趙 檳

（陽光農(nóng)業(yè)相互保險(xiǎn)公司建三江中心支公司鴨綠河保險(xiǎn)社，黑龍江 佳木斯 154000）

信息技術(shù)的廣泛應(yīng)用，為水稻病害識(shí)別與檢測帶來了新的機(jī)遇與挑戰(zhàn)，研究人員通過不斷探索和創(chuàng)新，利用信息技術(shù)手段實(shí)現(xiàn)了水稻病害的快速檢測，但也有一些不足有待進(jìn)一步解決。水稻病害識(shí)別和檢測方法的研究是一個(gè)非常復(fù)雜的過程，需要從多個(gè)方面的知識(shí)與技術(shù)進(jìn)行綜合考慮，需要大量的時(shí)間和精力。基于信息技術(shù)的水稻病害識(shí)別與檢測方法作為一種新型手段，可為水稻病害的快速診斷提供有力的技術(shù)支持，為實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)提供可能。

1 水稻病蟲害智能識(shí)別與檢測技術(shù)概述

隨著我國農(nóng)業(yè)機(jī)械化的發(fā)展，水稻生產(chǎn)全程機(jī)械化已成為水稻生產(chǎn)發(fā)展的必然趨勢，如何實(shí)現(xiàn)對水稻病蟲害的智能識(shí)別與檢測成為未來研究的重點(diǎn)。目前，水稻病蟲害智能識(shí)別與檢測技術(shù)主要包括圖像處理技術(shù)、計(jì)算機(jī)視覺技術(shù)、激光雷達(dá)技術(shù)以及基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法。其中，圖像處理技術(shù)是利用計(jì)算機(jī)對圖像進(jìn)行處理，識(shí)別與檢測水稻病蟲害。計(jì)算機(jī)視覺技術(shù)主要包括基于圖像處理的病蟲害自動(dòng)識(shí)別與檢測方法和基于視覺感知的病蟲害監(jiān)測方法。激光雷達(dá)技術(shù)是利用激光雷達(dá)獲取水稻生長過程中的圖像信息，通過對圖像進(jìn)行處理提取出所需要的信息，進(jìn)而對病蟲害進(jìn)行自動(dòng)檢測和識(shí)別。目前，基于人工智能技術(shù)的病蟲害識(shí)別和檢測方法主要包括圖像分析法、傳感器法以及機(jī)器學(xué)習(xí)法，其中機(jī)器學(xué)習(xí)法是一種利用人工神經(jīng)網(wǎng)絡(luò)對水稻病害進(jìn)行自動(dòng)識(shí)別與檢測的方法，如圖1所示。

圖1 水稻病蟲害智能識(shí)別與檢測技術(shù)

1.1 基于深度學(xué)習(xí)的水稻病害智能診斷與識(shí)別

人工智能技術(shù)已經(jīng)在很多領(lǐng)域得到了廣泛的應(yīng)用，其中基于深度學(xué)習(xí)技術(shù)的人工智能應(yīng)用也較為廣泛，在圖像分類、目標(biāo)檢測等領(lǐng)域也取得了很好的效果。目前，基于深度學(xué)習(xí)技術(shù)的智能診斷與識(shí)別方法在農(nóng)作物病害識(shí)別方面的研究較多，但對水稻病害識(shí)別的研究較少。利用深度學(xué)習(xí)技術(shù)對不同種類、不同病害類型的水稻進(jìn)行智能診斷與識(shí)別，有助于實(shí)現(xiàn)對水稻病害的自動(dòng)診斷與檢測，同時(shí)，還可實(shí)現(xiàn)對水稻病害種類的快速鑒別，提高檢測效率。在未來發(fā)展中應(yīng)重點(diǎn)研究以下幾個(gè)方面：（1）加強(qiáng)水稻病蟲害分類數(shù)據(jù)庫建設(shè)。目前我國相關(guān)研究大多基于人工采集數(shù)據(jù)，很難實(shí)現(xiàn)大規(guī)模、高質(zhì)量數(shù)據(jù)采集，而隨著人工智能技術(shù)的不斷發(fā)展，可以利用大數(shù)據(jù)、云計(jì)算等技術(shù)建設(shè)水稻病蟲害分類數(shù)據(jù)庫，提高數(shù)據(jù)質(zhì)量；（2）加強(qiáng)深度學(xué)習(xí)模型在不同病害類型中的應(yīng)用研究。目前，深度學(xué)習(xí)模型在農(nóng)作物病害識(shí)別方面已經(jīng)取得了很好的效果，但在不同種類、不同病害類型中應(yīng)用研究較少，且在對水稻不同病害進(jìn)行智能診斷與識(shí)別時(shí)效果也不盡相同；（3）加強(qiáng)對基于深度學(xué)習(xí)技術(shù)的水稻病害分類模型優(yōu)化。目前，深度學(xué)習(xí)模型在準(zhǔn)確率、精度、模型規(guī)模等方面均優(yōu)于人工方法，因此，可以進(jìn)一步研究和優(yōu)化基于深度學(xué)習(xí)技術(shù)的水稻病蟲害分類模型。

1.2 天氣對農(nóng)作物的影響

天氣對農(nóng)作物的影響主要包括溫度、濕度和光照等。在水稻生長過程中，溫度和濕度會(huì)影響水稻的生長狀況，從而影響水稻的產(chǎn)量和品質(zhì)。溫度過高或過低都會(huì)導(dǎo)致水稻病害的發(fā)生。濕度對水稻病害的發(fā)生具有重要作用，尤其是在低溫和高濕的條件下，水稻容易出現(xiàn)病害。光照對于水稻生長同樣具有重要作用，光照不足會(huì)導(dǎo)致水稻光合速率降低，植株?duì)I養(yǎng)不良，進(jìn)而影響水稻產(chǎn)量。

同時(shí)，在不同的生長階段，天氣對水稻病害的影響也不一樣。在幼苗期、孕穗期和灌漿期等時(shí)期，天氣對農(nóng)作物的影響較大；而在分蘗期、灌漿期等時(shí)期，天氣對農(nóng)作物的影響較小。因此，不同階段不同天氣對農(nóng)作物產(chǎn)生的影響也不同。

1.3 溫度、濕度和光照

溫度對水稻病害的發(fā)生具有重要影響。當(dāng)溫度過高時(shí)，水稻植株會(huì)生長過度，導(dǎo)致葉片徒長、葉片變薄、株高過高，植株的光合效率降低，從而影響水稻產(chǎn)量；當(dāng)溫度過低時(shí)，水稻植株會(huì)出現(xiàn)萎蔫甚至死亡。因此，水稻在不同生長階段對溫度的要求也不同。例如，在幼苗期，溫度應(yīng)保持在25℃左右；在孕穗期和灌漿期，溫度應(yīng)保持在30℃左右；在拔節(jié)期，溫度應(yīng)保持在25℃左右。當(dāng)空氣濕度過大時(shí)，會(huì)導(dǎo)致水稻葉片腐爛。而對于光照來說，水稻葉片表面的光合色素會(huì)隨著光照強(qiáng)度的增加而增加。當(dāng)光照強(qiáng)度過大時(shí)，光合色素含量過高會(huì)導(dǎo)致水稻葉片腐爛；當(dāng)光照強(qiáng)度過小時(shí)，光合色素含量過低會(huì)導(dǎo)致水稻葉片腐爛。

1.4 不同生長階段天氣對水稻病害的影響

水稻的生長周期一般為3個(gè)階段：幼苗期、孕穗期和灌漿期。幼苗期時(shí)，水稻生長最旺盛的時(shí)期，其生長受溫度影響較大，對環(huán)境的變化較為敏感。此時(shí)如果遇到低溫或高溫天氣，都會(huì)導(dǎo)致水稻生長受到阻礙，植株出現(xiàn)問題；而在孕穗期和灌漿期時(shí)，溫度升高，會(huì)促進(jìn)水稻的生長，從而提高水稻產(chǎn)量。在孕穗期時(shí)，溫度和濕度都比較高，此時(shí)若遇到低溫或高溫天氣，都會(huì)導(dǎo)致水稻病害的發(fā)生；在灌漿期時(shí)，溫度升高或降低都會(huì)導(dǎo)致水稻出現(xiàn)問題。在分蘗期和灌漿期時(shí)，溫度和濕度的影響較??；而在孕穗期時(shí)，溫度升高會(huì)促進(jìn)水稻生長，但濕度過大會(huì)影響植株生長。

2 存在的不足

目前，信息技術(shù)在水稻病蟲害監(jiān)測方面的實(shí)際應(yīng)用不多，且主要是基于人工監(jiān)測，導(dǎo)致其檢測結(jié)果不夠精確，無法滿足實(shí)際應(yīng)用需要。因此，信息技術(shù)在水稻病蟲害快速識(shí)別和檢測方面仍存在以下不足。

2.1 數(shù)據(jù)采集設(shè)備要求高

由于水稻病蟲害具有病害種類多、發(fā)病時(shí)間不確定等特點(diǎn)，且人工難以快速準(zhǔn)確地獲得病害圖像數(shù)據(jù)，因此需要對采集到的數(shù)據(jù)進(jìn)行預(yù)處理。目前，基于信息技術(shù)的水稻病蟲害監(jiān)測系統(tǒng)主要使用的是手機(jī)、相機(jī)等成像設(shè)備，這些設(shè)備要求較高的穩(wěn)定性和采集速度，并不能滿足實(shí)時(shí)檢測需求。

2.2 圖像處理算法復(fù)雜、操作繁瑣

由于水稻病蟲害具有復(fù)雜的幾何結(jié)構(gòu)和種類繁多的病害特征，且其圖像處理算法也較為復(fù)雜，導(dǎo)致信息技術(shù)在水稻病蟲害快速識(shí)別和檢測方面難以實(shí)現(xiàn)準(zhǔn)確、快速、高精度的目標(biāo)。

2.3 信息技術(shù)在水稻病蟲害監(jiān)測過程中缺少統(tǒng)一標(biāo)準(zhǔn)

雖然目前已有部分研究采用圖像處理技術(shù)對水稻病蟲害進(jìn)行檢測，但由于檢測原理不同，導(dǎo)致其檢測結(jié)果存在一定差異。盡管有學(xué)者使用圖像處理技術(shù)對水稻病害進(jìn)行了識(shí)別和檢測，但由于其處理過程復(fù)雜、易受干擾、計(jì)算量大等原因，導(dǎo)致其實(shí)際應(yīng)用效果并不理想。

因此，未來應(yīng)加強(qiáng)信息技術(shù)在水稻病蟲害快速識(shí)別和檢測方面的研究力度，不斷完善信息技術(shù)在水稻病蟲害快速識(shí)別和檢測方面的應(yīng)用體系。

3 建議與對策措施

針對本文前面提及的不足，我們提出以下幾點(diǎn)解決方案：（1）針對水稻病害種類繁多、樣本不足的問題，研究人員可以通過增加數(shù)據(jù)量來解決。例如，使用遷移學(xué)習(xí)技術(shù)解決數(shù)據(jù)量不足的問題；（2）針對數(shù)據(jù)質(zhì)量不高、數(shù)量不足的問題，可以考慮建立水稻病害樣本庫來提高檢測效率，并通過建立病害檢測模型來減少人工干預(yù)。例如，基于深度學(xué)習(xí)的水稻病害檢測方法中存在大量人工標(biāo)注樣本，如何建立水稻病害檢測模型是未來需要解決的問題；（3）針對機(jī)器視覺技術(shù)在水稻病害檢測上存在一定的局限性，例如無法判斷病害類型、對特定背景有較高要求等。因此需要結(jié)合其他技術(shù)手段來解決這些問題。例如，將傳統(tǒng)圖像處理技術(shù)與計(jì)算機(jī)視覺技術(shù)相結(jié)合用于水稻病害檢測；（4）針對作物生長環(huán)境復(fù)雜、非結(jié)構(gòu)化數(shù)據(jù)較多等問題，研究人員可以考慮采用混合建模方法來解決。例如，在已有圖像處理算法基礎(chǔ)上，引入多種深度學(xué)習(xí)算法構(gòu)建新模型；（5）針對作物病害特征信息難以提取、有效特征少等問題，研究人員可以通過分析作物圖像來獲取所需的有效特征信息。例如利用植物生理信息來提取作物病害特征信息。例如，通過分析水稻葉片葉綠素含量、光合速率、氣孔導(dǎo)度等生理指標(biāo)來提取水稻葉片的葉綠素含量和氣孔導(dǎo)度等生理指標(biāo)；（6）針對作物病害種類繁多、樣本數(shù)量不足等問題，研究人員可以利用圖像處理技術(shù)和機(jī)器學(xué)習(xí)方法來解決。例如利用深度學(xué)習(xí)模型進(jìn)行水稻病害檢測。

4 技術(shù)及未來展望

我國是農(nóng)業(yè)大國，水稻作為我國重要的糧食作物之一，對我國糧食安全具有重要意義。傳統(tǒng)的人工監(jiān)測方式費(fèi)時(shí)費(fèi)力且效率低，而基于信息技術(shù)的水稻病害快速識(shí)別與檢測方法具有成本低、易實(shí)現(xiàn)等優(yōu)點(diǎn)，且能夠快速檢測出水稻病害，在農(nóng)業(yè)生產(chǎn)中具有廣闊的應(yīng)用前景。隨著人工智能技術(shù)的發(fā)展，基于人工智能技術(shù)的水稻病害快速識(shí)別與檢測方法將進(jìn)一步發(fā)展。

目前，人工智能技術(shù)在水稻病蟲害識(shí)別與檢測方面的研究較多，但對基于神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行水稻病蟲害識(shí)別和檢測研究較少。因此，在未來發(fā)展中應(yīng)加強(qiáng)對基于神經(jīng)網(wǎng)絡(luò)技術(shù)在水稻病蟲害識(shí)別和檢測中應(yīng)用的研究。一方面，可以利用神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建不同種類水稻病害快速識(shí)別和檢測模型，實(shí)現(xiàn)對水稻不同病害的快速識(shí)別；另一方面，可以進(jìn)一步利用深度學(xué)習(xí)方法對不同種類、不同病害類型的水稻進(jìn)行智能診斷與識(shí)別。此外，利用深度學(xué)習(xí)方法構(gòu)建的模型在準(zhǔn)確率、精度、模型規(guī)模等方面均優(yōu)于人工方法，有利于實(shí)現(xiàn)對水稻病蟲害的自動(dòng)診斷與快速檢測。

4.1 技術(shù)發(fā)展

隨著信息技術(shù)的快速發(fā)展，水稻病蟲害圖像識(shí)別與檢測技術(shù)呈現(xiàn)出智能化、自動(dòng)化、網(wǎng)絡(luò)化、數(shù)字化等發(fā)展趨勢，主要體現(xiàn)在以下幾個(gè)方面：

（1）病蟲害識(shí)別與檢測系統(tǒng)：基于機(jī)器視覺和傳感器技術(shù)的水稻病害圖像識(shí)別與檢測系統(tǒng)已在水稻病害診斷和監(jiān)測方面得到應(yīng)用，但仍存在較大的發(fā)展空間。

（2）深度學(xué)習(xí)和機(jī)器學(xué)習(xí)算法：利用深度學(xué)習(xí)和機(jī)器學(xué)習(xí)等算法實(shí)現(xiàn)水稻病蟲害圖像識(shí)別與檢測是未來的研究熱點(diǎn)，但目前仍處于試驗(yàn)階段，技術(shù)上尚不成熟。

（3）指標(biāo)設(shè)計(jì)：為實(shí)現(xiàn)對水稻病害的智能診斷和監(jiān)測，需建立多指標(biāo)融合的病蟲害診斷模型，利用數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等算法，實(shí)現(xiàn)對水稻病害的準(zhǔn)確識(shí)別。

（4）水稻生產(chǎn)的精準(zhǔn)管理：對于受病害影響的水稻，其產(chǎn)量及品質(zhì)會(huì)發(fā)生較大變化，因此研究人員應(yīng)重點(diǎn)關(guān)注這些因素對水稻產(chǎn)量及品質(zhì)的影響，并針對不同影響因素進(jìn)行實(shí)時(shí)監(jiān)測。

4.2 農(nóng)業(yè)保險(xiǎn)的重要性

農(nóng)業(yè)保險(xiǎn)作為農(nóng)業(yè)風(fēng)險(xiǎn)保障的一種重要形式，是指政府通過立法強(qiáng)制實(shí)施的，對因遭受自然災(zāi)害和意外事故造成損失的農(nóng)戶提供經(jīng)濟(jì)補(bǔ)償?shù)闹贫?。隨著我國農(nóng)業(yè)現(xiàn)代化發(fā)展，我國農(nóng)業(yè)保險(xiǎn)業(yè)務(wù)規(guī)模也迅速增長，但目前仍面臨著諸多挑戰(zhàn)。農(nóng)業(yè)保險(xiǎn)制度設(shè)計(jì)和經(jīng)營管理問題是當(dāng)前我國農(nóng)業(yè)保險(xiǎn)面臨的主要問題，也是影響我國農(nóng)業(yè)保險(xiǎn)發(fā)展的重要因素。從國內(nèi)外經(jīng)驗(yàn)看，要想完善農(nóng)業(yè)保險(xiǎn)制度，應(yīng)在充分考慮國情的基礎(chǔ)上，不斷加強(qiáng)對農(nóng)戶的宣傳和教育，提高農(nóng)戶對農(nóng)業(yè)保險(xiǎn)的認(rèn)識(shí)程度和參與意識(shí)；同時(shí)，政府部門要加大對農(nóng)業(yè)保險(xiǎn)支持力度，加強(qiáng)對基層農(nóng)業(yè)保險(xiǎn)服務(wù)機(jī)構(gòu)的建設(shè)和管理；另外，還應(yīng)加強(qiáng)國際合作交流，借鑒國外先進(jìn)經(jīng)驗(yàn)。

我國農(nóng)業(yè)保險(xiǎn)經(jīng)過多年的發(fā)展，保險(xiǎn)種類不斷增多，保險(xiǎn)范圍逐步擴(kuò)大，為我國農(nóng)業(yè)生產(chǎn)提供了有力的保障。從保險(xiǎn)產(chǎn)品看，由傳統(tǒng)的農(nóng)作物種植、牲畜養(yǎng)殖及家禽養(yǎng)殖等風(fēng)險(xiǎn)保障，發(fā)展到如今涵蓋種植養(yǎng)殖、自然災(zāi)害、疫病等多種風(fēng)險(xiǎn)保障；從保險(xiǎn)模式看，由傳統(tǒng)的政府財(cái)政補(bǔ)貼型發(fā)展到現(xiàn)在的政府和市場雙輪驅(qū)動(dòng)模式；從承保標(biāo)的看，由傳統(tǒng)的糧食作物種植發(fā)展到現(xiàn)在包括生豬、奶牛、水產(chǎn)、蔬菜等多種標(biāo)的；從保險(xiǎn)經(jīng)營模式看，由傳統(tǒng)的單一模式發(fā)展到現(xiàn)在包括再保險(xiǎn)支持型、共保型、分保型等多種經(jīng)營模式；從組織形式看，由傳統(tǒng)的農(nóng)戶自發(fā)參與發(fā)展到現(xiàn)在的政府參與引導(dǎo)和社會(huì)力量廣泛參與。