ICSICS65.060.202025-02-14發布綏化市市場監督管理局發布DB2312/T128—2025本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規則》的規定起草。請注意本文件的某些內容可能涉及專利。本文件的發布機構不承擔識別專利的責任。本文件由綏化市農業農村局提出并歸口管理。本文件起草單位：黑龍江省農業機械工程科學研究院綏化分院、綏化學院、東北農業大學、黑龍江八一農墾大學。本文件主要起草人：崔佳鵬、王孝波、張媛媛、王海礁、王紅元、公衍峰、霍治民、公續淇、趙世宏、楊楠、賈彪、高晟楠。DB2312/T128—20251寒地水稻田間病害等級智能識別指南本文件指出了寒地水稻田間病害等級智能識別的術語和定義、采集對象、采集方法、采集要求、數據集建立和評估方法。本文件適用于綏化市域內寒地水稻田間病害等級的識別。2規范性引用文件本文件沒有規范性引用文件。3術語和定義下列術語和定義適用于本文件。3.1病害等級根據水稻病害的嚴重程度，對病害進行分級。3.2智能識別利用計算機視覺和機器學習技術，通過圖像分析和模式識別來識別和分類病害。4采集對象寒地水稻田間病害包括稻瘟病、紋枯病、白葉枯病、胡麻斑病、細菌性條斑病等。5采集方法5.1采集時間除強光、弱光和降水時，全天均可進行操作。5.2采集部位水稻病害發病葉片，采集到的水稻葉片圖像完整、清晰。2DB2312/T128—20255.3圖像拍攝選擇代表性田塊，在近田埂的第2行～第3行，采取直線5點取樣，每點拍攝不少于1張圖片，采集時，鏡頭在水稻頂部30cm高處俯視，與地面呈向下45°~60°角，取景寬度約30cm。5.4固定監測點根據田間條件，在長勢均勻、代表性強的稻田內設置固定圖像監測點，采用網絡數碼攝像設備定點、定時連續獲取水稻圖像，每10hm2地塊至少設置1個固定監測點，5.5隨機監測點根據田間條件，在病害危害表現較為具有代表性的稻田內，隨機抽取20m2～100m2區域作為監測點，在檢測區域內，通過手持數碼攝像設備進行定點圖像采集。6采集要求6.1圖像質量采集的圖像中水稻感病部位應在視場范圍內，且分辨率不低于512×512像素的RGB圖像。6.2圖像代表性采集的圖像中水稻病斑區域應具有水稻病害（稻瘟病、紋枯病、白葉枯病、胡麻斑病、細菌性條斑病等）的典型特征。7數據集建立7.1數據標注農藝專家對采集獲得的寒地水稻病害圖像進行人工數據標注。7.2數據集劃分將數據集劃分為訓練集、驗證集和測試集。7.3數據增強7.3.1尺寸縮放：將圖像的高度和寬度調整為特定大小。7.3.2隨機裁剪：將要選擇的圖像的一部分應用于新圖像。7.3.3圖像翻轉：水平或垂直翻轉圖像。7.3.4圖像填充：填充包括在圖像的所有邊緣上按指定的數量填充。DB2312/T128—202537.3.5隨機旋轉：對圖像隨機施加旋轉角度。7.3.6高斯噪聲：圖像將使用高斯模糊進行模糊處理。7.3.7灰度處理：將彩色圖像轉換為灰度。7.3.8顏色抖動：隨機改變圖片的亮度，對比度和飽和度。8評估方法8.1病害等級智能識別模型8.1.1采用深度學習語義分割算法，構建病害識別網絡模型。8.1.2利用訓練集對網絡模型進行訓練。8.1.3利用未訓練的測試集進行病害等級識別。8.1.4采用病害像素準確率、病害類別平均像素準確率和病害平均交并比進行模型評價，按式（1）~式（3）計算。式中：PA－病害像素準確率；TP－標簽為正樣本且分類為正樣本數；FP－標簽為負樣本分類為正樣本數；TN－標簽是負樣本且分類為負樣本數；FN－標簽為正樣本分類為負樣本數。……（1）C式中：MPA－病害類別平均像素準確率；P－第i類樣本的正確預測數目/預測樣本數目之和；C－病害類別數。……（2）kk……（3）DB2312/T128—20254MIoM－病害平均交并比。8.2病害等級識別8.2.1分級方法：以細菌性條斑病為例，每小區采用五點平行取樣或對角線取樣的方法，每點調查250級：葉片無病斑；1級：葉片僅有小點半透明水漬狀病斑，占葉面積的1%以下；3級：葉片有零星短而窄條病斑，占葉面積的1%～10%；5級：葉片病斑較多，占葉面積11%～25%；7級：葉片病斑較密，占葉面積26%～50%；9級：葉片病斑密布，占葉面積51%以上，葉片變橙褐色、卷曲、枯死。8.2.2以常見寒地水稻田間病害圖像經語義分割算法獲得病斑區域像素面積和葉片像素面積比值，依據分級方法進行病害等級識別。葉部病害嚴重程度按式（4）計算。DSdSl(i,)Rij(i,)RPlijDnmaxSDSdSl(i,)Rij(i,)RPlij式中：D－n類別葉部病害嚴重程度；Sd－病斑區域面積，cm2/px；S－n類別病斑區域面積，cm2/px；Sl－葉片區域面積，cm2/px；P－單