田间环境下果树病害实时诊断方法的研究

Currently, fruit disease image recognition methods based on machine vision don’t work well on images captured in field or small training sets. The generalization ability of different diseases is poor. This project will extract disease image features by deep learning method, and combine the transfer learning methods to improve disease classification accuracy . The project will focus on research of deep learning network in order to improve the classification ability and speeding up identification of diseases on large sample data. The researching of disease identification and classification based on transfer learning method is proposed to improve the classification accuracy of disease categories on small sample sets. With the above research, the project will solve key problems of disease recognition based on fruit tree images captured by personal mobile device, and provide new technical support for the automatic crop disease diagnosis.

目前基于机器视觉的果树病害识别，多针对简单环境下获取的小样本图像进行，而针对自然环境中获取的图像样本进行研究的较少，因此往往实际应用效果不佳；不同病害及不同种类果树间的泛化能力不佳。综上所述，本项目提出“田间环境下果树病害实时诊断方法的研究”这一课题，旨在解决上述传统病害识别方法中存在的问题，以达到农业专家水平的病害诊断为目标。为实现提出的目标，需要探索如何对采集的数据进行处理、如何抽取各类病害的特征模型、如何对不同规模样本集构造分类器进行识别等问题。若本项目的目标能够实现，将提供一种新型植物病虫害监测方式，极大的提高检测准确率和检测覆盖范围、减少人力物力开销；也为其他农作物保护应用提供一系列新的技术和方法。

本课题针对田间环境下果树病害实时识别问题进行了相关的研究和探索。结合智慧农业应用背景及人工智能发展现状，课题组提出基于采用移动设备采集图像数据的智能图像识别方案，研究了图像处理、深度学习和模式识别等相关技术，设计和开发了应用系统并进行了田间应用测试。 课题组成员多次赴多地采集数据，构造了以柑桔为主、包含木薯、火龙果等多种植物多类病害的图像病害数据库，并邀请中国农业科学院专家，对部分果树作物病害图像进行了甄别和标注，获得了近20000张的病害图像数据集。基于深度卷积网络，课题组构造了植物病害识别系统，选取了柑桔和火龙果等病害进行实验。针对部分病害样本数量少及不均衡的情况，课题组采用了生成对抗网络进行数据增强，生成人工病斑样本的方法，解决小样本病害识别问题。课题组提出了一种基于图像边缘平滑的二值化植物病斑生成方法，将病斑合成到植物叶片上，以此扩大样本数据集。针对目前智慧农业发展初期，各类病害数量缺乏以及今后持续进行相关研究需求，课题组进行了病害识别迁移学习模型和增量学习模型的研究，并进行了相关实验。针对图像数据预处理等环节，课题组进行了图像人工合成算法、图像背景分割算法、图像骨架提取、生成图像相似度评估及图像模糊度质量评价指标等图像处理方法的研究，提出了相关算法，并在国际期刊发表相关论文。此外，课题组对于植物三维影像的处理进行了研究，提出了复杂果树形态三维骨架提取、三维图像重建的相关算法，为今后的进一步研究打下基础。课题共发表论文9篇，其中SCI检索8篇；申请专利8项，培养硕士生6名。本项目实现了预期研究目标，开发的柑桔病害检测系统达到实际应用标准，由于新冠疫情影响部分实地测试工作和应用推广工作略有滞后，会在后期继续推进。课题的研究成果可以从果树扩展至其他种类农作物，从传统二维图像扩展至三维图像，具有实际应用前景，为我国智慧农业的发展提供了技术支持，也为其他图像处理领域提供了新方法。

内容获取失败，请点击重试