一、产品概述

       ATLAS PestAI “爱农”农业病虫害AI（识别）系统是北京爱特拉斯信息科技有限公司研发的完全自主知识产权的AI平台应用产品之一。该产品是基于人工智能图像技术与大数据技术的农作物病虫害、植物识别的多方位应用软件。结合多种深度学习算法，使用以往成熟项目中的农作物病害图库、虫害图库、植物图库以及用户共建图库研发而成。随着用户的使用和参与，AI智能识别产品将逐步发展、完善，成为农业领域的好帮手。

       ATLAS “爱农” AI系统集“识别功能+专家库功能+定位功能+统计功能+地图功能+科普功能”于一身；系统具备丰富的样本数据类型包含植物、病害、虫害等图片样本数据10000种；识别精度85%以上；专家库来源于各大高校相关领域的教授、相关领域的专家，专家数量在100位左右。

 

 

       ATLAS PestAI “爱农”农业病虫害AI（识别）系统产品只要将手机对着农作物的病虫害部位拍张照片，就能告诉您该农作物所患的病虫害名称，提供病虫害简介、危害、防治措施等更详细的知识信息，同时支持专家在线答疑，给出更专业的在线指导，并能实现病虫害时空分布情况的全局监测，能更好的服务于农业生产者及管理者。

二、产品构成

       ATLAS PestAI V1.0产品由以下2个部分组成，产品架构如下图所示：

 

 

       基于AI智能识别技术为农户提供实时在线的病虫害识别和相关专家专业的防治指导；为科研机构提供全面、海量的病害、虫害、植物的样本数据；保障政府实时把控病虫害区域分布情况。产品主要分为移动端和web端，移动端包括识别、知识、提问，web端包括识别、知识库、样本库、专家科普、统计分析。

2.1.   App系统

 

 

2.2.   Web系统

 

 

三、产品方向

       产品应用方向：主要应用于农业领域病虫害识别以及植物识别。

       产品发展方向：重要指标是识别精度、覆盖品类。ATLAS AI智能识别产品将围绕核心继续开展技术研发工作。短期目标通过农作物、果木、花卉的病害图和虫害图，识别病虫害类型并提供科学防治方案；根据积累的数据，全局监测、预警病虫害发生发展，为农业增产保质贡献力量。中长期目标将识别范围扩展到林业、牧业、动物等，逐渐成长为综合生态大数据平台。

四、产品优势及特色

4.1.   样本优势

• 目前为止，ATLAS AI智能识别产品可识别100多种农作物约300多种病害、500多种虫害，可识别3000多种植物；
• 植物样本总量5000000+，病虫害样本总量50000+；
• 植物单一样本数量不少于100张，病虫害单一样本数量不少于50张；
• 每种病害、虫害、植物均有对应的知识描述。

4.2.   识别精度优势

• 识别精度超过85%；

4.3.   AI算法优势

• 本AI平台算法先进，支持目前主流的著名图像识别模型（LeNet-5，AlexNet，ZFNet，VGGNet，GoogLenet，ResNet等）。同时深度神经网络模型采用开源方式进行设计与组合，能够很方便的对模型中的网络层进行修改，提出适应不同数据规模与特点的新模型。模型都已经在已有的植被和病虫害数据集下进行了训练与优化，模型参数对外公开，可以为新场景的训练提供迁移学习的初始模型参数，加快新数据集训练的速度并提高训练的精度。算法模型支持对抗网络训练，能够将对抗机制引入图像识别的深度学习模型学习与训练中，提升模型的鲁棒性和泛化能力。
• 本AI平台训练模型可靠，支持不同平台、多GPU的快速训练。训练后的模型能够在主流的计算个人平台（如PC客户端的windows，linux平台，移动端的Android平台）运行。也可以在云平台进行部署，实现数据的快速上传和训练，借助云平台实现数据、模型和程序的便捷访问。AI平台支持由简单到复杂的深度学习训练过程，不仅适合初学者熟悉深度学习的简单模型搭建，数据组织和训练的过程，也能够为专业研究者提供全面的模型参数调制功能，在可视化的界面支持下快速的进行模型的训练、调优与比较。
• 本AI平台算法、代码、样本、知识产权自主国产化，可实现产品、教学、科研多种价值，产学研共同产出。比起其他同类产品，只提供产品服务及服务接口，不提供算法、代码、模型、样本、知识产权，更能满足高校科研、应用项目的要求。
• 研发AI平台补充多年项目积累的草本植物、植物病害、植物虫害等方面的数十万量级的样本数据及算法模型，具备AI平台的扩展及产品价值。

五、功能介绍

5.1.   APP端

5.1.1.   基本功能简介

• 查询、浏览关于农业、病虫害、植物相关的最新前沿文章
• 浏览、查询不同种类农作物病害、虫害和植物的相关简介、危害、防治措施及百科
• 上传或拍照识别病害、虫害、植物，并给出知识信息，无法确定的推送给专家
• 可以在线向专家提问问题，并查看专家回答以及其他用户提问的问题及专家的回答
• 可以收藏、积分、查看识别记录
• 登录、注册、找回密码等功能

5.1.2.   首页功能简介

 

 

 

1)  科普文章

      以轮播图的形式展示最新前言文章。点击其中一张图片跳转到科普文章详情页。

 

 

2)  快捷入口

      植物库、虫害库、病害库、签到四个快捷入口。点击植物库快捷入口，跳转到植物库一级界面。

 

      点击虫害库/病害库快捷入口，跳转到虫害库/病害库一级界面。

 

      点击签到快捷入口，跳转到签到界面。

 

3)  猜你喜欢

      根据用户浏览历史推荐的科普文章，以列表形式展示，点击其中一条，跳转到详情页。

5.1.3.   AI智能识别

 

 

      点击植物或病害或虫害，进入识别界面。

 

       拍照或上传图片，开始识别，弹出识别结果。

 

      点击结果图片，进入详情页。

 

5.1.4.   知识服务

• 作物病害知识服务：病害简介、危害、防治措施
• 作物虫害知识服务，虫害简介、危害、防治措施
• 植物知识服务，植物简介、百科、养护措施

1)  植物库

      点击植物库图片，进入植物库分类界面，将植物分为粮食作物、油料作物、蔬菜、水果、草植等类别，还支持关键字查询。

 

      点击任一植物图片，进入详情页。

 

2)  虫害库

      点击虫害库图片，进入农作物分类界面，支持关键字搜索查询。

 

      点击农作物图片，进入该农作物所患虫害的图片列表界面。

 

      点击其中一张虫害图片，进入详情页。

 

3)  病害库

      点击病害库图片，进入农作物分类界面，支持关键字搜索查询。

 

      点击农作物图片，进入该农作物所患病害的图片列表界面。

      点击其中一张病害图片，进入详情页。

 

5.1.5.   专家咨询

      对于识别结果不满意的图片可以进行专家咨询，实现专家与用户的交互。

• 提问：问题描述、发布
• 我的提问：我的所有问题及专家回答
• 全部问题：所有用户的问题及专家回答

 

1)  全部

      所有用户所提问题的列表，点击其中一条，进入到问题详情。

 

2)  我的

      用户所提出问题的列表。

 

      点击其中一条，进入问题详情。

 

3)  提问

      点击提问按钮，进入提问界面，上传图片、填写问题描述、选择问题类型，点击发布。

 

5.1.6.   科普文章

• 农业、病虫害、植物相关前沿文章推送。

5.1.7.   我的

 

1)  识别记录

      点击识别记录，按时间序列展示识别图片，点击图片进入详情页。

2)  收藏

      点击收藏，进入收藏列表界面。

3)  积分

      点击积分，进入积分界面。

5.2.   WEB端

 

 

5.2.1.   基本功能简介

• 上传或拍照识别病害、虫害、植物，并给出知识信息，无法确定的推送给专家
• 查询、浏览关于农业、病虫害、植物相关的最新前沿文章
• 专家在线解答问题，并可查看自己的回答。
• 浏览、查询不同种类农作物病害、虫害和植物的相关简介、危害、防治措施及百科，并可修改
• 可浏览、查询农作物病虫害、植物样本图片，支持上传、下载
• 可统计分析病虫害、植物空间分布情况及数量，科普文章数量及浏览量

5.5.2.   AI智能识别

      点击左侧功能栏“病害识别”或者“虫害识别”或者“植物识别”，显示如下图所示。上传图片，点击“开始识别”按钮识别图片。结果显示在页面右侧。

 

 

5.2.3.   样本库

      上传的图片，需经专家判定审核方可入样本库。

1)  待审核图片

      点击样本库，显示所有样本图片。

 

      点击未审核照片，弹出审核界面。

 

      点击取消关闭审核界面；可对图片进行删除和审核操作。对于符合条件的图片（植物可在右侧下拉框中选取对应的纲、目、科、属、种），点击通过。

      搜索，可以通过植物下级名称获取对应的上级名称。

 

2)  已通过图片

      点击样本库，显示已样本图片列表。

 

      点击其中已通过图片，弹出样本界面。

 

      可对样本图片进行删除、编辑和下载，点击样本图片，可以查看详情。

3)  未通过图片

      点击样本库，显示所有样本图片列表。

 

      点击其中一张未通过图片，弹出样本界面。

      可对未通过图片重新进行编辑。

4)  添加样本

      在病害、虫害、植物样本库中点击添加样本。

 

      弹出上传样本界面，填写样本名称及其纲、目、科、属、种，上传图片，点击“立即添加”按钮，添加样本。

5.2.4.   知识库

      点击病害知识库/虫害知识库/植物知识库，显示病虫害知识列表。支持按农作物种类、病虫害名称进行搜索。

 

      点击其中一条，进入详情页。

 

5.2.5.   专家答疑

      专家回答用户提出的问题，并给出建议等；

5.2.6.   统计分析

• 按植物病虫害识别的次数、空间分布等进行统计分析，得出相应的决策支持依据；
• 作物病害统计分析：不同种类的病害时空分布、数量统计
• 作物虫害统计分析：不同种类的病害时空分布、数量统计
• 植物统计分析：识别植物空间分布情况

六、关键技术指标

指标	指标值
植物及病虫害        样本数	1.可智能识别100多种农作物约300多种病害、500多种虫害，可识别3000多种植物； 2. 植物样本总量5000000+，病虫害样本总量50000+； 3. 植物单一样本数量不少于100张，病虫害单一样本数量不少于50张； 4. 每种病害、虫害、植物均有对应的知识库描述。
AI识别精度	1. 识别精度超过85%
AI算法能力	1.支持目前主流的著名图像识别模型（LeNet-5，AlexNet，ZFNet，VGGNet，GoogLenet，ResNet等）。 2. 深度神经网络模型采用开源方式进行设计与组合，能够很方便的对模型中的网络层进行修改，提出适应不同数据规模与特点的新模型。 3. 模型已经在已有的植被和病虫害数据集下进行了训练与优化，模型参数对外公开，可以为新场景的训练提供迁移学习的初始模型参数，加快新数据集训练的速度并提高训练的精度。 4.  算法模型支持对抗网络训练，能够将对抗机制引入图像识别的深度学习模型学习与训练中，提升模型的鲁棒性和泛化能力
AI训练能力	1. AI平台训练模型可靠，支持不同平台、多GPU的快速训练。 2. 训练后的模型能够在主流的计算个人平台（如PC客户端的windows，linux平台，移动端的Android平台）运行。 3. 也可以在云平台进行部署，实现数据的快速上传和训练，借助云平台实现数据、模型和程序的便捷访问。 4. AI平台支持由简单到复杂的深度学习训练过程，不仅适合初学者熟悉深度学习的简单模型搭建，数据组织和训练的过程，也能够为专业研究者提供全面的模型参数调制功能，在可视化的界面支持下快速的进行模型的训练、调优与比较
数据量存储性           能	1. 支持PB级样本数据存储 2. 数据量不受存储类型和操作系统限制，仅受限于存储容量本身
建库处理性能	1. 支持海量样本数据的集群建库处理 2. 4节点集群，切片速度不低于500张/秒
数据服务性能	1. 并发访问用户数不低于1000用户 2. 并发访问响应时间低于1秒 3. 服务提供能力不小于20000小时 4. 系统响应时间：<=1秒； 5.数据存储量：>=10G; 6.运行时间限制：24小时运行； 7.数据精度：双精度。

 

七、合作方式

7.1.   产品定制开发

      客户可以提出定制需求，我单位根据用户需求，重新整合设计，包含：

• 成果的形式的定制:APP、WEB端、公众号、小程序；
• 界面的风格要求；
• 功能点的要求：功能点的拆分和增加；
• 权限的要求；
• 其他；

7.2.   产品接口直接调用

      客户可直接调用我司的识别接口，并集成到自有软件中；

7.3.   样本库

      客户可直接购买我司的样本库，利用自己的模型进行样本训练。

八、应用案例

（1）兰州大学——中国草业与生态系统

       2019年，公司承担了兰州大学中国草业与生态系统研发建设，建设中国草业与生态大数据共享服务平台能够服务于国内草业研究的需求，使草业研究成果能够交流共享。将科研成果服务于草业行业的政府部门、广大行业部门，广大农牧民。其中植物识别和苜蓿病害识别是其建设重要内容。植物识别：根据web系统中训练得到的草业植物识别模型，手机端app拍摄植物照片，在线识别230多类植物科属种，并给出该植物的形态特征、地理分布、生态特征、饲用价值、栽培要点等相关专业知识。苜蓿病害识别：根据web端系统训练得到的苜蓿病害识别模型，基于手机端app上传的数码照片，在线识别给出30种以上相应病害类型及防治措施。

基于上传的植物照片在线识别植物科属种，并给出该植物的形态特征、地理分布、生态特征、饲用价值、栽培要点等相关专业知识，提供手机APP。

• 样本数据：提供300种类型草业植物样本照片、图像数据，每种类型草业植物样本照片/图像数据大于260张；
• 样本库管理：根据样本数据的识别分类进行样本库数据管理，实现样本数据分类、查询、浏览、统计分析；
• 植物识别模型训练：根据样本数据，采用最先进的深度学习算法，进行300种类型的草业植物识别模型训练，训练得到识别精度大于70%的植物识别模型；
• 植物识别：根据训练得到的草业植物识别模型，基于上传的植物照片在线识别植物科属种，并给出该植物的形态特征、地理分布、生态特征、饲用价值、栽培要点等相关专业知识。
• 样本数据采集工具：提供样本数据的采集和编辑工具，可在已有样本数据的基础上，采集编辑新样本，增加识别训练和识别精度。

 

苜蓿病害诊断：基于上传的数码照片给出相应病害类型及防治措施。

• 样本数据：提供30种苜蓿病害样本照片、图像数据，每种类型苜蓿病害样本照片/图像数据大于260张；
• 样本库管理：根据样本数据的识别分类进行样本库数据管理，实现样本数据分类、查询、浏览、统计分析；
• 苜蓿病害识别模型训练：根据样本数据，采用最先进的深度学习算法，进行300种类型的苜蓿病害识别模型训练，训练得到识别精度大于70%的苜蓿病害识别模型；
• 苜蓿病害识别：根据训练得到的苜蓿病害识别模型，基于上传的数码照片在线识别给出相应病害类型及防治措施。
• 样本数据采集工具：提供样本数据的采集和编辑工具，可在已有样本数据的基础上，采集编辑新样本，增加识别训练和识别精度。

 

 

 （2）各地级市农业信息化项目

       2019年，公司承担了山西、云南等地级市的农业信息化项目—实现地级市农业信息化平台与农业大数据中心及数据仓库的数据对接、数据共享、数据服务等功能，为全市统一农业数据存储、数据分析、数据交换标准、接口规范与应用提供支撑引擎，要求实现全市现代农业产业信息分析决策的各个应用系统所采集的农业数据汇总展现，针对不同应用权限用户实现不同的查询功能，打通市各个业务部门之间及垂直业务部门之间数据壁垒，根据数据来源和类型，实现组合式批量录入技术和多维度的农业知识分类，实现各个业务系统数据交互共享。

       其中农业信息化项目中建设智慧植保功能模块，是通过物联网来准确监测农作物病虫害发生动态、分析发展趋势、形成数字化预警，开发AI诊断功能，提供病虫害专家远程诊断服务，结合农机设备自动喷药防治，以提高病虫害防控能力。即将所有的植保仪器设备整合在一起，再通过物联网将设备监测到的数据回传至云管理平台，并形成分析，最后通过专家制定防治方案并发送给农户，农户能第一时间做好防控，大大提高植保工作的效率和准确率。

• 病虫害AI智能诊断功能

基于病虫害数据库，利用AI技术，开发智慧植保移动终端APP，利用相机功能能够识别植物养分，诊断植物健康情况，分析出监测报告，并且推进有质量保证的防治措施。

• 专家远程在线诊断功能

开发专家远程在线诊断功能，利用摄像头、图片识别功能以及借助微信等及时通讯工具，为农户提供问题资料上传以及及时通讯功能，为远程诊断提供技术支撑。

• 飞防植保服务功能

开发飞防植保服务功能，连接飞手与农户。平台为飞手提供海量作业订单、真实土地信息、无人机技术和维保支持。为农户找到专业、靠谱的飞防队。农户根据需求选择飞防服务相关项目。

• 植保技术服务功能

开发植保技术服务功能，构建植保服务信息数据库，实现用户在平台查询植保技术相关信息，在线咨询植保转件、查阅各种农产品植保相关技术及案例。

• 病虫害知识库、专家库

汇总物联网采集数据、互联网爬虫以及已有的存量数据，经过数据治理，构建病虫害知识库、专家库。

 

                                                                                    

病虫害诊断-APP植被识别功能

 

病虫害诊断WEB端植被识别功能

 

                                                                     

专家远程在线诊断APP功能-设计图

 

专家远程在线诊断WEB功能

 

九、联系我们

       商务经理：赵海媚     联系电话：010-53350673/18801198126

       技术支持：刘   阳     联系电话：010-57551571/17610092909