隨著全球經(jīng)濟(jì)一體化的飛速發(fā)展，外來(lái)生物入侵已經(jīng)成為與一個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展、生態(tài)安全、國(guó)際貿(mào)易與政治利益緊密關(guān)聯(lián)的重大科學(xué)問(wèn)題，也是國(guó)際社會(huì)、各國(guó)政府、科學(xué)家與民眾共同關(guān)注的社會(huì)熱點(diǎn)。我國(guó)是世界上外來(lái)生物入侵危害最為嚴(yán)重的國(guó)家之一，在已報(bào)道的600多種外來(lái)入侵物種中占300多種，嚴(yán)重威脅著我國(guó)的生態(tài)安全和農(nóng)林業(yè)生產(chǎn)甚至對(duì)人畜健康和軍事防衛(wèi)構(gòu)成嚴(yán)重威脅。實(shí)現(xiàn)對(duì)入侵植物早期監(jiān)測(cè)預(yù)警和早期及時(shí)防治的一個(gè)重要的前提是實(shí)時(shí)識(shí)別入侵植物的種類。目前，入侵植物識(shí)別主要通過(guò)形態(tài)學(xué)分類鑒定和分子生物學(xué)鑒定等方法。其中，形態(tài)學(xué)識(shí)別方式主要依靠調(diào)查鑒定人積累的經(jīng)驗(yàn)，或者參考相關(guān)書籍和網(wǎng)絡(luò)資料進(jìn)行判定，對(duì)于難以辨認(rèn)的種類則需要專家鑒定。由于入侵植物種類繁多，且有些種類之間形態(tài)相似，種內(nèi)也有可能出現(xiàn)變異或發(fā)育階段的可塑性形態(tài)變化。這些因素導(dǎo)致對(duì)入侵植物進(jìn)行識(shí)別時(shí)容易出現(xiàn)誤判，調(diào)查監(jiān)測(cè)的實(shí)時(shí)性也很差;此外，由于專家人數(shù)有限和專業(yè)領(lǐng)域的差異等，也不可能隨時(shí)到現(xiàn)場(chǎng)對(duì)入侵植物進(jìn)行識(shí)別。因此，亟須建立和開發(fā)一種入侵植物智能識(shí)別工具，為用戶提供便捷、高效、實(shí)時(shí)、準(zhǔn)確的入侵植物識(shí)別診斷服務(wù)。

　　隨著圖像處理技術(shù)和機(jī)器學(xué)習(xí)理論的發(fā)展與應(yīng)用，有很多學(xué)者開始利用植物葉片圖像來(lái)研究植物種類識(shí)別的方法s。首先通過(guò)圖像采集設(shè)備拍攝單張葉片圖像，然后進(jìn)行葉片圖像的預(yù)處理和背景分割，提取和篩選葉片特征，主要包括全局特征中的顏色、形態(tài)和紋理特征，局部特征中的尺度不變特征變換(scale invariant feature transform)、方向梯度直方圖特征、局部二值模式、Gabor、基于主曲率的區(qū)域檢測(cè)器和多特征融合等，最后篩選出有效特征后訓(xùn)練不同的分類器進(jìn)行植物葉片的識(shí)別，分類器主要包括支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、K最鄰近分類和稀疏表示分類器。

　　由于植物種類繁多，植物葉片存在種間變異和類間相似的現(xiàn)象，上述這種傳統(tǒng)的模式識(shí)別方法在自然環(huán)境下難以獲得高識(shí)別率，模型泛化能力差。近幾年，深度學(xué)習(xí)方法中的卷積神經(jīng)網(wǎng)絡(luò)(CNN)在大規(guī)模圖像識(shí)別任務(wù)中表現(xiàn)出色，可以從圖像中自動(dòng)提取成千上萬(wàn)的特征用于識(shí)別圖像中的目標(biāo)。已有學(xué)者將深度學(xué)習(xí)方法應(yīng)用到植物種類識(shí)別中，建立卷積神經(jīng)網(wǎng)絡(luò)模型，利用遷移學(xué)習(xí)方法，微調(diào)訓(xùn)練好的模型參數(shù)，獲得了較高的識(shí)別率，這些研究結(jié)果為外來(lái)入侵植物智能識(shí)別提供了較好的理論支撐。隨著智能手機(jī)的日益普及，移動(dòng)應(yīng)用的開發(fā)呈現(xiàn)井噴態(tài)勢(shì)，這為實(shí)現(xiàn)便攜的外來(lái)入侵植物智能識(shí)別提供了良好的載體與環(huán)境。將深度學(xué)習(xí)與手機(jī)移動(dòng)設(shè)備兩者結(jié)合實(shí)現(xiàn)移動(dòng)端快速拍照、識(shí)別的應(yīng)用越來(lái)越多，例如“形色”“識(shí)花”“花伴侶”等應(yīng)用軟件，通過(guò)使用手機(jī)拍攝花朵或是植物圖像，進(jìn)行實(shí)時(shí)智能識(shí)別，可以獲得較高的準(zhǔn)確率，為植物和花卉愛好者提供了一個(gè)便捷的智能識(shí)別工具。本文利用安卓編程語(yǔ)言和深度學(xué)習(xí)方法建立了基于移動(dòng)終端的外來(lái)入侵植物智能識(shí)別系統(tǒng)，實(shí)現(xiàn)客戶用手機(jī)拍攝未知植物，系統(tǒng)將自動(dòng)識(shí)別結(jié)果實(shí)時(shí)反饋給用戶，并提供我國(guó)入侵植物信息、危害信息、防治方法和發(fā)生分布信息等信息的查詢功能。

　　1材料與方法

　　1.1系統(tǒng)設(shè)計(jì)

　　外來(lái)入侵植物智能識(shí)別系統(tǒng)是基于客戶端(cli-ent)/服務(wù)器(server)模式的應(yīng)用開發(fā)，由手機(jī)客戶端APP、云端服務(wù)器和深度學(xué)習(xí)模型組成。用戶可通過(guò)客戶端APP拍照或者圖庫(kù)選取相冊(cè)中的入侵植物圖像，經(jīng)預(yù)覽、裁剪等處理操作后上傳至云服務(wù)器，云服務(wù)器調(diào)用算法對(duì)圖像進(jìn)行自動(dòng)識(shí)別后再將結(jié)果反饋給客戶端，客戶也可通過(guò)遠(yuǎn)程專家診斷功能進(jìn)行在線咨詢。系統(tǒng)技術(shù)路線如圖1所示。

　　1.2試驗(yàn)數(shù)據(jù)

　　本文的圖像數(shù)據(jù)一部分來(lái)自中國(guó)農(nóng)業(yè)科學(xué)院植物保護(hù)研究所，一部分來(lái)自網(wǎng)絡(luò)圖片，共35科135種16 843幅入侵植物圖像，所有圖片經(jīng)過(guò)專業(yè)人員鑒定。訓(xùn)練集與測(cè)試集圖像樣本量按照4：1分配，其中13469幅圖像作為訓(xùn)練集，3 374幅作為測(cè)試集。

　　1.3圖像數(shù)據(jù)增強(qiáng)

　　通過(guò)添加噪聲、增強(qiáng)亮度、增加對(duì)比度和旋轉(zhuǎn)等方法(圖2)對(duì)訓(xùn)練圖像進(jìn)行圖像數(shù)據(jù)增強(qiáng)，訓(xùn)練集擴(kuò)增到原來(lái)的5倍。

　　1.4基于DenseNet的入侵植物識(shí)別模型的建立與結(jié)果的評(píng)價(jià)

　　DenseNet模型的網(wǎng)絡(luò)結(jié)構(gòu)主要由稠密塊dense block和過(guò)渡層transition layer組成(圖3)。在稠密塊中每層之間采用非線性組合函數(shù)BN+ReLU+3×3 conv的結(jié)構(gòu)，過(guò)渡層包含卷積層和池化層。DenseNet采用密集連接機(jī)制和通過(guò)特征在channel上的連接來(lái)實(shí)現(xiàn)特征重用，這些特點(diǎn)讓DenseNet在參數(shù)和計(jì)算成本更少的情形下比ResNet具有更優(yōu)的性能。

　　利用識(shí)別率來(lái)評(píng)價(jià)模型對(duì)外來(lái)人侵植物的識(shí)別情況。

　　識(shí)別率一測(cè)試集中識(shí)別正確的圖像數(shù)/測(cè)試集中外來(lái)入侵植物圖像總數(shù)。

　　1.5基于Android的外來(lái)入侵植物識(shí)別系統(tǒng)APP的設(shè)計(jì)

　　在Android開發(fā)環(huán)境Android Srudio下實(shí)現(xiàn)入侵植物識(shí)別的客戶端APP，其核心功能包括用戶登錄、入侵植物信息查詢、入侵植物圖像采集和上傳、識(shí)別結(jié)果的反饋、入侵植物拍攝點(diǎn)的地理信息和專家遠(yuǎn)程診斷等。

　　利用Material Design控件設(shè)計(jì)UI界面。用戶登錄模塊使用post請(qǐng)求攜帶用戶名和密碼等信息參數(shù)訪問(wèn)服務(wù)器，服務(wù)器接受請(qǐng)求后返回回調(diào)信息。

　　利用ViewPager組件、RecyclerView自定義控件、SearchView和PhotoView圖片查看庫(kù)實(shí)現(xiàn)入侵植物信息查詢模塊。

　　利用百度提供的Android地圖SDK接口，通過(guò)使用GPS或網(wǎng)絡(luò)定位功能獲取手機(jī)當(dāng)前位置，使用post請(qǐng)求攜帶位置信息訪問(wèn)服務(wù)器數(shù)據(jù)庫(kù)，服務(wù)器接受請(qǐng)求后將附近的入侵植物信息以Json數(shù)據(jù)格式返回，客戶端解析后結(jié)合Glide圖片加載庫(kù)在地圖上提供實(shí)時(shí)的入侵植物位置信息，通過(guò)GPS距離換算可顯示入侵植物與用戶位置的距離。