技術(shù)可細(xì)分多個(gè)庫區(qū)、不同樓層倉間內(nèi)的每周蟲情新增煙草甲、煙草粉螟相關(guān)累計(jì)數(shù)及新增數(shù)，并能準(zhǔn)確導(dǎo)出蟲情監(jiān)測數(shù)據(jù)報(bào)表，如圖4所示。

（3）能夠根據(jù)蟲情的實(shí)際情況，具體為平均每周誘捕煙草甲蟲數(shù)量超過10 頭或煙草粉螟數(shù)量超過15 頭時(shí)，啟動(dòng)相應(yīng)的蟲害治理流程，針對庫區(qū)、倉間、樓層設(shè)置對應(yīng)的熏蒸作業(yè)，明確施藥類型和具體的施藥劑量，安全開展熏蒸作業(yè)，如圖5所示。

3 結(jié)論

通過基于AI 圖像識別的蟲情檢測系統(tǒng)的實(shí)現(xiàn)，實(shí)現(xiàn)了煙草甲、煙草粉螟的自動(dòng)識別和實(shí)時(shí)監(jiān)測，解決了傳統(tǒng)意義上依靠人工讀數(shù)檢測醇化庫各樓層性誘捕器上蟲情數(shù)帶來的戰(zhàn)線長、時(shí)間久等問題，減輕了操作人員的勞動(dòng)強(qiáng)度。通過將蟲情的特性信息以工業(yè)相機(jī)識別的方式，采用SVM 算法，實(shí)現(xiàn)了AI 自動(dòng)檢測，智能識別性誘捕器上煙草甲、煙草粉螟的數(shù)量情況，具有較好地檢測精度，并具有廣闊的推廣價(jià)值，今后可運(yùn)用該技術(shù)識別更多類型的蟲情信息，進(jìn)行自動(dòng)檢測，更好地推廣至煙草行業(yè)以外的其他行業(yè)，為全面實(shí)現(xiàn)蟲害有效的防治打下堅(jiān)實(shí)基礎(chǔ)。