门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
智能技术
›
图像识别
›
《智慧农业》编委李淼研讨员:农作物病害图像辨认互联网 ...
返回列表
《智慧农业》编委李淼研讨员:农作物病害图像辨认互联网资源应用技术
[复制链接]
3wingsun34
2019-5-23 07:04:48
显示全部楼层
|
阅读模式
中国工程院“互联网+古代农业”课题交流会于2019年3月24日在浙江杭州召开。《智慧农业》编委李淼研讨员在会上做了题为《互联网资源应用技术——以农作物病害图像辨认技术研讨为例》的学术报告,以下是报告内容节选。
李淼研讨员汇报“互联网资源应用技术”
古代农业中信息技术的运用是需求资源的,假如没有资源就如无米之炊。互联网是一个宏大的数据资源库,其资源非常丰富。如何应用互联网的数据资源、怎样应用网络资源来助力农作物病虫害的辨认工作是我们关怀的成绩。
一、成绩的提出——互联网的资源/应用
据统计,2017年全球的数据规模为1.8ZB,信息可填满575亿个32G的苹果iPad,这些iPad可以建起两座长城。到了2020年,我们全球的数据量将达到40ZB,这些数据存入蓝光光盘,光盘分量相当424艘尼米兹航母。如此宏大的数据,如何可以处理农业信息技术成绩?
互联网上与农作物病虫害辨认相关的图像公共数据集有两个,分别是ImageNet和Plant Village。ImageNet是2009年斯坦福大学李飞飞教授团队建设的目前全球最大图像辨认库,每类别约有1000幅图像,共有120万可训练有标记样本图像数,图像辨认的网络结构功能的比较,就在ImageNet数据集上停止。Plant Village是2012年宾州大学盛行病学家David运用机器学习技术,发起建设的互联网植物公共图像库,目前有38类植物,4万多张无背景图片。另外,还有一个大规模的视觉辨认应战赛,包括图像分类、目的检测、物体辨认。李飞飞教授之所以可以获得了很大的成功,就是在大规模的视觉辨认应战赛上,它的图像库惹起了全球的关注,如今很多数据库都是在其基础上展开的。
在互联网上的病虫害图像资源应用有基本的四大步骤,即
检索——清洗——自动标注——建立图库
。资源拿回来当前怎样应用?有两个重要的方法,
第一是迁移学习方法,第二是深度学习方法
。
迁移学习(Transfer Learning)
是从2005年末尾提出的。随着近几年的发展,第一个是放宽了机器学习的两个基本假设,即原样本独立分布(这个概念听起来很笼统,其实就是训练样本不可以跨范畴,比如针对辣椒的白粉病,就不可以把茄子的白粉病拿来训练)和样本病害具有独一性(比如训练辣椒的白粉病,当辣椒下面有日光照射的斑点,也会形成混淆,因此样本的病害应该具有独一性)。这是目前机器学习对农业病虫害图像训练的限制。第二个是要有足够多的标注样本,标注样本的建形成本很高。我举例讲解一下,机器学习方法A、B、C 3个病种的辨认,需求分别训练,获得3个辨认模型,且不能互相自创。迁移学习方法可以将A、B两个病种辨认的知识作为原义务迁移到目的义务C上,获得C辨认模型,减少了C模型的训练代价,减少后期的训练成本。比如应用训练好的黄瓜的白粉病作为新目的模型的终点,可以应用黄瓜的白粉病作为原测试,为辣椒白粉病作为基础训练,以处理辣椒小样本的成绩。经过迁移学习技术,目的是完成数据集的扩大,处理公共性的病害,处理农业上病害小样本的成绩。
深度学习(Deep Learning)
有几种模型,即BN(Batch Normalization)模型、CNN(Convolutional Neural Networks)模型、RN(React Native)模型。其中CNN模型是空间上深度的神经网络,多种卷积核可以提取多种特征。CNN是一个网状的结构,RN是一个树状的结构。目前CNN和RN相比较而言,学术界以为CNN合适做图像处理,而RN合适于做自然言语处理。另一个优势是CNN有很多现成的框架,比如VGG16这样成熟的物品分类网络,相对技术门槛比较低,这是深度学习的优势。深度学习中卷积神经网络结构是对TL支持的,CNN结构是由层和层之间的各种网络节点构成,有利于将训练好的网络(植物白粉病)迁移到一个新的网络(各种植物),不是从头末尾,而是借助已有的知识来处理未知的成绩。
迁移学习的技术道路:
首先经过CNN选择网络层数,用Inception-v3模型保证精度的需求,最后应用Mobilenet轻量级CNN保证明时性。要经过训练模型,得到这个预训练模型的微调参数,同时以预训练模型作为特征提取器,进入到第三次学习,最后拿到小数据集,这个数据集是特定的图像辨认模型。应用迁移学习和深度学习来处理小样本成绩的技术道路。
李淼研讨员
二、农作物病害辨认中遇到的成绩
次要提出了三个成绩,分别是
用视觉图像处理技术在实验中遇到的成绩,分析病害视觉图像处理技术的一些局限性,深度学习为什么可以比视觉图像有优势。
视觉图像处理区别于深度图像处理,由于视觉图像处理次要是颜色、纹理和外形特征。根据农作物病害的统计,农作物大概有三千多种,大概有10万多个场景。农作物的病虫害包括二十几大类,一百多个小类,其中有1770多种病害和1590种虫害。由此可以得到病虫害的场景是非常多,也是非常杂的。在实验中发现了一个风趣的现象:把带有黄色光斑的桌子图片输入应用视觉图像处理方法研制的病害诊断系统中,结果辨以为稻瘟病。同时我们采用了深度迁移学习方法来停止病害辨认的实验,就得出了该图片不是水稻病害的结果;在另外的一次实验中,前者将水稻的胡麻斑病也错误的诊断为稻瘟病,而后者辨认结果显示为胡麻斑病的能够性是95.76%。经过分析我们以为:前者在辨认时,单纯从部分病斑的角度出发,将桌子上黄色光斑、水稻胡麻斑病上的椭圆型的病斑与稻瘟病的病斑视为同一种病斑,从而导致了错误辨认结果的产生。而后者思索了图片的全局、背景信息(留意力不只仅集中在病斑上),因此得出了正确的结果。
当然,上述的几个实验例子还不足以证明深度图像处理方法就一定优于视觉图像处理。但它们在获取图像信息的方法是有分明区别的。2015年微软在ImageNet视觉辨认应战赛,采用了CNN的方法,结果显示误辨认略低于人类。假如有大量的图像做前提条件,用深度学习可以为农作物病害的辨认的小样本成绩提供处理思绪与方案。
视觉图像处理遭到平面视觉处理的局限。局限1:
当背景复杂的时分,会影响辨认的效果,如今大部分视觉图像处理都要求去背景,光照不好时图像的分割效果不好,非专业人士拍摄低质图片,难以停止病斑分割。
局限2:
对无背景,且病斑界限明晰的图像,用图像处理技术,可以有效的处理病斑分割成绩。当病害叶片症状以如粉状物、点状、霉状方式表现时,就给分割工作带来困难,对辨认效果产生不利影响。
视觉图像处理前处理工作较为复杂,容易带来错误叠加对准确率的影响。
病害辨认的前四部分工作分别是图像获取、背景分割、病斑分割、病斑特征提取,于是面向低质图片处理,其存在背景复杂分割困难,病斑复杂分割困难,计算建模工夫代价等成绩。因此很容易带来错误的叠加。
深度学习与平面视觉图像处理的区别,从细节上看
是平面和平面特征的区别,由于视觉图像处理技术,针对平面图像表面颜色、纹理、外形,短少平面多层全局信息,不能应用迁移学习的知识模型,来改善小数据集成绩,而深度学习方法是平面视觉,断层扫描,全图无盲点。可以借助迁移学习的方法,将其他病害图像的知识迁移到目的病害的辨认过程中,协助处理小样本的成绩。可以经过借助现有框架完成本人的网络模型,技术门槛比较低。
从结构上看,
深度学习的结构从多层的卷积扫描处理我们图像信息的逐层提取的错误叠加,达到全局覆盖的目的,这是深度学习和视觉图像处理区别所在。
深度学习是一个大众化的工具,它将处理成绩的范畴大大扩展了(清华大学张跋院士)。它的优点是:1、从像素级原始数据到笼统的语义概念逐层自动提取信息特征;2、不需求对图片停止大量的背景分割和病斑分割等前处理工作。其弱点是:1、推行才能差,对于没有学到的知识,就不可以给出正确的解答(或者回答为:不知道);2、需求依赖大量标注数据集的支持。
农业病害数据与交通、城市(几十亿)差距宏大,同时农业采集数据的条件不足,依托物联网技术及时停止图像采集自动在农业范畴的运用不足于10%。农业病虫害防治是全社会的公益性事业事情。触及千家万户的农民和我们每一个人。除了技术创新以外,社会化组织是一个重要的环节。还有许多艰苦的工作需求去一步步往前推进。希望大家共同关注农业,关怀农民、关怀我们本人和子孙后代。
(本文为录音整理节选稿,经本人确认发表)
(转载请联络编辑部授权)
编委简介
李淼,女,博士生导师,中国迷信院合肥智能所二级研讨员,农业信息处理方向首席迷信家。《智慧农业》编委。从事人工智能与知识工程及物联网方面研讨工作30多年,触及形式辨认、信息处理、机器翻译、机器学习与数据发掘、传感器网络、无线通讯、互联网搜索与发掘等技术。在国内外期刊、学术会议发表论文150多篇,获得5项发明专利、6项适用新型专利和100多项软件著作权。获得国家科技提高二等奖2项、国家科技提高三等奖1项、中国迷信院科技提高二等奖3项、国家七五攻关严重成果奖1项、甘肃省科技提高一等奖1项、云南省迷信技术二等奖1项、安徽省科技提高二等奖1项、四川省科技提高三等奖1项、湖北省科技提高三等奖1项、863计划智能化农业信息技术运用示范工程先进个人、全国优秀农业信息技术工作者、中国迷信院第五届十大杰出妇女。
引荐阅读
《智慧农业》期刊
《智慧农业(Smart Agriculture)》季刊是由中华人民共和国农业乡村部主管,中国农业迷信院农业信息研讨所主办,《智慧农业》编辑委员会学术指点,《智慧农业》编辑部编辑出版的国内外公开发行的农业迷信类学术期刊。期刊聚焦农业信息技术发展前沿与热点,刊载和传播国内外最新研讨成果,经过搭建高程度学术交流平台,引领学术研讨方向,服务行业迷信决策,培育高程度创新人才,促进学科发展。
关注“智慧农业编辑部”微信公众号
获取更多内容
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
回复
使用道具
举报
大神点评
3
菊执油
2019-5-23 07:08:03
显示全部楼层
有次闭会听了李教师报告,记得是做废弃物资源应用的啊,这咋摇身一变成农业信息化了
回复
使用道具
举报
weiyizhifu
2019-5-24 10:58:21
显示全部楼层
高手云集 果断围观
回复
使用道具
举报
爱仙剑爱神雕
2019-5-25 14:38:58
显示全部楼层
秀起来~
回复
使用道具
举报
发表新帖
回复
高级模式
B
Color
Image
Link
Quote
Code
Smilies
本版积分规则
发表回复
回帖后跳转到最后一页
3wingsun34
金牌会员
0
关注
0
粉丝
111
帖子
Ta的主页
发布
加好友
最近发表
2023年全球智能可穿戴腕带出货量及竞争格局分析
智能穿戴概念8日主力净流出24.84亿元,光启技术、立讯精密居前
智能穿戴概念11日主力净流入5.62亿元,三六零、兆易创新居前
智能穿戴概念10日主力净流出23.94亿元,立讯精密、中兴通讯居前
智能穿戴概念9日主力净流入6998.51万元,水晶光电、九安医疗居前
云天励飞豪掷1.8亿收购智能穿戴IDH方案商,引领行业新潮流
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们