理论研究：基于柑橘溃疡病的新型智能分拣系统的研究（1）

文章来源：作者：冀经协发布时间：2024-05-26 18:58 访问次数：291次

徐源、郑晶晶、李鼎一、吴志焕、赵志辉

河北工程技术学院，河北省石家庄市，邮编：050000

摘要：柑橘种植已成为全球农贸发展新趋势，中国在种植柑橘技术上已然成为领跑国，是亚洲柑橘的重要产地之一。但目前柑橘溃疡病的出现影响了柑橘的质量，本研究主要利用智能标注技术快速检测柑橘溃疡病，达到提高柑橘质量的目的。研究过程中采用了多种特征提取算法，包括颜色直方图、灰度共生矩阵和局部二值模式等，并对比了不同分类器的性能。其结果表明，智能标注技术可以将准确率提高到较高水平，其中YOLOV8比YOLOV3高出三个百分点。总之本研究所做的智能分拣系统在柑橘溃疡病的检测过程中具有良好的实用性和应用前景，对柑橘的质量有很大的保障，能够很好的为农业生产提供有效的技术支持和工作效率。

英文摘要：The cultivation of citrus fruits has become a new trend in global agricultural development, with China leading the way in citrus cultivation technology and being an important citrus-producing region in Asia. However, the appearance of citrus canker disease has affected the quality of citrus fruits. This study focuses on using intelligent labeling technology to quickly detect citrus canker disease, aiming to improve the quality of citrus fruits. Various feature extraction algorithms, including color histograms, gray-level co-occurrence matrices, and local binary patterns, were utilized in the research process, and the performance of different classifiers was compared. The results showed that intelligent labeling technology can significantly improve the accuracy rate, with YOLOV8 outperforming YOLOV3 by three percentage points. In conclusion, the intelligent sorting system developed in this study has good practicality and application prospects in the detection of citrus canker disease, ensuring the quality of citrus fruits and effectively supporting agricultural production with enhanced efficiency.

关键词：柑橘溃疡病；智能分拣；智能标注技术

作者简介：徐源（2002-）、男，河北省秦皇岛市青龙满族自治县，河北工程技术学院，2021级本科生

通讯作者：吴志焕（1982-），女，副教授，河北衡水人，河北工程技术学院教师

省级大学生创新创业训练计划支持项目（S202312796018）

一、前言

（一）、背景

柑橘是世界第三大贸易农产品，在国际农产品贸易中占有非常重要的地位，全球有140多个国家种植柑橘，主要种植地分布在亚热带地区。我而中国是亚洲柑橘的重要原产地之一，柑橘产量逐年递增。但在柑橘的生长过程中，易受到很多病虫害的侵袭，对柑橘的产量和品质造成严重的影响，产生了巨大的经济损失，为保障我国柑橘产业健康发展，需不断加强对柑橘病虫害的检测技术。

传统的分拣技术具有效率高、费用低廉、机动灵活和稳定可靠等特性，但是传统的分拣技术并不具备对柑橘患病进行分拣的功能，无法实现对柑橘是否患病的检测。采用人工方式又存在成本过高，时间过长等缺点。因此，本团队采用智能标注技术来有效的解决这一痛点，智能标注技术可以自动框选所需的图像并添加标注信息，将数据传输至云端服务器进行处理和分析，最终数据返回机器并做出相应措施，从而实现低成本高效率的农业生产智能化。

（二）、对柑橘溃疡病的数据调查

1.气候

柑橘种植区大多位于高温、高湿的环境，此种环境有利于细菌的繁殖和扩散，雨水喷溅到树体各部位，通过伤口、气孔侵染树体，爆发溃疡病，并且频繁的降雨容易使柑橘树叶片潮湿，加速病原菌的传播和繁殖。土壤中的水分过多或者过少，也会影响柑橘树的健康情况，降低抵抗力，从而易受到细菌感染。因此，气候条件是柑橘患溃疡病的发生和传播的一个重要因素。

2.品种

不同的柑橘种类和品种对溃疡病菌的抗病能力不同柑橘可分为六大种类分别为橘、柑、橙、金柑、柚、枳，其中采取部分柑橘品种进行实验对比，通过实验数据分析得出柑橘的抗病能力与品种差异有一定的联系（见表一）。

3.管理

过度的施肥以及肥料使用不当均会破坏土壤的生态平衡，导致柑橘树生长过于茂盛，进而降低了柑橘树的抵抗能力。修剪不当会导致柑橘树叶片过于密集，通风性降低，增加了病原体滋生和传播机会。对柑橘树缺乏用药或用药不当,无法有效控制溃疡病菌的滋生和传播，增加了柑橘树患病机率。

4.树龄

柑橘溃疡病病菌一般只侵入一定育阶段的幼嫩组织，对刚抽出来的嫩梢、嫩叶、刚谢花后的幼果，以及老熟了的组织不侵染或很少侵染。

5.虫害

由柑橘红蜘蛛、潜叶蛾、凤蝶等幼虫取食所造成伤口对溃疡病病菌的感染有促进作用。

6.柑橘溃疡病的危害等级划分

我们通过大量数据的对比分析得出关于柑橘溃疡病不同受灾程度特征并进行相应的等级划分。

一、相关技术与理论

（一）深度学习

深度学习是机器学习领域的一个子集，它关注于构建和训练具有多层结构的神经网络，以实现复杂任务的自主学习和理解。深度学习的基础是人工神经网络（ANN），其灵感来源于生物神经系统。深度学习模型由多个隐藏层组成，每一层都负责提取输入数据中的特定特征。在过去的十年里，深度学习在计算机视觉、自然语言处理、语音识别、生成对抗网络（GAN）等领域取得了显著的进展。本文将进一步把技术落实到本模型中。

（二）卷积神经网络（CNN）

卷积神经网络（CNN）是一种广泛应用于图像、语音、文本等领域的深度学习模型，能够有效地提取图像特征并实现分类、识别、分割等任务。

卷积神经网络（CNN）是一种特殊的深度学习模型，适用于处理具有类似网格结构的数据，如图像和语音信号。其主要由卷积层、激活函数层、池化层和全连接层组成。卷积层负责提取输入数据的局部特征，池化层用于降低数据维度，提高模型的泛化能力，而全连接层则负责对特征进行高级别的整合，实现最终的分类或回归任务。CNN在图像分类、人脸识别等领域具有优越的性能。

（三）大数据处理技术

首先，通过整合柑橘溃疡病成因的相关数据，如气象数据、土壤信息、农药使用记录等，有助于更全面地了解病害的发生与发展规律。基于所得数据，可以构建预测模型以评估病害风险，为果农提供及时的预防措施。此外，大数据技术可以应用于病害监测系统，实现柑橘溃疡病的自动检测和诊断。在防治决策方面，大数据分析结果可为果农提供个性化的防治建议，包括合适的农药种类、用药剂量和施药时间，以提高防治效果并降低环境及人体健康风险。

（四）智能标注技术

在图像识别中，智能标注技术可以自动识别图像中的物体、场景、人物等信息，将其标注出来，同时计算出相应图像的信息并进行对主要内容的注释，提高人们对图像内容的理解。在图像识别领域，智能标注技术可以使图像自动化分类等相关技术的准确性与效率得到显著提高。

智能标注技术可以将图像中的物体、场景等信息转化为可搜索的标签或关键词，从而实现基于图像内容的搜索和检索。例如自动驾驶中，通过智能标注技术可以训练深度学习模型来检测道路上的车辆、行人和交通标志等目标。医学图像分析中，通过智能标注技术可以训练深度学习模型来分类X光片、MRI图像等医学图像。用户想要快速找到他们需要的图片可以通过智能标注技术可以为图片添加关键词和标签，使得用户可以通过关键词搜索到他们感兴趣的图片。在社交媒体平台对用户上传的图片自动添加标签和描述：通过智能标注技术可以为照片添加人物、地点、时间等元数据，方便用户进行整理和搜索。在电子商务平台中，可以帮助商家更好地展示和销售他们的产品：通过智能标注技术为产品图片添加产品名称、颜色、尺寸等元数据，方便用户进行搜索和购买。