摘要：随着农业现代化的不断发展，农作物病虫害防控技术也愈发成熟。为解决传统病虫害识别准确度低、效率低的问题，研发了一款集北斗导航、人工智能、大数据、云平台算法等技术于一体的AI农作物病虫害识别系统，提高农作物病虫害识别准确度和效率。“AI农作物病虫害识别系统”已在全国26个省份使用，将在提升农作物病虫害防控工作发挥重要的作用。

关键词：农作物病虫害；图像识别；深度学习；系统建立

农作物重大病虫害的频繁发生与全球气候变暖密切相关。随着气温的持续升高，害虫的繁殖周期缩短，导致种群数量迅速增加。此外，全球贸易和旅游的不断发展也为害虫的传播提供了便利条件，这给防治工作带来了巨大挑战。

传统农作物病虫害识别依旧依靠肉眼识别，其主观性且劳动强度大，不仅无法有效控制病虫害的发生，更容易造成农作物农药含量超标、污染环境等问题。本研究基于北斗导航、人工智能、大数据等新一代信息技术，利用轻量化卷积神经网络，研发了一种应用于手机移动端的农作物病虫害识别系统。该系统可实现精准识别病虫害、精准定位病虫害发生区域、精准丈量土地面积等功能，为农作物病虫害识别工作提供新技术，对维护国家粮食安全与推动农业数字化发展具有重要意义。

1  系统设计与开发

1.1  系统云数据库的设计

云数据库存储在云端服务器，可以避免占用过多本地资源。对于其中的数据库集合设计，每一个功能模块都有一个与之对应的数据库表单。例如历史数据库集合，里面存储了病害历史记录，包括病害的名称、虫害名称、存入的时间等信息，再利用前端的操作进入获取相应的数据库内容。

1.2  首页拍照以及图片上传模块

该模块的主要功能是通过训练好的神经网络进行农作物病虫害识别，并返回识别的结果与概率。首页的界面设计为一个单独的拍照识别界面，使用者需要选择病害叶片进行拍照识别，并可以选择确认是否拍照正确，防止因错误拍照而引起的错误识别。另外使用者可以在“我的”界面找到“上传图片”的功能，此功能可以选择手机相册本地图片，利用ChooseImage函数实现。用户手动选择对应的相册图片，再次点击上传即可进行分析病虫害。

1.3  农作物病虫害结果分析与展示模块

结果展示界面是由用户的识别图片以及最终的识别结果组成。在用户确认图片上传之后，前端利用uploadFile函数会将图片上传至云端，并且会将数据传输到搭建的云端API识别接口。云端的识别接口会依据图片特征，分析出对应的病虫害的识别结果，并将结果数据以json的格式传送回客户端，最终会将解析后的结果按照病害名称以及识别程度依次显示在展示界面，便于用户查看与二次甄别。

1.4  测亩服务模块

测亩服务板块有效调用了北斗导航技术，能够在野外实现厘米级定位精度，实现不规则面积实时测试、动态图形显示和数据智能化处理和储存。对于边界有明显折线特征的待测农田，取其边界上的若干个点依次连接，形成首尾相连的多边形，通过求取多边形的面积，得出待测农田的面积，从而实现精准施肥、科学用药。

2  关键技术

2.1  图像数据采集及预处理

在进行病虫害图像识别前，需对其进行图像预处理工作，以提高对病虫害的识别效果。数据采集与预处理的优劣程度，对模型准确率有直接影响，因此要从病虫害发生的种类、时间、范围、程度等方面综合考虑。特征的提取对于图像识别至关重要，抽取好的特征表示能够提高识别准确率。其主要目的是过滤出图像中重要的特征信息，便于进行特征提取、识别分类、图像分割等操作，在提高效率的同时还能保持较高准确率。

2.2  卷积神经网络模型构建和训练

卷积神经网络（Convolutional neural networks，CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习（deep learning）的代表算法之一。由卷积层、池化层和全连接层组成，能够自动提取图像中的特征并进行分类，广泛应用于图像识别、目标检测等领域。

在训练过程中，CNN通过卷积层自动提取图像中的局部特征，如边缘、纹理和形状等，基于特征的提取，设计一个分类器来识别不同的病虫害类型，使用标注好的病虫害图像数据集进行模型训练，通过反向传播算法优化模型参数，最小化损失函数（如交叉熵损失），从而提高模型的准确性和泛化能力。

在多次调整相应的参数后，将最终识别效果较好的模型通过Flask部署到Web服务器，从而实现对前端提交图像的智能识别。最终构建的卷积神经网络模型可以用于农作物病虫害图像的识别与分类，为农民提供精确的病虫害防治建议。病虫害识别模型技术路线如图1所示。

2.3  开发移动端应用程序识别系统

为了保证训练好的卷积神经网络模型能够便捷智能地用于农作物病虫害识别，需将训练好的模型部署到Android移动端。在充分综合对比卷积神经网络模型的准确率、识别效率、模型大小等多项评价指标的情况下，优先选择最佳的轻量级CNN网络模型，以进一步开发Android手机系统下的多种农作物病虫害识别APP。

3  系统主要功能

3.1  病虫害识别

打开系统移动端首页，分别有“植物病害识别”、“植物虫害识别”等功能，点击“植物病害识别”功能，从可识别的39种作物选择需要识别的作物种类，点击“拍照”或“上传图片”，2-3秒内即可获得所识别的病害诊断种类及防治方法。

3.2  测亩服务

用于农业从业者或其他在测亩方面有需求的人员，在移动端首页点击“测亩服务”，找到需要测量的地块，标记地块点位，点击“一键生成面积”，即可获取地块面积。该功能在精准施肥、科学用药等方面具有重要作用。

4  总结

随着互联网时代的快速发展，病虫害防控工作也愈发智能化。本文所研发的AI农作物病虫害识别系统，基于北斗导航、云计算等技术，运用卷积神经网络模型算法，利用智能手机移动端实现农作物病虫害识别精准化、数据分析采集自动化、数据展示可视化，从而解决了人工识别主观性程度高等问题。并通过全国各地用户的使用，形成我国病虫害发生动态数据可视化展示图，为各地政府相关部门提供有效数据支撑及参考，推动农作物病虫害防控全民化，具有广阔的应用前景。