基于ConvNeXt-T神經(jīng)網(wǎng)絡(luò)的大棚水稻病蟲害識(shí)別

張 超，李 丹

（1.吉林化工學(xué)院信息與控制工程學(xué)院，吉林吉林 132022；2.吉林農(nóng)業(yè)科技學(xué)院電氣與信息工程學(xué)院，吉林吉林 132101）

大棚水稻種植技術(shù)代表著農(nóng)業(yè)領(lǐng)域的一項(xiàng)前沿實(shí)踐，通過將水稻種植移入大棚這一受控環(huán)境中，實(shí)現(xiàn)對(duì)光照、病蟲害等因素的精準(zhǔn)調(diào)控。這不僅有助于提高水稻的產(chǎn)量和質(zhì)量，同時(shí)能夠有效地管理病蟲害，減少對(duì)農(nóng)藥的依賴，促進(jìn)農(nóng)業(yè)的可持續(xù)發(fā)展。

現(xiàn)如今，深度學(xué)習(xí)的快速發(fā)展為檢測(cè)植物病蟲害提供了有效幫助，但依然存在缺陷。目前大部分的病蟲害數(shù)據(jù)集都是利用相機(jī)等設(shè)備在實(shí)驗(yàn)大棚內(nèi)拍攝處理后獲取的靜態(tài)圖像。然而，處于大棚環(huán)境下的農(nóng)作物常受亮度和搖擺運(yùn)動(dòng)等因素影響，降低了模型對(duì)病害特征的提取效率[1]。同時(shí)，現(xiàn)場拍攝獲取的數(shù)據(jù)集樣本量偏少，容易導(dǎo)致訓(xùn)練過程中過擬合，導(dǎo)致模型對(duì)病蟲害識(shí)別的準(zhǔn)確度下降[2]。

基于上述問題，本文提出了一種基于ConvNeXt-T神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的水稻病蟲害識(shí)別模型。通過增加高斯噪聲、隨機(jī)遮擋和旋轉(zhuǎn)等數(shù)據(jù)預(yù)處理方法來增加數(shù)據(jù)集的復(fù)雜性以模擬實(shí)驗(yàn)大棚中不同因素對(duì)檢測(cè)的影響，將獲取的4 268 張水稻害蟲圖像擴(kuò)展到21 340 張，使得神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練過程中增強(qiáng)泛化能力和魯棒性。通過中心裁剪等數(shù)據(jù)增強(qiáng)方法，來解決訓(xùn)練中易出現(xiàn)的過擬合現(xiàn)象。

1 數(shù)據(jù)集

1.1 實(shí)驗(yàn)數(shù)據(jù)

本次研究所用初始水稻數(shù)據(jù)集拍攝于吉林農(nóng)業(yè)科技學(xué)院實(shí)驗(yàn)大棚，含有四種不同類型的病蟲害圖像，其中白葉枯病圖像有1 584 張、水稻細(xì)菌性條斑病圖像1 440 張、褐斑病圖像1 600 張和水稻東格魯病毒病圖像1 308 張，水稻病蟲害初始數(shù)據(jù)集共5 932 張圖像。將圖像尺寸（像素）統(tǒng)一裁剪為224×224 大小并以.jpg的格式進(jìn)行保存[3]。

1.2 數(shù)據(jù)處理

為了模擬實(shí)際大棚光照、風(fēng)吹及葉片之間的相互遮掩等復(fù)雜環(huán)境問題，本文利用圖像預(yù)處理的方式進(jìn)行環(huán)境模擬，如圖1 所示。通過添加高斯噪聲、隨機(jī)亮度、旋轉(zhuǎn)角度和隨即遮掩的數(shù)據(jù)預(yù)處理分別模擬環(huán)境中可能發(fā)生的畫面模糊、光照強(qiáng)度變化、大風(fēng)干擾及葉片之間相互遮掩的情況，并將數(shù)據(jù)集樣本數(shù)量從5 932 張擴(kuò)充到21 340 張來防止訓(xùn)練過程擬合，使得模型獲取更多復(fù)雜環(huán)境中的疾病特征，提高模型驗(yàn)證的準(zhǔn)確性[4]。

圖1 數(shù)據(jù)預(yù)處理圖像樣本

2 模型建立

2022 年1 月，F(xiàn)acebook AI Research 和UC Berkeley聯(lián)合發(fā)表的一篇文章提出了ConvNeXt純卷積神經(jīng)網(wǎng)絡(luò)。對(duì)比2021 年提出的Swin Transformer 模型，ConvNeXt 在相同的浮點(diǎn)運(yùn)算數(shù)（floating point operations，F(xiàn)LOPs）下具有較高的準(zhǔn)確率[5]。ConvNeXt 網(wǎng)絡(luò)根據(jù)不同階段（stage）重復(fù)堆疊塊個(gè)數(shù)的不同共分為5 個(gè)版本，分別為ConvNeXt-T、ConvNeXt-S、ConvNeXt-B、ConvNeXt-L和ConvNeXt-XL。每個(gè)版本對(duì)應(yīng)的通道數(shù)及網(wǎng)絡(luò)塊（Block）個(gè)數(shù)如表1 所示。

表1 ConvNeXt 不同版本的參數(shù)

相較于ResNet 每個(gè)stage 中大約1 ∶1 ∶2 ∶1的Block 個(gè) 數(shù) 比 例，ConvNeXt 采 用Swin-T 的1 ∶1 ∶3 ∶1 比例，準(zhǔn)確率相比之前有所提升。在結(jié)構(gòu)方面也與ResNet 的Block 有差異，ConvNeXt 網(wǎng)絡(luò)將Block 中depthwise conv 模塊上移，并將其3×3 的卷積核改成7×7，用Transformer 中常用的激活函數(shù)GELU 和歸一化LN（Layer Normalization）替代RELU和BN（Batch Normalization），同時(shí)減少激活函數(shù)和歸一化在Block 中的使用，這使得準(zhǔn)確率再次提升。

ConvNeXt 網(wǎng)絡(luò)在整體結(jié)構(gòu)的其他方面與以前的經(jīng)典網(wǎng)絡(luò)也有所不同。對(duì)于一般卷積神經(jīng)網(wǎng)絡(luò)，最初的下采樣模塊一般都是由卷積核大小為7×7 且步距（stride）為2 的卷積層及一個(gè)步距為2 的最大池化層組成；而ConvNeXt 網(wǎng)絡(luò)則采用Swin Transformer 模型常用的卷積核為4×4、步距為4 的卷積層構(gòu)成模型中最初的下采樣，替換后準(zhǔn)確率又有所提升。本文將利用ConvNeXt-T 神經(jīng)網(wǎng)絡(luò)進(jìn)行水稻病蟲害識(shí)別的研究，其結(jié)構(gòu)圖如圖2 所示。

圖2 ConvNeXt-T 網(wǎng)絡(luò)結(jié)構(gòu)圖

3 結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境

本次研究所用電腦系統(tǒng)為Windows 10 ×64 位，內(nèi)存為80 G，CPU 為AMD EPYC 9654，并配備一張RTX 4090 的顯卡。采用Python 編程語言，pytorch 深度學(xué)習(xí)框架進(jìn)行建模。

3.2 實(shí)驗(yàn)參數(shù)

在本研究中，模型使用了自適應(yīng)優(yōu)化算法（Adaptive Gradient）。輸入圖像的尺寸大小為224×224，批量大?。˙atch size）為8，遍歷次數(shù)（epochs）為50，初始學(xué)習(xí)率（lr）為0.000 5，權(quán)重衰減（wd）為0.05，并且將病蟲害識(shí)別的平均準(zhǔn)確率作為模型評(píng)價(jià)的指標(biāo)。

3.3 實(shí)驗(yàn)成果

為了體現(xiàn)ConvNeXt-T 網(wǎng)絡(luò)模型的準(zhǔn)確性和穩(wěn)定性，圖像傳輸?shù)侥Ｐ椭?，隨機(jī)抽取增強(qiáng)擴(kuò)充過的數(shù)據(jù)集中每種病蟲害圖像的20%作為測(cè)試集，剩余的80%作為訓(xùn)練集。利用相同的訓(xùn)練集在AlexNet、VGG16、GoogLeNet、ResNet34 及ConvNeXt-T 中 進(jìn)行訓(xùn)練，各網(wǎng)絡(luò)在訓(xùn)練集上的準(zhǔn)確率如圖3 和表2 所示，ConvNeXt-T 準(zhǔn)確率最高，達(dá)到了99.86%，其識(shí)別精度曲線也高于其他網(wǎng)絡(luò)模型，收斂速度也快于其他模型。在相同的增強(qiáng)擴(kuò)充數(shù)據(jù)集下，AlexNet、VGG16、GoogLeNet、ResNet34 在訓(xùn)練集上準(zhǔn)確率分別為98.64%、99.14%、99.64%、98.96%，分別比ConvNeXt-T 網(wǎng)絡(luò)低1.22、0.72、0.22、0.90 個(gè)百分點(diǎn)。因此，可以證明ConvNeXt-T 神經(jīng)網(wǎng)絡(luò)在水稻病蟲害識(shí)別上比其他網(wǎng)絡(luò)結(jié)構(gòu)的可行性更高。

表2 各模型訓(xùn)練準(zhǔn)確率

圖3 水稻病害訓(xùn)練集在各網(wǎng)絡(luò)上的準(zhǔn)確率

4 結(jié)語

如今，深度學(xué)習(xí)為大棚水稻病蟲害的識(shí)別提供了有效的方法，神經(jīng)網(wǎng)絡(luò)模型的成熟有助于系統(tǒng)準(zhǔn)確地對(duì)水稻病蟲害進(jìn)行分類處理，提高糧食產(chǎn)量。研究表明，本文所用基于ConvNeXt-T 的水稻病害識(shí)別模型對(duì)大棚中水稻病蟲害具有較高的識(shí)別精度及穩(wěn)定性。該模型能夠通過對(duì)不同的病蟲害圖像進(jìn)行學(xué)習(xí)，獲取更多的特征信息來適應(yīng)復(fù)雜的環(huán)境干擾，使得模型識(shí)別精度大大提高。在水稻病蟲害識(shí)別模型訓(xùn)練過程中，通過數(shù)據(jù)預(yù)處理和數(shù)據(jù)增強(qiáng)，使得模型準(zhǔn)確率到達(dá)99.86%，與AlexNet、VGG16、GoogLeNet、ResNet34相比分別提高了1.22、0.72、0.22、0.9 個(gè)百分點(diǎn)，基于ConvNeXt-T 神經(jīng)網(wǎng)絡(luò)的水稻害蟲識(shí)別模型具有優(yōu)越的性能。本研究同時(shí)為背景復(fù)雜、數(shù)據(jù)集過小、有效特征提取困難等關(guān)鍵問題提供了一種可行的研究方法和重要參考。