一種基于人工智能與大數(shù)據(jù)的農(nóng)作物病蟲害診斷系統(tǒng)

王鑫 潘欣

摘要：本研究構(gòu)建了一種基于人工智能與大數(shù)據(jù)的農(nóng)作物病蟲害診斷系統(tǒng)。本系統(tǒng)通過深度學(xué)習(xí)人工智能技術(shù)實(shí)現(xiàn)作物圖像的精確識(shí)別；引入大數(shù)據(jù)技術(shù)構(gòu)建病害到解決方案并實(shí)現(xiàn)病蟲害預(yù)警，并利用云計(jì)算技術(shù)將復(fù)雜計(jì)算移至服務(wù)端，實(shí)現(xiàn)農(nóng)業(yè)病蟲害防治的智能化。

1.引言

我國是農(nóng)業(yè)大國，農(nóng)業(yè)生產(chǎn)對(duì)國民經(jīng)濟(jì)發(fā)展、社會(huì)安全穩(wěn)定至關(guān)重要[1]。在農(nóng)作物種植的過程，植被經(jīng)常會(huì)遭遇病害、蟲害的侵襲[2]。由于廣大農(nóng)村地域廣闊，農(nóng)業(yè)技術(shù)人員相對(duì)有限，所以單純依靠專業(yè)技術(shù)人員難以及時(shí)的檢測(cè)病蟲害并給出合理解決方案[3]。因此，很多病害、蟲害從發(fā)現(xiàn)、爆發(fā)到處理經(jīng)歷時(shí)間較長，造成廣大農(nóng)民和國家巨大的損失[4，5]。

針對(duì)這一問題，本研究構(gòu)建了一種基于人工智能與大數(shù)據(jù)的農(nóng)作物病蟲害診斷系統(tǒng)，該系統(tǒng)可以在廣大農(nóng)民在手機(jī)中執(zhí)行，通過對(duì)作物拍照和上傳服務(wù)器，實(shí)現(xiàn)自動(dòng)化的病蟲害診斷、藥品和解決方案的獲得。利用本系統(tǒng)可以實(shí)現(xiàn)農(nóng)業(yè)病蟲害防治的智能化。

2.一種基于人工智能與大數(shù)據(jù)的農(nóng)作物病蟲害診斷系統(tǒng)

2.1系統(tǒng)總體架構(gòu)

本系統(tǒng)的總體框架和處理流程如下圖所示：

如圖所示，本項(xiàng)目構(gòu)建的系統(tǒng)的總體框架和處理流程為：

（1）系統(tǒng)包括客戶端和服務(wù)器兩部分，客戶端為基于Android的APP程序，服務(wù)器端運(yùn)行基于云計(jì)算的服務(wù)環(huán)境為APP的功能提供智能決策服務(wù)。

（2）客戶端的使用者首先選擇農(nóng)作物類型（如選擇：水稻）然后通過手機(jī)拍照獲得作物照片，手機(jī)APP對(duì)這一圖片進(jìn)行預(yù)處理調(diào)整色調(diào)并裁剪成標(biāo)準(zhǔn)的大小，然后將照片和拍照所在地理位置上傳服務(wù)器云計(jì)算環(huán)境。

（3）云計(jì)算環(huán)境根據(jù)作物類型，找到對(duì)應(yīng)的病蟲害判定深度神經(jīng)網(wǎng)，對(duì)圖片內(nèi)容進(jìn)行判斷。判斷結(jié)果發(fā)送給農(nóng)業(yè)病蟲害大數(shù)據(jù)。

（4）農(nóng)業(yè)病蟲害大數(shù)據(jù)一方面根據(jù)判定結(jié)果獲得病蟲害具體信息，更給出相應(yīng)的解決方案，將對(duì)應(yīng)內(nèi)容發(fā)回給客戶端APP，并持續(xù)利用APP提示來跟蹤病害解決程度與解決方案、用藥的作用和價(jià)值。另一方面，收集病蟲害的位置、時(shí)間信息，根據(jù)使用者的上報(bào)量，對(duì)一個(gè)地區(qū)可能出現(xiàn)的病蟲害問題進(jìn)行判斷，當(dāng)出現(xiàn)嚴(yán)重病害（超過大數(shù)據(jù)環(huán)境中設(shè)定的閾值時(shí)）對(duì)相關(guān)地區(qū)的使用者發(fā)送信息推送。

2.2 系統(tǒng)人工智能部分的實(shí)現(xiàn)

在人工智能決策方面，本系統(tǒng)采用深度神經(jīng)網(wǎng)對(duì)農(nóng)業(yè)病害的圖片進(jìn)行智能識(shí)別。每一種作物構(gòu)建一個(gè)專門神經(jīng)網(wǎng)模型對(duì)其進(jìn)行判斷（如專門處理大豆病害的神經(jīng)網(wǎng)），神經(jīng)網(wǎng)的結(jié)構(gòu)如下圖所示：

本項(xiàng)目首先引入ImageNet數(shù)據(jù)集訓(xùn)練的大型神經(jīng)網(wǎng)ResNet50，該網(wǎng)絡(luò)為微軟公司在2016年提出并獲得了該年度的人工智能識(shí)別挑戰(zhàn)賽的冠軍，該網(wǎng)絡(luò)層數(shù)高達(dá)50層具有較高的深度抽象與抗干擾能力非常適合農(nóng)作物病蟲害影像的識(shí)別。首先拆掉ResNet50的全連接決策部分，根據(jù)特定作物類目數(shù)量設(shè)定新的全連接決策部分。引入對(duì)應(yīng)作物的樣本數(shù)據(jù)將ResNet50原因的部分的權(quán)值鎖定，進(jìn)條件新加入網(wǎng)絡(luò)部分的權(quán)重，實(shí)現(xiàn)“深度預(yù)訓(xùn)練神經(jīng)網(wǎng)”，達(dá)到智能判斷農(nóng)作物的能力。系統(tǒng)的客戶端部分通過Android實(shí)現(xiàn)，服務(wù)器云端所有網(wǎng)絡(luò)服務(wù)器與APP接口通過Java實(shí)現(xiàn)，人工智能部分利用Python實(shí)現(xiàn)，構(gòu)建守護(hù)進(jìn)程接收J(rèn)ava程序的信號(hào)進(jìn)行智能決策。大數(shù)據(jù)存儲(chǔ)的圖片與APP拍攝數(shù)據(jù)利用Hadoop存儲(chǔ)，結(jié)構(gòu)化的數(shù)據(jù)信息使用傳統(tǒng)的MySQL數(shù)據(jù)庫實(shí)現(xiàn)。

3.系統(tǒng)應(yīng)用和結(jié)論

本研究提出的系統(tǒng)進(jìn)行了作物病蟲害樣本庫和神經(jīng)網(wǎng)模型的構(gòu)建、深度學(xué)習(xí)智能的農(nóng)作物病蟲害自動(dòng)判斷；建立了云計(jì)算框架結(jié)構(gòu)，實(shí)現(xiàn)基于Internet的智能作物病蟲害判斷，并構(gòu)建大數(shù)據(jù)決策支持系統(tǒng)實(shí)現(xiàn)更大范圍和智能的農(nóng)業(yè)病蟲害防治與預(yù)警。在實(shí)際應(yīng)用過程中表明，本系統(tǒng)能夠有效的輔助農(nóng)民進(jìn)行病蟲害的判斷與防治決策，具有較高的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]戈大專，龍花樓，喬偉峰，改革開放以來我國糧食生產(chǎn)轉(zhuǎn)型分析及展望，自然資源學(xué)報(bào)，2019，34（3）：658-670.

[2]謝高地， 成升魁， 肖玉， 等. 新時(shí)期中國糧食供需平衡態(tài)勢(shì)及糧食安全觀的重構(gòu). 自然資源學(xué)報(bào)， 2017， 32（6）： 895-903.

[3]戈大專， 龍花樓， 李裕瑞， 等. 城鎮(zhèn)化進(jìn)程中我國糧食生產(chǎn)系統(tǒng)多功能轉(zhuǎn)型時(shí)空格局研究： 以黃淮海地區(qū)為例. 經(jīng)濟(jì)地理， 2018， 38（4）： 147-156.

[4] 高松，高晶. 玉米病蟲害種類及預(yù)防策略， 吉林農(nóng)業(yè)， 2018，12：1-6

[5] 司麗麗，曹克強(qiáng)，劉佳鵬，楊軍玉，甄文超.基于地理信息系統(tǒng)的全國主要糧食作物病蟲害實(shí)時(shí)監(jiān)測(cè)預(yù)警系統(tǒng)的， 植物保護(hù)學(xué)報(bào)， 2006，03：282-286

本項(xiàng)目由吉林省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃“基于人工智能與大數(shù)據(jù)的農(nóng)作物病蟲害診斷APP”支持。

第一作者：王鑫，男，1997.10， 江蘇省徐州市人，長春工程學(xué)院計(jì)算機(jī)技術(shù)與工程學(xué)院軟件1541班學(xué)委，研究方向：計(jì)算機(jī)

第二作者：潘欣，男，1978.01，吉林長春人，博士，教授，研究方向：人工智能