《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.docx

2

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。

3.1

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。

3.2

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

4.1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。

4.2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1m2至少设置1个固定监测点。

4.2.2随机监测点

随机抽取10m2～50m2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。

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224pixel×224pixel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。

3

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

4.3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

5.1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。

5.2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。

5.3物理防控

果实套袋，阻隔病虫害，减少污染。

5.4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。

4

T/GARRPAXXXX—2024

附录A（资料性）

PFNet模型识别

百香果叶部病害的结果和可视化见图A.1。

图A.1PFNet模型识别百香果叶部病害的结果和可视化

5

T/GARRPAXXXX—2024

附录B

（资料性）

待鉴定病害

B.1样品分离

采用组织分离法，具体操作方法如下：

a)在超净工作台中使用灭菌的小刀在百香果叶片的病健交界处切取样品；

b)使用75％酒精消毒样品30s，然后使用浓度为0.4％的次氯酸钠消毒5min；

c)通过无菌水清洗三次后，挑取约0.5cm2的小块组织接种至马铃薯葡萄糖琼脂（PDA）培养基中央。

d)于28℃恒温培养箱中培养观察，培养至菌落直径1.5cm～2.0cm时，挑取菌落边缘部位进行纯化，直至获得纯净菌株。

B.2形态学鉴定

24℃~28℃恒温条件下培养5d～10d，观察菌株在PDA培养基上的菌丝生长情况，使用显微镜对菌的形态及产孢情况等进