黄瓜病虫害识别平台设计与实现

摘要：本文针对当前黄瓜种植户面临的病虫害难以识别，治理方式不科学等问题，详细探讨了一种基于深度学习的图像分类技术的黄瓜病虫害识别平台的设计与实现过程。该系统结合了、深度学习以及计算机科学等多学科知识，旨在帮助种植户及时发现并处理黄瓜病虫害，最终提升种植户的种植收益。

关键词：智慧农业；深度学习；图像分类；

1 项目概述

1.1项目开发背景

我国作为农业大国，黄瓜种植历史悠久，作为一种经济作物，是很多农民赖以生计的来源。在黄瓜种植中，病虫害是影响黄瓜成长和品相的一个重要因素。对于黄瓜病虫害的防治，早发现早治疗是非常关键的，但很多种植户尤其是小批量种植的散户对黄瓜病虫害的治理缺乏相关经验，没法及时发现黄瓜的病虫害并进行治疗，从而导致黄瓜产量低、品相差等情形，最终导致收入减少。

1.2项目开发目标

本项目基于深度学习技术，开发一款面向黄瓜病虫害识别和治理的系统，通过手机搭载的小程序应用实现即开即用、快速稳定的识别方式，以帮助种植户及时发现并处理黄瓜病虫害，最终提升种植户的种植收益。

2系统设计与实现

2.1系统功能设计

根据对用户的需求分析，本系统主要功能包括：

基本数据维护模块:基本数据维护模块提供了使用者录入、修改并维护基本数据的途径

模型处理模块:该模块可以识别对应的数据模型并返回识别结果。

数据库管理模块:在系统中，所有的数据信息都要进行详细的记录，所以要用同意的数据库管理平台进行管理

2.2系统数据库设计

通过对病虫害识别的理解以及数据的调研我们设计出四个核心表来满足系统日常运行的数据需求，如表1和表2分别为已识别图片表和未识别图片表。

表1 已识别图片表

表2  未识别图片表

通过合理设计上述数据库表结构，可以满足系统对拍照识别、获取农作物病虫害信息、数据维护以及历史数据分析等功能的需求。同时，数据库应具备高并发处理能力和高效的数据检索性能，确保在大规模业务场景下能够稳定运行并提供快速响应。

2.3数据集收集与模型训练

2.3.1数据集收集与处理

在构建基于深度学习技术的农作物病虫害监测识 别系统前，需要一个包含多个类别的图像数据集，每个类别代表一种病虫害，这些图像数据应覆盖不同的病虫害类型，并且应有足够的样本数量。

模型数据集主要通过互联网收集与自行拍摄获得，收集到的病虫害图像大多数比较杂乱，如农作物的病害分布不均匀，我们通过对调整数据集图片的属性，如对比度、尺寸、以及饱和度等将600余张病害图片扩增为1700余张。

2.3.2模型训练

我们选用最新的yoloV11的cls分类模型，该模型是一种相对成熟的预训练模型，仅需要提供数据集以及一些训练参数即可。如图1所示为系统识别效果。

图1 模型识别处理结果

图2为模型训练损失和验证损失。从图2可以看到，在25个epoch内训练损失呈现下降趋势，从一开始的较高值快速下降，最后趋于接近于零。表明模型在训练集上的优化效果显著，能够很好地拟合训练数 据。验证损失也呈下降趋势，说明模型在验证集上的表现逐步改善。然而，与训练损失相比，其下降幅度相对较小，并且有一定的波动，导致损失难以稳定 下降。

图2 模型损失率

图3为模型识别准确率。从图3可以看到，Top-1 准确率逐步上升，说明模型能够逐渐正确预测更多的样本。但在早期阶段有些波动，总体趋势良好。Top-5 准确率整体波动较大，但没有明显的持续上升趋势。这种情况可能是因为训练时间较短，模型尚未充分收敛，或者是某些类别的样本过少、难以预测也可能是由于使用的数据中包含有动态模糊的图像、图片调整过大导致丧失特征有有少量变化等造成。

图3 模型识别准确率

3 结束语

本文设计并实现了一种基于深度学习的黄瓜病虫害识别平台，通过深度学习模型对黄瓜病虫害图像进行准确分类和识别。实验结果表明，该系统具有较高的识别准确率和效率，能够满足黄瓜种植户的实际需求。未来，我们将继续优化深度学习模型，提高识别准确率；同时，将进一步完善用户交互界面和数据库存储模块，提升系统的易用性和可扩展性。此外，我们还将探索将该平台应用于其他蔬菜作物的病虫害识别领域，以推动智慧农业的进一步发展。

参考文献

[1] 李正,李宝喜,李志豪,等. 基于深度学习的农作物病虫害识别研究进展[J].湖北农业科学, 2023, 62(11):165-169.

[2] 梁美静,毛克彪,郭中华,等, 深度学习在农业领域的研究与应用[ J].农业工程,2024,14(1):30-36.

[3] 何前. 深度学习在农作物病虫害识别领域的应用[J]. 中南农业科技,2024,45(7):120-122.

[4] 洪杨,樊玮婷,何梦侠,李忠华.图像识别技术在农业领域的应用综述[J].电脑知识与技术,2024,20(7):24-27

[5] 王伟莉,曾智良,龚文婷.基于深度学习技术的农作物病虫害检测识别系统的研究[J].农业灾害研究, 2024, 14(4):52-54.

本文受临沂大学2024年校级大学生创新创业训练项目《基于深度学习的黄瓜病虫害识别及治理系统》资助，同时也是临沂大学本科教学改革项目（项目编号JG2024M31）和山东省一流本科在线课程《大型数据库技术》阶段性成果。

牛茂伦，男，临沂大学2022级软件工程专业学生。通讯作者：赵德玉，男，临沂大学信息科学与工程学院副教授。zhaodeyu@lyu.edu.cn