AI服务云平台 - 西南大学（重庆）产业技术研究院

青花椒病虫害数字化AI服务云平台

一、平台概述：
整合计算机视觉、深度学习、3D建模与移动互联网技术，构建了一套覆盖青花椒全生长周期的智能化病虫害识别与知识服务平台。平台包含微信小程序、PC后台管理系统与3D可视化模块，支持用户实时拍摄识别、知识查询、数据管理等功能，助力花椒种植标准化与数字化。

青花椒病虫害数智化服务平台（点击进入）

架构图1.png

二、核心功能模块：

青花椒生长知识库

青花椒作物生长基础知识素材库，针对江津青花椒种植周期特征，通过系统收集、网络爬虫、人工采集等手段数据采集手段，采集花椒不同生产周期（育苗、幼苗、移栽、2年生长期、3-5年产期、5-20年丰产期、21-35产期、35年后）图片，并且基于专家经验收集青花椒不同周期的水肥管护、施肥推荐等专业知识，使用公有云平台搭建花椒生长周期数据库，以地理地貌、海拔、生命周期、品种、气候等关键特征做好特征标记。后期进行素材库数据的AI动态优化，形成素材库数据的基础建设、AI优化、动态更新的持续闭环体系。

花椒病虫害知识库

建立青花椒主要病虫害基础知识素材库，针对江津青花椒主要病虫害特征，通过系统收集、网络爬虫、人工采集等手段数据采集手段，建立病虫害特征3D可视化展示，数字化识别与诊断系统，并实现基于APP的数字化服务体系，以及典型特征数据的素材库AI闭环优化能力。同时，收集花椒特定品种的病害(锈病、黄化病、沤根)和虫害（蚧壳虫、蚜虫、红蜘蛛、跳甲、吉丁虫、天牛、凤蝶）建立青花椒常见的病虫害分类数据库，包含不同致病种类的病害（早、中、晚）、虫害（虫卵、幼虫、成虫）不同发病期病虫害自身形态、花椒树/果的情况不同角度的图片数据，使用公有云平台搭建病虫害基础数据库，以病害虫害的发生的时期、种类、部位、时间、气候等关键特征为图片做好特征标记。后期进行素材库数据的AI动态优化，形成素材库数据的基础建设、AI优化、动态更新的持续闭环体系。

青花椒知识库后台管理系统

1、生长知识管理

1.1图库管理

动态图库管理与数据更新，提供不同生长周期图片库的查询、上传、修改、删除等功能；

1.2知识管理

提供不同生长周期水肥管护、施肥推荐等知识的查询、新建、修改、删除等功能；

2、病虫害知识管理

2.1图库管理

动态图库管理与数据更新,提供不同病虫害周期图片库的查询、上传、修改、删除等功能；

2.2知识管理

提供不同病虫害周期水肥管护、施肥推荐等知识的查询、新建、修改、删除等功能；

2.3、用户管理

提供系统用户查询、新建用户、修改用户、删除用户等功能。

AI图像识别（青花椒生长、病虫害识别模型）

基于生长周期知识库，采用计算机视觉、数据增广、卷积神经网络、迁移学习、运用智能神经网络算法，对不同生产周期（育苗、幼苗、移栽、2年生长期、3-5年产期、5-20年丰产期、21-35产期、35年后），花椒特定品种的病害(锈病、黄化病、沤根)和虫害（蚧壳虫、蚜虫、红蜘蛛、跳甲、吉丁虫、天牛、凤蝶）建立青花椒常见的病虫害分类数据库，包含不同致病种类的病害（早、中、晚）、虫害（虫卵、幼虫、成虫）建立图像识别分类模型。

具体操作将知识库的图片按类别标签、数据预处理，得到图片的真实标签，将数据集分为训练集、验证集、测试集，训练集裁剪图片，归一化大小，得到新的训练集; 将制作得到的数据集送入网络模型并输出实际值，根据真实标签与实际值计算损失函数值，利用梯度下降反向传播算法更新网络模型的参数，每次更新的网络模型利用验证集验证结果，通过若干次训练，得到训练完成的网络模型。将测试集送入训练完成的网络模型，通过与真实标签比对计算出网络模型检测准确率。生长周期识别算法设计运用深度卷积神经网络算法，利用堆叠网络模块的设计，具有精度高、参数少的特点，堆叠模块中的卷积层的特征输出层数很少，另外卷积核的尺寸为 1×1 和 3×3，这种网络模型的连接使特征和梯度的传输更加有效，更易于训练。通过嵌入堆叠网络模块增加网络的宽度和深度，实现网络模块化的结构，融合不同深度的堆叠模块来获取不同大小的感觉野，拼接不同尺度特征。

青花椒生产种植掌上服务终端（花椒通小程序）

1、土地土壤数据绑定查询

以花椒大数据平台为载体，椒农通过手机微信绑定的手机号一键登录，通过手机号可以和数字地块数据进行绑定，查询个人土地数据、土壤数据、土壤养分数据等。

2、青花椒生产周期识别

通过调用手机相机拍摄现场照片，自动识别花椒所处生产阶段，并向农户推荐对应的水肥管护方法、施肥推荐方案等花椒种植知识。

3、青花椒病虫害识别

通过调用手机相机拍摄现场照片，自动识别主要花椒病虫害种类（蚜虫，锈病），识别精度不低于80%，并向农户推荐对应的病虫害预防措施、治理方法、以及相关农药。

小程序1.png