《百香果叶部病害人工智能识别与绿色防控技术规程》征求意见稿.pdf

T/GARRPAXXXX—2024

百香果叶部病害人工智能识别与绿色防控技术规程

1范围

本文件确立了百香果叶部病害人工智能识别和绿色防控程序，规定了病害人工智能识别、病原菌鉴

定、绿色防控等阶段的操作指示，给出了技术档案作为追溯方法。

本文件适用于百香果叶部病害人工智能识别与绿色防控。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其必威体育精装版版本（包括所有的修改单）适用于本

文件。

GB/T40748—2021百香果质量分级

3术语和定义

下列术语和定义适用于本文件。

百香果叶部病害Passifloraedulialeafdiseases

百香果栽培中，因真菌等侵染叶部而引起的病害。

绿色防控greenpreventionandcontrol

采用农业防治、理化诱控、生物防治、生态调控以及科学、合理、安全使用农药的技术。

4病害人工智能识别

图像质量要求

利用无人机、嵌入式成像设备等，采用水平视角或俯视角度拍摄，达到图像清晰的要求。同时，应

拍摄到病害不同发展阶段的典型病症，包括但不限于病状、病征。

图像监测点

4.2.1固定监测点

在长势均匀、代表性强的种植基地设置固定监测点，采用无人机巡航拍摄或网络摄像机定点连续获

取百香果叶部图像，每1 m至少设置1个固定监测点。2

4.2.2随机监测点

随机抽取10 m～50 m区域的百香果作为监测点，定期采用相机采集百香果叶部图像。22

4.2.3图像预处理

4.2.3.1将采集的图像样本进行归一化，统一裁剪像素为224 pixel×224 pixel并保存。

4.2.3.2按7:1:2的比例将数据分为训练集、验证集和测试集，不同数据集作用见表1。

4.2.3.3通过训练集、验证集和测试集等数据集，标记病害图像。

2

T/GARRPAXXXX—2024

表1数据集作用描述

名称作用

训练集模型训练

验证集模型参数调优

测试集测试模型最终性能

智能识别

4.3.1识别步骤

4.3.1.1分层混合尺度单元提取局部病害特征和全局病害特征。

4.3.1.2利用坐标注意力模块沿空间方向提高显著性病害特征的感知能力。

4.3.1.3采用全局平均池化层整合特征信息。

4.3.1.4通过分类器将得到的高维百香果叶部病害特征进行分类。

4.3.1.5最后，PFNet模型完成百香果叶部病害的分类识别。

4.3.2识别结果

4.3.2.1已鉴定病害

PFNet模型识别百香果叶部病害的结果和可视化图见附录A。

4.3.2.2待鉴定病害

待鉴定病害见附录B。

5绿色防控

农业防控

5.1.1清洁田园

选择土壤干净的田园，防止过多积水。及时清除病株，远离种植地深埋或烧毁，减少菌源。

5.1.2种苗选用

根据GB/T40748—2021选用健康、抗性强、优质、生命力旺盛、无病虫的优良种苗。

生物防控

生物防控方法见附录C，采用同种其他病原菌防治应先验证其对百香果本身的生物安全性。

物理防控

果实套袋，阻隔病虫害，减少污染。

化学防控

化学防控方法见附录D，优先选用植物源农药进行防治。

6技术档案

建立技术档案，档案内容包括但不限于产地环境条件、生产投入品、栽培管理、病害防控等内容，

完善全程溯源体系记录保留2年以上。

3

T/GARRPAXXXX—2024