2022 年3 月 第4 卷 第1 期 Mar 2022 Vol 4 No 1 智 慧 農(nóng) 業(yè) 中 英 文 S m a r t A g r i c u l t u r e 深 度 學 習 在 植 物 葉 部 病 害 檢 測 與 識 別 的 研 究 進 展 邵 明 月 1 張 建 華 1 馮 全 2 柴 秀 娟 1 張 凝 1 張 文 蓉 1 1 中 國 農(nóng) 業(yè) 科 學 院 農(nóng) 業(yè) 信 息 研 究 所 農(nóng) 業(yè) 農(nóng) 村 部 農(nóng) 業(yè) 大 數(shù) 據(jù) 重 點 實 驗 室 北 京 1 0 0 0 8 1 2 甘 肅 農(nóng) 業(yè) 大 學 機 電 工 程 學 院 甘 肅 蘭 州 7 3 0 0 7 0 摘 要 植 物 病 害 準 確 檢 測 與 識 別 是 其 早 期 診 斷 與 智 能 監(jiān) 測 的 關 鍵 是 病 蟲 害 精 準 化 防 治 與 信 息 化 管 理 的 核 心 深 度 學 習 應 用 于 植 物 病 害 檢 測 與 識 別 中 可 以 克 服 傳 統(tǒng) 診 斷 方 法 的 弊 端 大 幅 提 升 病 害 檢 測 與 識 別 的 準 確 率 引 起 了 廣 泛 關 注 本 文 首 先 收 集 和 介 紹 了 部 分 公 開 的 植 物 病 害 圖 像 數(shù) 據(jù) 集 然 后 系 統(tǒng) 地 綜 述 了 近 年 來 深 度 學 習 在 植 物 病 害 檢 測 和 識 別 中 的 研 究 應 用 進 展 闡 述 了 從 早 期 檢 測 和 識 別 算 法 到 基 于 深 度 學 習 的 檢 測 和 識 別 算 法 的 研 究 進 展 以 及 各 算 法 的 優(yōu) 點 和 存 在 的 問 題 調(diào) 研 了 相 關 研 究 文 獻 提 出 了 光 照 遮 擋 復 雜 背 景 病 害 癥 狀 之 間 相 似 性 病 害 在 不 同 時 期 癥 狀 會 有 不 同 的 變 化 以 及 多 種 病 害 交 疊 共 存 是 目 前 植 物 病 害 檢 測 和 識 別 面 臨 的 主 要 挑 戰(zhàn) 并 進 一 步 指 出 將 性 能 更 好 的 神 經(jīng) 網(wǎng) 絡 大 規(guī) 模 數(shù) 據(jù) 集 和 農(nóng) 業(yè) 理 論 基 礎 相 結 合 是 未 來 主 要 的 發(fā) 展 趨 勢 同 時 還 指 出 了 多 模 態(tài) 數(shù) 據(jù) 可 以 用 于 植 物 早 期 病 害 的 識 別 也 是 未 來 發(fā) 展 方 向 之 一 本 文 可 為 植 物 病 害 識 別 的 深 入 研 究 與 發(fā) 展 提 供 參 考 關 鍵 詞 植 物 葉 部 病 害 深 度 學 習 病 害 檢 測 識 別 卷 積 神 經(jīng) 網(wǎng) 絡 病 害 圖 像 數(shù) 據(jù) 集 中 圖 分 類 號 S 4 3 2 T P 3 9 1 4 T P 1 8 3 文 獻 標 志 碼 A 文 章 編 號 S A 2 0 2 2 0 2 0 0 5 引 用 格 式 邵 明 月 張 建 華 馮 全 柴 秀 娟 張 凝 張 文 蓉 深 度 學 習 在 植 物 葉 部 病 害 檢 測 與 識 別 的 研 究 進 展 J 智 慧 農(nóng) 業(yè) 中 英 文 2022 4 1 29 46 SHAO Mingyue ZHANG Jianhua FENG Quan CHAI Xiujuan ZHANG Ning ZHANG Wenrong Research prog ress of deep learning in detection and recognition of plant leaf diseases J SmartAgriculture 2022 4 1 29 46 in ChinesewithEnglishabstract 1 引 言 植 物 病 害 是 影 響 植 物 生 長 的 最 復 雜 多 變 且 難 以 克 服 的 因 素 之 一 是 一 種 全 球 農(nóng) 業(yè) 生 產(chǎn) 和 生 態(tài) 安 全 的 生 物 災 害 發(fā) 生 植 物 病 害 不 僅 影 響 植 物 的 正 常 生 長 造 成 農(nóng) 產(chǎn) 品 產(chǎn) 量 與 品 質 的 降 低 還 會 帶 來 糧 食 安 全 問 題 1 2 近 年 來 受 全 球 氣 候 變 暖 農(nóng) 業(yè) 水 資 源 匱 乏 及 農(nóng) 業(yè) 耕 地 面 積 減 少 等 因 素 影 響 植 物 病 害 變 得 更 加 普 遍 和 頻 繁 3 據(jù) 報 道 每 年 僅 由 植 物 病 害 造 成 的 全 球 經(jīng) 濟 損 失 高 達2 200 億 美 元 4 加 強 對 植 物 病 害 的 防 治 和 管 理 是 保 證 農(nóng) 作 物 高 產(chǎn) 農(nóng) 產(chǎn) 品 優(yōu) 質 的 關 鍵 植 物 病 害 防 治 的 關 鍵 是 能 夠 及 時 準 確 地 檢 測 病 害 危 害 區(qū) 域 并 對 其 病 害 類 型 進 行 辨 識 5 植 物 病 害 種 類 繁 多 全 世 界 已 有990 多 種 植 物 病 毒 doi 10 12133 j smartag SA202202005 收 稿 日 期 2021 09 30 基 金 項 目 國 家 自 然 科 學 基 金 31971792 31901240 中 央 級 公 益 性 科 研 院 所 基 本 科 研 業(yè) 務 費 專 項 JBYW AII 2020 07 JBYW AII 2020 27 JBYW AII 2021 08 中 國 農(nóng) 業(yè) 科 學 院 基 本 科 研 業(yè) 務 費 專 項 Y2020YJ07 中 國 農(nóng) 業(yè) 科 學 院 創(chuàng) 新 工 程 CAAS ASTIP 2016 AII 作 者 簡 介 邵 明 月 1997 女 碩 士 研 究 生 研 究 方 向 為 機 器 視 覺 與 農(nóng) 業(yè) 機 器 人 E mail 82101205406 通 信 作 者 張 建 華 1982 男 博 士 副 研 究 員 研 究 方 向 為 機 器 視 覺 與 農(nóng) 業(yè) 機 器 人 E mail zhangjianhua Vol 4 No 1 智 慧 農(nóng) 業(yè) 中 英 文 S m a r t A g r i c u l t u r e 被 確 認 6 植 物 葉 片 感 染 病 毒 真 菌 或 生 理 病 變 后 感 染 部 位 的 外 部 形 態(tài) 特 征 和 內(nèi) 部 生 理 結 構 均 會 發(fā) 生 變 化 外 部 發(fā) 生 如 形 變 褪 色 卷 曲 腐 爛 變 色 等 內(nèi) 部 主 要 為 水 分 和 色 素 含 量 變 化 等 7 由 于 不 同 病 害 之 間 的 受 害 癥 狀 呈 現(xiàn) 模 糊 性 復 雜 性 和 相 似 性 加 之 部 分 農(nóng) 民 的 科 技 文 化 素 質 普 遍 偏 低 不 能 精 確 診 斷 并 掌 握 植 物 病 害 的 發(fā) 生 與 發(fā) 展 往 往 在 植 物 病 害 嚴 重 時 才 大 劑 量 地 噴 灑 農(nóng) 藥 容 易 錯 過 病 害 最 佳 防 治 時 期 不 但 造 成 農(nóng) 作 物 大 量 減 產(chǎn) 還 嚴 重 污 染 環(huán) 境 8 9 因 此 如 何 快 速 簡 便 準 確 地 檢 測 植 物 病 害 發(fā) 生 區(qū) 域 并 對 其 病 害 種 類 進 行 識 別 為 病 害 防 治 提 供 必 要 信 息 已 成 為 植 物 種 植 面 臨 的 重 要 問 題 深 度 學 習 概 念 在2006 年 由 深 度 學 習 之 父 Hinton 正 式 提 出 10 但 受 當 時 硬 件 條 件 限 制 一 直 未 得 到 學 術 界 重 視 直 到 2012 年 Kri zhevsky 等 11 在 圖 形 處 理 器 Graphics Process ing Unit GPU 上 實 現(xiàn) 了 一 種 著 名 的 卷 積 神 經(jīng) 網(wǎng) 絡 Convolutional Neural Networks CNN AlexNet 該 網(wǎng) 絡 在 當 年 斯 坦 福 大 學 主 辦 的 圖 像 識 別 挑 戰(zhàn) 賽 ImageNet Large Scale Visual Recognition Challenge 上 的 分 類 精 度 碾 壓 了 其 他 早 期 計 算 機 視 覺 方 法 此 后 各 種CNN 被 陸 續(xù) 提 出 深 度 學 習 得 到 快 速 發(fā) 展 深 度 學 習 是 一 種 模 擬 人 腦 進 行 分 析 學 習 的 神 經(jīng) 網(wǎng) 絡 通 過 組 合 低 層 特 征 形 成 更 加 抽 象 的 高 層 表 示 屬 性 類 別 或 特 征 以 發(fā) 現(xiàn) 數(shù) 據(jù) 的 分 布 式 特 征 表 示 解 決 很 多 復 雜 的 模 式 識 別 難 題 12 相 對 于 淺 層 學 習 深 度 學 習 具 有 學 習 能 力 強 覆 蓋 范 圍 廣 適 應 性 好 性 能 上 限 高 可 移 植 性 好 等 優(yōu) 點 13 深 度 學 習 作 為 新 人 工 智 能 崛 起 的 代 表 不 斷 取 得 重 大 進 展 很 好 地 解 決 了 人 工 智 能 界 很 多 年 來 一 直 努 力 但 仍 沒 有 得 到 重 要 進 展 的 問 題 14 近 年 來 深 度 學 習 技 術 逐 漸 被 引 入 到 植 物 病 害 檢 測 與 識 別 在 該 領 域 獲 得 了 較 快 的 發(fā) 展 并 涌 現(xiàn) 出 大 量 的 研 究 成 果 已 成 為 本 領 域 研 究 熱 點 本 文 對 近 年 來 基 于 深 度 學 習 的 植 物 葉 部 病 害 的 檢 測 和 識 別 研 究 進 行 了 綜 述 分 別 從 植 物 病 害 圖 像 數(shù) 據(jù) 集 植 物 病 害 目 標 檢 測 研 究 進 展 和 植 物 病 害 識 別 研 究 進 展 等 三 個 方 面 進 行 闡 述 總 結 出 植 物 病 害 檢 測 和 識 別 目 前 面 臨 的 挑 戰(zhàn) 并 對 未 來 的 發(fā) 展 趨 勢 進 行 了 展 望 2 植 物 病 害 圖 像 數(shù) 據(jù) 集 數(shù) 據(jù) 集 是 構 建 深 度 學 習 模 型 的 基 礎 數(shù) 據(jù) 集 的 質 量 和 大 小 決 定 著 深 度 學 習 模 型 能 否 構 建 成 功 15 高 質 量 的 數(shù) 據(jù) 集 往 往 能 夠 提 高 模 型 訓 練 的 質 量 和 預 測 的 準 確 率 也 可 有 效 地 提 高 神 經(jīng) 網(wǎng) 絡 模 型 的 泛 化 能 力 一 個 更 高 質 量 的 模 型 可 以 更 精 準 地 區(qū) 分 植 物 病 害 的 不 同 類 型 及 危 害 程 度 從 而 提 供 更 科 學 的 防 治 措 施 據(jù) 調(diào) 查 目 前 已 形 成 了 多 個 已 公 開 的 植 物 病 害 圖 像 數(shù) 據(jù) 集 具 體 如 表1 所 示 2 1 國 外 主 要 植 物 病 害 圖 像 數(shù) 據(jù) 集 1 PlantVillage 該 數(shù) 據(jù) 集 是David Hudhes 和Marcel Salath 聯(lián) 合 創(chuàng) 建 的 公 開 數(shù) 據(jù) 集 是 目 前 被 使 用 次 數(shù) 最 多 的 數(shù) 據(jù) 庫 之 一 PlantVillage 囊 括 了14 種 植 物 26 種 病 害 共38 個 類 別 包 含 54 036 幅 圖 像 非 常 適 用 于 植 物 病 害 檢 測 和 識 別 模 型 的 訓 練 但PlantVillage 中 的 圖 像 大 多 是 在 實 驗 室 或 單 一 背 景 下 拍 攝 的 復 雜 自 然 條 件 下 拍 攝 的 圖 像 較 少 2 Plant Pathology 2020 FGVC7 主 要 是 高 質 量 帶 注 釋 的 蘋 果 圖 像 包 括 蘋 果 黑 星 病 蘋 果 銹 病 多 種 病 害 共 存 和 健 康 葉 片 共3651 張 圖 像 其 中 蘋 果 黑 星 病 圖 像1200 張 蘋 果 銹 病 圖 像1399 張 多 種 病 害 共 存 圖 像187 張 健 康 葉 片 圖 像865 張 3 Cucumber Plant Diseases Dataset 該 數(shù) 據(jù) 集 由Karim Negm 分 享 共 包 含695 張 田 間 自 然 條 件 下 拍 攝 的 黃 瓜 有 病 的 和 健 康 的 圖 像 4 New Plant Diseasea Dataset 由 Samir Bhattarai 使 用 數(shù) 據(jù) 增 強 技 術 重 新 創(chuàng) 建 的 數(shù) 據(jù) 集 該 數(shù) 據(jù) 集 由38 個 不 同 的 類 別 組 成 包 括 健 康 葉 片 和 非 健 康 葉 片 共87 000 張 但 該 數(shù) 據(jù) 圖 像 背 景 3 0邵 明 月 等 深 度 學 習 在 植 物 葉 部 病 害 檢 測 與 識 別 的 研 究 進 展 Vol 4 No 1 為 單 一 背 景 5 PlantDoc 由Singh 等 16 創(chuàng) 建 共 包 含 2598 張 圖 像 涵 蓋13 種 植 物 17 種 病 害 類 型 6 Rice Diseases Image Dataset 涵 蓋 水 稻 褐 斑 病 葉 斑 病 鐵 甲 蟲 病 及 健 康 葉 片 共5447 張 圖 像 7 PlantPathology Apple Dataset 由Plant village 衍 生 而 來 包 括 蘋 果 黑 星 病 黑 腐 病 雪 松 蘋 果 銹 和 健 康 葉 片4 種 共 包 含3171 張 圖 像 8 New Plant Diseases Dataset Augment ed 該 數(shù) 據(jù) 集 是 一 個 相 關 番 茄 的 數(shù) 據(jù) 集 基 于 Plantvillage 數(shù) 據(jù) 經(jīng) 數(shù) 據(jù) 增 廣 技 術 衍 生 而 來 包 括9 個 番 茄 病 害 和1 個 健 康 葉 片 共22 900 張 圖 像 9 PlantifyDr Dataset 該 數(shù) 據(jù) 集 包 含10 種 不 同 植 物 類 型 主 要 為 蘋 果 甜 椒 櫻 桃 柑 橘 玉 米 葡 萄 桃 子 土 豆 草 莓 和 番 茄 37 種 植 物 病 害 類 型 共125 000 張 圖 像 10 Plant Disease Recognition Dataset 該 數(shù) 據(jù) 集 包 含 健 康 粉 狀 生 銹3 種 共1530 張 圖 像 11 Corn Leaf Diseases NLB 包 括 患 病 和 健 康 玉 米 葉 片 共4 115 張 2 2 國 內(nèi) 植 物 病 害 圖 像 數(shù) 據(jù) 集 1 PDD271 Liu 等 17 收 集 的 植 物 病 害 數(shù) 據(jù) 集PDD271 包 括220 592 幅 植 物 葉 片 圖 像 涵 蓋271 種 植 物 病 害 類 別 其 中 每 個 植 物 病 害 類 別 至 少 包 含500 張 圖 像 200 多 株 植 物 且 每 張 圖 像 采 集 時 都 由 專 家 及 時 標 注 采 集 后 由 未 參 與 標 注 工 作 的 專 家 進 行 檢 查 以 保 證 標 簽 的 正 確 性 2 農(nóng) 業(yè) 病 蟲 害 研 究 圖 庫 IDADP 該 數(shù) 據(jù) 集 是 由 中 國 科 學 院 合 肥 智 能 機 械 研 究 所 亞 熱 帶 農(nóng) 業(yè) 生 態(tài) 研 究 所 和 遙 感 與 數(shù) 字 地 球 研 究 所 共 同 建 設 的 綜 合 數(shù) 據(jù) 庫 涵 蓋 大 田 作 物 水 果 和 蔬 菜 等 多 種 植 物 類 型 及 真 菌 細 菌 和 病 毒 等 多 種 病 害 種 類 每 種 病 蟲 害 包 括 幾 百 到 幾 千 張 圖 像 圖 像 絕 大 部 分 用 單 反 相 機 拍 攝 分 辨 率 不 小 于 兩 千 萬 像 素 6000 4000 5472 3648 少 部 分 用 手 機 拍 攝 分 辨 率 像 素 為4128 2322 而 且 絕 大 多 數(shù) 圖 像 都 是 從 自 然 條 件 下 拍 攝 的 可 應 用 于 復 雜 自 然 條 件 下 植 物 病 害 的 識 別 和 檢 測 3 植 物 疾 病 癥 狀 圖 像 數(shù) 據(jù) 庫 PDDB 該 數(shù) 據(jù) 集 是 一 個 免 費 的 數(shù) 據(jù) 庫 涵 蓋21 種 植 物 171 種 病 害 類 型 共 收 集 接 近5 萬 幅 圖 像 85 表 1 公 開 的 植 物 病 害 圖 像 數(shù) 據(jù) 集 及 網(wǎng) 址 Table1 Publiclyavailableplantdiseaseimagedatasetsandwebsites 區(qū) 域 國 外 國 內(nèi) 數(shù) 據(jù) 集 名 稱 PlantVillage CVPR2020 FGVG7 CucumberPlantDiseasesDataset NewPlantDiseaseDataset PlantDoc RiceDiseasesImageDataset PlantPathologyAppleDataset NewPlantDiseasesDataset Augmented PlantifyDrDataset Plantdiseaserecognitiondataset CornLeafDiseases NLB PDD271 農(nóng) 業(yè) 病 蟲 害 研 究 圖 庫 IDADP PDDB 水 稻 葉 病 數(shù) 據(jù) 集 RiceLeafDiseasesDataSet 數(shù) 據(jù) 集 網(wǎng) 址 https plantvillage psu edu https https https https https https https https https https https http https www digipathos ptia embrapa br jspui https archive ics uci edu ml datasets Rice Leaf Diseases 3 1Vol 4 No 1 智 慧 農(nóng) 業(yè) 中 英 文 S m a r t A g r i c u l t u r e 的 圖 像 是 在 真 實 條 件 下 拍 攝 其 他 圖 像 在 可 控 條 件 下 拍 攝 圖 像 全 部 由 數(shù) 碼 相 機 和 移 動 設 備 拍 攝 分 辨 率 在1 24 萬 像 素 之 間 18 且 都 經(jīng) 過 了 專 家 標 注 4 水 稻 葉 病 數(shù) 據(jù) 集 該 數(shù) 據(jù) 集 圖 像 是 在 陽 光 直 射 下 以 白 色 背 景 拍 攝 的 主 要 為 水 稻 白 葉 枯 病 褐 斑 病 和 黑 穗 病 每 種 病 害 均 拍 攝40 張 共120 張 3 植 物 病 害 目 標 檢 測 研 究 進 展 植 物 病 害 目 標 檢 測 是 利 用 計 算 機 視 覺 技 術 在 復 雜 自 然 條 件 下 檢 測 出 植 物 病 害 侵 染 區(qū) 域 及 其 準 確 位 置 是 植 物 病 害 準 確 分 類 識 別 和 病 害 危 害 程 度 評 估 的 前 提 也 是 植 物 病 害 區(qū) 域 準 確 定 位 并 引 導 植 保 裝 備 對 靶 噴 藥 的 關 鍵 19 早 期 植 物 病 害 目 標 檢 測 算 法 采 用 滑 動 窗 口 策 略 選 出 候 選 區(qū) 域 然 后 提 取 候 選 區(qū) 域 特 征 最 后 使 用 分 類 器 進 行 分 類 從 而 獲 得 目 標 區(qū) 域 如 V J Viola Jones 檢 測 方 向 梯 度 直 方 圖 His togram of Oriented Gradient HOG 檢 測 和 有 關 可 變 形 部 件 模 型 Deformable Part Model DPM 算 法 等 滑 動 窗 口 方 法 是 設 置 不 同 的 尺 度 和 寬 度 對 圖 像 進 行 遍 歷 雖 然 這 種 方 法 應 用 于 病 害 定 位 檢 測 可 以 不 錯 過 任 何 一 個 病 害 區(qū) 域 目 標 但 產(chǎn) 生 的 多 余 候 選 窗 口 會 帶 來 較 大 的 計 算 量 且 將 病 害 圖 像 全 部 遍 歷 一 遍 要 花 費 較 多 時 間 導 致 檢 測 的 實 效 性 差 20 另 外 候 選 區(qū) 域 的 特 征 提 取 采 用 手 工 方 式 提 取 的 特 征 較 多 集 中 在 病 害 顏 色 形 狀 等 底 層 特 征 造 成 病 害 檢 測 的 魯 棒 性 差 分 類 器 采 用Adaboost 支 持 向 量 機 Support Vector Machine SVM 等 進 行 識 別 識 別 速 度 慢 準 確 率 低 3 1 基 于 目 標 檢 測 框 架 的 植 物 病 害 檢 測 基 于 深 度 學 習 的R CNN Region CNN 系 列 YOLO You Only Look Once SSD Sin gle Shot MultiBox Detector 以 及CenterNet 等 新 檢 測 算 法 顯 著 優(yōu) 于 早 期 的 植 物 目 標 檢 測 算 法 基 于 深 度 學 習 的 目 標 檢 測 框 架 可 以 分 為 二 階 檢 測 器 Two stage 和 一 階 檢 測 器 One stage 兩 大 類 10 3 1 1 基 于 二 階 檢 測 器 的 植 物 病 害 檢 測 二 階 檢 測 器 首 先 使 用 候 選 框 生 成 器 生 成 稀 疏 的 候 選 框 集 并 從 每 個 候 選 框 中 提 取 特 征 然 后 使 用 區(qū) 域 分 類 器 預 測 候 選 框 區(qū) 域 的 類 別 如 圖1 所 示 如 基 于 區(qū) 域 建 議 的CNN 包 括R CNN Fast RCNN Faster RCNN 及 其 變 體 2014 年 Girshick 等 21 在 一 篇 會 議 論 文 中 提 出 了R CNN 首 次 使 用 卷 積 神 經(jīng) 網(wǎng) 絡 提 取 圖 像 特 征 開 啟 了 利 用 深 度 學 習 進 行 目 標 檢 測 的 大 門 在R CNN 基 礎 上 Girshick 22 提 出 了Fast RCNN 解 決 了R CNN 在 候 選 區(qū) 域 選 擇 的 過 程 中 出 現(xiàn) 大 量 重 疊 框 的 問 題 經(jīng) 過R CNN 和FastRCNN 的 積 淀 Ren 等 23 在2016 年 提 出 了Faster RCNN 將 特 征 提 取 邊 界 框 回 歸 和 分 類 集 成 到 一 個 網(wǎng) 絡 中 使 綜 合 性 能 有 較 大 提 高 在 檢 測 速 度 方 面 尤 為 明 顯 Fuentes 等 24 應 用Faster RCNN VGGNet ResNet 的 檢 測 框 架 對 番 茄 病 蟲 害 區(qū) 域 進 行 定 位 檢 測 其 圖 像 庫 中 類 別 有 10 種 病 害 平 均 精 度 均 值 mean Average Precision mAP 值 達 到 了 85 98 從 此Faster RCNN 逐 漸 被 應 用 到 植 物 病 害 區(qū) 域 檢 測 上 劉 闐 宇 等 25 26 采 用Faster RCNN 框 架 分 別 采 用ZF Net 和VGGNet 作 為 骨 干 網(wǎng) 絡 能 準 確 定 位 葡 萄 葉 片 和 葉 片 上 的 病 斑 Ozguven 和Adem 27 通 過 改 變Faster RCNN 模 型 的 參 數(shù) 實 現(xiàn) 對 甜 菜 葉 斑 病 的 自 動 檢 測 對155 幅 甜 菜 圖 像 進 行 了 訓 練 和 測 試 獲 得 了95 48 的 總 體 分 類 正 確 率 Bari 等 28 使 用Faster RCNN 對 水 稻 患 病 葉 片 圖 像 和 健 康 葉 片 圖 像 進 行 檢 測 識 別 葉 片 患 病 準 確 率 均 在98 以 上 表 明Faster RCNN 可 以 相 對 準 確 實 時 地 檢 測 水 稻 常 見 病 害 Zhou 等 29 提 出 了 一 種 基 于FCM KM 和Faster RCNN 融 合 的 水 稻 病 害 快 速 檢 測 方 法 以3010 幅 圖 像 為 研 究 基 礎 數(shù) 據(jù) 集 得 到 稻 瘟 病 白 葉 枯 病 和 紋 枯 病 的 檢 測 精 度 分 別 為96 71 97 53 和98 26 檢 測 時 間 分 別 為0 65 0 82 和0 53s 3 2邵 明 月 等 深 度 學 習 在 植 物 葉 部 病 害 檢 測 與 識 別 的 研 究 進 展 Vol 4 No 1 Xie 等 30 提 出 了 一 種 基 于 改 進 的 深 度 卷 積 神 經(jīng) 網(wǎng) 絡 Faster DR IACNN 模 型 在 自 建 的 葡 萄 葉 疾 病 數(shù) 據(jù) 集 Grape Leaf Disease Dataset GLDD 上 展 開 研 究 并 引 入 了Inception v1 模 塊 Inception ResNetv2 模 塊 和 壓 縮 和 激 勵 網(wǎng) 絡 Squeeze and Excitation Networks SENet 該 模 型 具 有 較 高 的 特 征 提 取 能 力 mAP 精 度 為 81 1 檢 測 速 度 為15 01 f s 上 述 研 究 表 明 基 于 二 階 檢 測 器 的 植 物 病 害 目 標 檢 測 在 檢 測 準 確 度 方 面 獲 得 了 較 好 的 病 害 檢 測 效 果 但 由 于 檢 測 速 度 慢 只 能 用 在 實 時 性 要 求 不 高 的 場 景 中 3 1 2 基 于 一 階 檢 測 器 的 植 物 病 害 檢 測 一 階 檢 測 器 直 接 對 特 征 圖 上 每 個 位 置 的 對 象 進 行 類 別 預 測 不 經(jīng) 過 二 階 檢 測 器 中 的 區(qū) 域 建 議 步 驟 具 體 步 驟 見 圖2 如YOLO SSD 及 其 變 體 YOLO 是Redmon 等 31 于2016 年 提 出 的 一 種 一 階 段 檢 測 算 法 YOLO 的 設 計 不 同 于Faster RCNN 它 將 檢 測 過 程 整 合 為 單 個 網(wǎng) 絡 同 時 實 現(xiàn) 目 標 區(qū) 域 預 測 和 分 類 的 回 歸 過 程 YOLO 并 不 生 成 候 選 框 而 是 將 圖 像 劃 分 成 網(wǎng) 格 以 網(wǎng) 格 為 中 心 確 定 目 標 邊 界 和 類 別 與 Faster RCNN 相 比 YOLO 在 滿 足 更 高 精 度 的 同 時 大 大 提 高 了 檢 測 速 度 Bhatt 等 32 在 復 雜 自 然 條 件 下 的 茶 園 采 集 圖 像 并 提 出 了 一 種 基 于YOLOv3 的 病 蟲 害 檢 測 方 法 在 確 保 系 統(tǒng) 實 時 可 用 性 的 同 時 實 現(xiàn) 了mAP 為86 交 并 比 Intersection over Union IOU 為50 Maski 和Thondiyath 33 提 出 了 幾 個 輕 量 級 的YO LO 模 型 用 于 移 動 農(nóng) 業(yè) 機 器 人 對 植 物 病 害 的 檢 測 主 要 針 對 木 瓜 環(huán) 斑 病 建 立 了 一 個 大 規(guī) 模 的 數(shù) 據(jù) 集 在 此 基 礎 上tiny YOLOv4 算 法 的mAP 最 高 可 達99 9 MobileNetV2 YOLOv3 算 法 在 疾 病 嚴 重 程 度 檢 測 方 面 的 最 高mAP 約 為98 39 李 昊 等 34 基 于 改 進 的YOLOv4 實 現(xiàn) 柑 橘 病 蟲 害 葉 片 檢 測 并 根 據(jù) 檢 測 目 標 框 實 現(xiàn) 柑 橘 病 害 葉 片 的 局 部 分 割 結 合DenseNet 算 法 對 分 割 出 來 的 葉 片 進 行 病 害 檢 測 檢 測 準 確 率 達 到95 46 針 對YOLO 的 缺 陷 Liu 等 35 于2016 年 提 出 了SSD 相 較 于YOLO SSD 的 改 進 主 要 包 括 3 個 方 面 一 是 提 取 不 同 尺 度 的 特 征 圖 解 決 了 YOLO 不 能 準 確 檢 測 小 目 標 的 問 題 二 是 設 計 了 多 個 不 同 尺 度 的 先 驗 框 三 是 在VGG16 網(wǎng) 絡 中 增 加6 個 卷 積 層 來 預 測 邊 界 框 偏 移 量 解 決 了 YOLO 定 位 不 準 的 問 題 Sun 等 36 提 出 了 一 種 可 部 署 在 移 動 設 備 上 的 輕 量 級 的MEAN SSD 病 害 檢 測 模 型 MEAN SSD 是 通 過 引 入 MEAN 塊 MobileEndAppleNetblock 和 所 有3 3 卷 積 核 圖1 植 物 病 害 檢 測 的 二 階 檢 測 算 法 流 程 Fig 1 Two stagedetectionalgorithmdiagramofplantdiseasedetection 圖2 植 物 病 害 檢 測 的 一 階 檢 測 算 法 圖 Fig 2 One stagedetectionalgorithmdiagramofplant diseasedetection 3 3Vol 4 No 1 智 慧 農(nóng) 業(yè) 中 英 文 S m a r t A g r i c u l t u r e 都 替 換 為MEAN 塊 的Inception 模 塊 構 建 而 成 mAP 能 夠 達 到83 12 速 度 達 到12 53 f s Sun 等 37 提 出 了 一 種 多 尺 度 特 征 融 合 的 改 進 的SSD 算 法 該 方 法 結 合 了 數(shù) 據(jù) 預 處 理 特 征 融 合 特 征 共 享 疾 病 檢 測 等 步 驟 用 于 檢 測 復 雜 背 景 下 玉 米 葉 枯 病 mAP 比 原SSD 算 法 的mAP 高 了 20 左 右 從71 80 提 高 到91 83 同 時 傳 輸 速 度 也 從24 f s 提 高 到28 4 f s 達 到 了 實 時 檢 測 25 f s 的 標 準 Selvaraj 等 38 對 比 了 幾 種 著 名 目 標 檢 測 框 架 和 不 同 骨 干 網(wǎng) 絡 組 合 對 香 蕉 病 蟲 害 檢 測 的 效 果 數(shù) 據(jù) 庫 包 括 了10 種 香 蕉 病 蟲 害 共3 萬 余 張 圖 像 發(fā) 現(xiàn)SSD 框 架 和MobileNetv1 的 組 合 檢 測 總 體 效 果 最 好 雖 然 經(jīng) 過 不 斷 地 改 進 和 優(yōu) 化 一 階 段 檢 測 算 法 在 植 物 病 害 精 度 和 速 度 上 都 有 所 提 高 但 錨 框 的 存 在 仍 然 令 這 種 檢 測 方 法 不 夠 精 簡 3 2 基 于 無 錨 框 的 植 物 病 害 檢 測 2019 年 Zhou 等 39 提 出 了 一 種 無 錨 框 的 檢 測 算 法 CenterNet 該 算 法 是 在CornerNet 的 基 礎 上 改 進 而 來 由 原 來 對 兩 個 關 鍵 點 即 圖 像 的 左 上 角 和 右 下 角 的 檢 測 改 為 對 圖 像 中 心 點 的 估 計 由 于 該 算 法 去 掉 了 生 成 錨 框 這 一 操 作 并 且 由 熱 力 圖 估 計 損 失 省 去 了 一 些 耗 時 的 操 作 所 以 很 大 程 度 上 提 升 了 檢 測 性 能 目 前 基 于 CenterNet 的 病 害 檢 測 研 究 還 較 少 但CenterNet 已 被 證 明 可 以 應 用 于 自 然 條 件 下 的 目 標 檢 測 夏 雪 等 40 通 過CenterNet 檢 測 網(wǎng) 絡 與MobileNet v3 相 結 合 構 建 一 個 新 的 網(wǎng) 絡 M CenterNet 對 自 然 條 件 下 果 樹 上 的 蘋 果 進 行 檢 測 并 與Cen terNet 和SSD 做 對 比 發(fā) 現(xiàn) 所 提 網(wǎng) 絡 不 論 是 檢 測 精 度 還 是 檢 測 速 度 上 都 比CenterNet 和SSD 要 好 很 多 尤 其 是 檢 測 速 度 上 比 這 兩 種 網(wǎng) 絡 提 高 了 1 倍 左 右 Albattah 等 41 提 出 了 一 種 改 進 的Cen terNet 算 法 以PlantVillageKaggle 數(shù) 據(jù) 庫 為 主 要 數(shù) 據(jù) 來 源 以DenseNet 77 為 基 礎 網(wǎng) 絡 對 深 層 次 關 鍵 點 進 行 提 取 然 后 分 別 對 番 茄 蘋 果 葡 萄 等 在 內(nèi) 的14 種 植 物26 類 病 害 及12 類 健 康 葉 片 進 行 識 別 從 多 方 面 分 析 得 出 改 進 的CenterNet 方 法 比 目 前 最 新 的EfficientNet 方 法 能 夠 更 準 確 地 識 別 植 物 病 害 無 錨 框 的 檢 測 算 法 在 性 能 上 優(yōu) 于 基 于 錨 框 的 檢 測 算 法 是 今 后 病 害 區(qū) 域 檢 測 方 面 的 主 要 研 究 方 向 3 3 植 物 病 害 目 標 檢 測 分 析 與 展 望 近 年 來 植 物 病 害 檢 測 研 究 進 展 見 表2 表4 可 以 看 出 針 對 大 豆 玉 米 馬 鈴 薯 蘋 果 葡 萄 等 植 物 病 害 目 標 檢 測 一 階 段 檢 測 算 法 和 二 階 檢 測 算 法 都 獲 得 了 較 好 的 檢 測 效 果 但 目 前 文 獻 表 明 在 病 斑 邊 界 框 bounding box 標 識 時 較 為 混 亂 一 些 文 獻 對 一 張 葉 片 上 大 的 病 斑 單 獨 框 出 一 些 文 獻 則 對 小 且 多 的 病 斑 往 往 采 用 一 個 框 對 沒 有 明 顯 邊 界 的 病 害 則 往 往 不 考 慮 在 病 害 檢 測 任 務 范 疇 內(nèi) 同 時 對 植 物 生 長 的 復 雜 自 然 場 景 中 進 行 病 害 目 標 檢 測 研 究 較 少 這 種 場 景 下 密 集 小 目 標 檢 測 算 法 有 待 進 一 步 研 究 同 時 還 需 應 對 復 雜 自 然 條 件 下 可 能 出 現(xiàn) 的 光 照 陰 影 復 雜 背 景 遮 擋 疊 加 小 病 斑 檢 測 等 難 點 如 今 已 提 出 的 病 害 檢 測 算 法 均 對 特 定 的 數(shù) 據(jù) 集 有 較 好 的 檢 測 效 果 但 若 數(shù) 據(jù) 集 發(fā) 生 了 改 變 則 可 能 會 導 致 檢 測 效 果 不 佳 所 以 在 未 來 提 高 模 型 的 魯 棒 性 是 值 得 研 究 的 一 個 方 向 另 外 早 期 病 害 的 檢 測 研 究 仍 處 于 空 白 階 段 主 要 因 為 數(shù) 據(jù) 采 集 的 困 難 早 期 病 害 部 位 信 息 較 少 研 究 者 無 法 保 證 準 確 識 別 病 害 種 類 與 病 斑 位 置 但 早 期 病 害 檢 測 更 有 利 于 防 止 病 菌 的 傳 播 與 發(fā) 展 有 效 防 治 植 物 病 害 所 以 今 后 應 重 視 開 展 對 早 期 病 害 檢 測 的 開 發(fā) 研 究 以 期 達 到 及 時 防 治 減 少 損 失 的 目 的 目 前 對 植 物 的 病 害 檢 測 還 處 于 有 人 工 干 預 的 半 自 動 化 過 程 探 索 全 自 動 化 的 病 害 檢 測 方 法 也 將 是 未 來 主 要 研 究 方 向 之 一 4 植 物 病 害 識 別 研 究 進 展 植 物 病 害 識 別 是 指 對 病 害 圖 像 進 行 處 理 分 析 和 理 解 以 辨 識 不 同 種 類 病 害 對 象 的 技 術 是 植 物 病 害 及 時 有 效 防 治 的 主 要 依 據(jù) 3 4邵 明 月 等 深 度 學 習 在 植 物 葉 部 病 害 檢 測 與 識 別 的 研 究 進 展 Vol 4 No 1 早 期 植 物 病 害 識 別 方 法 中 病 害 特 征 的 提 取 和 選 擇 是 依 據(jù) 先 驗 經(jīng) 驗 人 工 完 成 的 識 別 性