摘要
柑橘是我国南方地区最重要的果树之一，柑橘产业已成为南方农业经济中不可或缺的一部分。而黄龙病（HLB）被认为是柑橘的癌症，蔓延速度快、危害大。感染黄龙病的柑橘树，产量和质量会受到严重的影响，甚至死亡。黄龙病一旦爆发，将给果农及相关产业造成巨大的经济损失。当目前为止，还没有药物可以治愈柑橘黄龙病。因此，对柑橘黄龙病的预防，必须做到早发现，早隔离。 目前使用的柑橘黄龙病诊断方法，如PCR检测技术、DNA探针杂交和血清学诊断等方法，在实际生产中难以推广。随着深度学习与人工智能的发展，利用卷积神经网络对植物病害进行检测的研究越来越多。针对柑橘黄龙病诊断周期长，难以在实际生产中推广的问题，本文基于移动端的深度学习网络，对能够在手机上实时检测柑橘黄龙病的方法进行了研究。主要工作包括： 1、为了探索本研究的可行性，首先对采集了柑橘单个叶片的图像，然后用迁移学习的方法，基于MobileNet模型，在简单背景下实现了黄龙病的判别，并将诊断模型植入到安卓手机（HisiliconKirin960,RAM6G）进行了测试。该模型在手机CPU上的占用率为25%-30%，每帧图像的检测时间为30-250ms。 2、进一步的，使用MobileNet作为SSD目标检测算法的基础网络，对在柑橘果园中采集的多片叶图像进行了建模分析，其均值平均精度（MeanAveragePrecision，mAP）达到了85%，CPU占用率为40%-50%，每帧图像检测时间为320-360ms。 3、为了使模型能够更好地应用到手机上，设计了柑橘黄龙病在线检测APP，使得用户能够在手机离线状态下，在APP上选取照片进行柑橘黄龙病的本地诊断。同时，增加了专家系统功能，能够对柑橘叶片进行专家端的人工检测，确保了诊断系统的可靠性。 本课题研发的基于MobileNet的柑橘黄龙病在线诊断技术与系统，能够对柑橘黄龙病进行实时的诊断，及时地指导农户诊断出黄龙病，并采取防控措施。利用手机APP进行黄龙病的检测，比传统方法更加节省时间，可更加便捷地发现病株，为柑橘的田间诊断提供了参考。
NETL