參照格式： 劉易雪, 宋育陽, 崔萍, 房玉林, 蘇寶峰. 基於無人機遙感和深度學習的葡萄卷葉病感染程度診斷方法[J]. 智慧農業(中英文), 2023, 5(3): 49-61.
DOI：10.12133/j.smartag.SA202308013
LIU Yixue, SONG Yuyang, CUI Ping, FANG Yulin, SU Baofeng. Diagnosis of grapevine leafroll disease severity infection via UAV remote sensing and deep learning[J]. Smart Agriculture, 2023, 5(3): 49-61.
DOI：10.12133/j.smartag.SA202308013
官網全文免費閱讀
知網閱讀
基於無人機遙感和深度學習的葡萄卷葉病感染程度診斷方法
劉易雪 1，2，3 ， 宋育陽 4 ， 崔萍 5 ， 房玉林 4 ， 蘇寶峰 1，2，3*
（1.西北農林科技大學 機械與電子工程學院，陜西楊淩 712100，中國；2.農業農村部農業物聯網重點實驗室，陜西楊淩 712100，中國；3.陜西省農業資訊感知與智慧服務重點實驗室，陜西楊淩 712100，中國；4.西北農林科技大學 葡萄酒學院，陜西楊淩 712100，中國；5.寧夏賀蘭山東麓葡萄產業園區管理委員會，寧夏銀川，750002，中國）
摘要：
［目的/意義］ 葡萄卷葉病是一種嚴重影響葡萄產量和品質的病害。葡萄卷葉病感染程度類別之間存在嚴重的數據不平衡，導致無人機遙感技術難以進行精確的診斷。針對此問題，本研究提出一種結合細粒度分類和生成對抗網路（Generative Adversarial Network，GAN）的方法，用於提高無人機遙感影像中葡萄卷葉病感染程度分類的效能。
［方法］ 以蛇龍珠品種卷葉病辨識診斷為例，使用GANformer分別對每一類的葡萄園正射影像的分塊影像進行學習，生成多樣化和逼真的影像以增強數據，並以Swin Transformer tiny作為基礎模型，提出改進模型CA-Swin Transformer，引入通道註意力機制（Channel Attention，CA）來增強特征表達能力，並使用ArcFace損失函式和例項歸一化（Instance Normalization，IN）來改進模型的效能。
［結果和討論］ GANformer可以生成FID score為93.20的蛇龍珠虛擬冠層影像，有效地改善數據不平衡問題。同時，相比基於摺積神經網路（Convolutional Neural Networks，CNN）的深度學習模型，基於Transformer的深度學習模型在卷葉病感染程度診斷的問題上更具優勢。最佳模型Swin Transformer在增強數據集上達到83.97%的準確率，比在原始數據集上提高3.86%，且高於GoogLeNet、MobileNetV2、NasNet Mobile、ResNet18、ResNet50、CVT和T2TViT等對照模型。而本研究所提的CA-Swin Transformer在增強數據後的測試集上達到86.65%的分類精度，比在原始的測試集上使用Swin Transformer精度提高6.54%。
［結論］ 本研究基於CA-Swin Transformer使用滑動視窗法制作了葡萄園蛇龍珠卷葉病嚴重程度分布圖，為葡萄園卷葉病的防治提供了參考。同時，本研究的方法為無人機遙感監測作物病害提供了一種新的思路和技術手段。
關鍵詞： 無人機遙感；深度學習；生成對抗網路；Swin Transformer；釀酒葡萄卷葉病；數據增強；註意力機制
文章圖片
圖1 寧夏西鴿酒莊葡萄園調查點分布及葡萄冠層患病不同等級的無人機遙感影像
Fig. 1 The location of field survey and grapevine canopy images of the grapevines with different levels infection in the vineyard of Xige Estate， Ningxia
圖2 GANformer模型
Fig. 2 GANformer model overview
圖3 改進後的CA-Swin Transformer結構
Fig. 3 The network architecture of the improved CA-Swin Transformer
圖4 在田塊尺度使用滑動視窗遍歷蛇龍珠冠層
Fig. 4 Grapevine canopy detection with slide windows at the field scale
圖5 釀酒葡萄冠層無人機遙感模擬影像生成方法研究GANformer訓練過程中FID score下降曲線
Fig. 5 FID score curve during GANformer training process for grapevine canopy simulated UAV image generation
圖6 GANformer模擬影像生成過程
Fig. 6 The image generation process of GANformer simulation
圖7 使用GANformer增強釀酒葡萄冠層無人機遙感影像數據前後深度學習分類結果對比
Fig. 7 Comparison of deep learning classification results before and after using GANformer to enhance data for grapevine canopy simulated UAV image generation
圖8 釀酒葡萄冠層無人機遙感模擬影像生成方法研究基於t-SNE對模型學習到的冠層細粒度特征進行降維顯示
Fig. 8 Dimensionality reduction display of canopy fine-grained- features learned from the model based on t-SNE for grapevine canopy simulated UAV image generation
圖9 卷葉病嚴重程度診斷的CA-Swin Transformer測試混淆矩陣
Fig. 9 CA-Swin Transformer confusion matrix on test for grapevine leafroll disease severity infection diagnosis
圖10 基於Grad-CAM顯示改進模型過程中的類啟用圖
Fig. 10 class activation diagram based on Grad-CAM display model improvement
圖11 基於CA-Swin Transformer的葡萄園蛇龍珠卷葉病嚴重程度分布
Fig. 11 Grapevine canopy detection with slide windows at the field scale based on CA-Swin Transformer
通訊作者簡介
蘇寶峰 教授
蘇寶峰，男，教授，博士生導師，西北農林科技大學機械與電子工程學院，中國農業機械學會基礎技術分會第十屆委員會委員，中國電腦學會數位農業分會執行委員，中國農業工程學會高級會員，北海道大學夥伴（Hokkaido University Partner），北海道大學農學研究院農業科學先驅全球教育計畫Fellow。長期從事精準/智慧農業關鍵技術創新整合與田間植物表型組學相關研究，先後主持國家自然科學基金計畫、留學回國人員啟動基金計畫、陜西省重點研發計劃計畫、寧夏回族自治區重點研發計劃計畫課題、廣西壯族自治區重點研發計劃計畫課題等多項國家及省部級計畫。
來源：【智慧農業（中英文）】2023年第3期
轉載請聯系編輯部授權
智慧農業微信交流服務群
為方便農業科學領域讀者、作者和審稿專家學術交流，促進智慧農業發展，為更好地服務廣大讀者、作者和審稿人，編輯部建立了微信交流服務群，有關專業領域內的問題討論、投稿相關的問題均可在群裏咨詢。 入群方法： 加小編微信 331760296 ， 備註： 姓名、單位、研究方向 ，小編拉您進群，機構行銷廣告人員勿擾。
釋出征集
歡迎在我公眾號釋出科研團隊介紹、創新科研成果及相關活動等資訊。
