中华人民共和国农业行业标准
NY/T 4991—2025
苹果早期落叶病智能识别数据采集
技术要求
Technical requirement of data collection about intelligent identification for
apple early defoliation diseases
2025-12-09 发布
2026-05-01 实施
中华人民共和国农业农村部发布
前言
本文件按照 GB/T 1 .1—2020« 标准化工作导则第 1 部分 : 标准化文件的结构和起草规则»的规定起草 .
请注意本文件的某些内容可能涉及专利 . 本文件的发布机构不承担识别专利的责任 .
本文件由农业农村部市场与信息化司提出 .
本文件由农业农村部数据标准化技术委员会归口 .
本文件起草单位 : 山东农业大学、农业农村部大数据发展中心、中国农业大学、西北农林科技大学、山东源泉机械有限公司、山东农业工程学院、陕西牧云智农信息科技有限公司、山东省果树研究所、山东祥辰科技集团有限公司、山东沐雨天禾智慧农业有限公司、安徽大学 .
本文件主要起草人 :姜红花、杜英坤、孙红、乔永亮、张艳、刘会香、高睿、刘理民、王秀丽、王学文、陈雅茹、彭见琼、崔冬冬、胡宪亮、宋伟、郭阳阳 .
引言
苹果产量和品质的提升是当前果树种植的重要课题。 苹果早期落叶病作为一种广泛分布于各苹果产
区的病害 ,危害严重 ,不仅影响苹果树健康生长 ,还会显著降低果实产量和品质。
制定“苹果早期落叶病智能识别数据采集技术要求》, 旨在提升早期落叶病识别的准确性和防控效率。 “苹果早期落叶病智能识别数据采集技术要求》中的技术要求 ,融合了现代信息技术 ,充分考虑了苹果早期落叶病的症状特征、发病规律及果园环境的复杂性 ,确保了技术要求的实用性和可操作性。 通过实施“苹果早期落叶病智能识别数据采集技术要求》,能够显著提高苹果早期落叶病的识别准确率 , 为果园的健康管理和病害防控提供有力支持。
苹果早期落叶病智能识别数据采集技术要求
1 范围
本文件规定了苹果早期落叶病智能识别数据采集的设备、采样方法、对象与类型、技术要求、传输与质量控制、编码与存储、数据安全管理的要求。
本文件适用于褐斑病、灰斑病、轮斑病、圆斑病、斑点落叶病等苹果早期落叶病的病害识别数据采集。
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 , 其最新版本(包括所有的修改单)适用于本
文件。
GB 37300—2018 公共安全重点区域视频图像信息采集规范
GB/T 37025—2018 信息安全技术物联网数据传输安全技术要求
GB/T 37722—2019 信息技术大数据存储与处理系统功能要求
GB/T 38619—2020 工业物联网数据采集结构化描述规范
GB/T 44811—2024 物联网数据质量评价方法
HJ 1176—2021 全国生态状况调查评估技术规范— 数据质量控制与集成
NY/T 4056—2021 大田作物物联网数据监测要求
NY/T 4261—2022 农业大数据安全管理指南
NY/T 4694—2025 农业对象标识符分类与编码规则
3 术语和定义
下列术语和定义适用于本文件。
3 .1
目标重识别 targetreGidentification
为克服视角变化、光照差异、遮挡、姿态变化等因素对目标外观的影响 ,利用算法在跨摄像头、跨场景
或跨时间的非重叠视场中 ,实现特定目标自动关联与检索的技术。
3 .2
苹果病害数据采集终端 data collection terminalofappledisease
用于收集、处理和存储苹果病害地理位置、病害信息及相关影响因子的集成装置。
4 缩略语
下列缩略语适用于本文件。
RFID:射频识别(Radio_frequency Identification)
TCP:传输控制协议(Transmission ControlProtocol)
UDP:用户数据报协议(UserDatagram Protocol)
WirelessHART:无线高速可寻址远程传感器协议 (Wireless Highway Addressable Remote Trans_ ducerProtocol)
OID:对象标识符(ObjectIdentifier)
IoT:物联网(InternetofThings)
ZigBee:低速短距离传输的无线网上协议
TensorFlow:基于数据流编程的符号数学系统
PyTorch:开源的 Python机器学习库
RGB:基于红、绿和蓝 3 种色光的色彩空间(RGB Color Space)
HSV:基于色调、饱和度和明度的色彩模型(HSV Color Model)
Lab:基于亮度和两个颜色对立维度的色彩模型(Lab Color Model)
YCrCb:优化彩色视频信号传输的色彩模型(YCrCb Color Model)
GLCM :灰度共生矩阵(Gray LevelCOG Occurrence Matrix)
5 智能识别数据采集设备
5 .1 果园总体病害信息获取设备
包括无人机挂载的多光谱相机、高光谱相机 ,用于扫描整个果园 ,获取大范围苹果树群体病害信息 , 以明确果园病害分布情况、确定采样方法 .
5 .2 果树靶向病害信息获取设备
包括无人机挂载的多光谱相机、高光谱相机 ,用于采集单棵果树冠层顶部苹果早期落叶病病斑信息 ;地面车载装备携带融合阵列传感器 ,用于采集单棵果树侧面苹果早期落叶病病斑信息及车载装备状态信息 ;物联网设备 ,用于采集苹果早期落叶病环境、气象等关联信息 ;手持式设备 ,用于采集苹果早期落叶病老叶、树冠底部及被遮挡的病害信息 .
5 .3 病菌孢子信息获取设备
包括孢子捕捉仪装载高速自动拍照与传输系统 , 用于采集整个果园褐斑病等苹果早期落叶病孢子信息 .
6 数据采样方法
数据采样方法包括但不限于以下方式 .
a) 五点采样法 :五点采样法指从果园四角的两条对角线的交驻点及交驻点到果园四角的中间点进行采样 ,适用于面积较小或者病害分布相对均匀的果园 .
b) 对角线采样法 :对角线采样法包括单对角线采样法、双对角线采样法 . 单对角线采样法是在果园的某条对角线上按一定的距离进行采样 ,双对角线采样法是在果园四角的两条对角线上均匀分配样点进行采样 . 对角线采样法适用于病害呈随机分布的密集成行的果园 .
c) 棋盘式采样法 :棋盘式采样法指通过将果园均匀划分成棋盘方格进行采样 ,适用于病害随机分布的果园 .
d) 平行线采样法 :平行线采样法指在果园中每隔一定行距进行采样 ,适用于病害分布不均匀且成行种植的果园 .
7 数据采集对象与类型
7 .1 数据采集对象
苹果早期落叶病数据采集应在典型症状的发病时期 ,于嫩叶、老叶等发病部位 . 病害类型及典型症状见表 1 .
表 1 数据采集对象
表 1 (续)
7 .2 数据类型
苹果早期落叶病智能识别数据采集类型分为结构化数据与非结构化数据 .
7 .2 .1 结构化数据
结构化数据的名称及有关要求见表 2 .
表 2 结构化数据的名称及有关要求
7 .2 .2 非结构化数据
非结构化数据的名称及有关要求见表 3 .
表 3 非结构化数据的名称及有关要求
8 数据采集技术要求
8 .1 采集时间及频次
采集时间应覆盖苹果病害初发期、盛发期、末期。 其中 ,物联网采集终端和孢子捕捉仪应每天定时采集数据 ;无人机挂载的多光谱相机、高光谱相机 ,地面车载装备携带融合阵列传感器 ,手持式设备等应至少3 d采集一次数据。
8 .2 采集设备布设
采集设备布设应满足以下要求 :
a) 物联网设备的布设符合 NY/T 4056—2021 中第 4 章的要求 ;
b) 病菌孢子信息获取设备的布设位置选择在空间开阔、地理位置高、无遮挡气流流通的苹果园地头上风口位置 ;
c) 图像数据采集设备周围区域为漫射光 ,无闪烁 ,光照不少于 15 lx,拍摄对象区域光照均匀 ,无明显高光或反差。
8 .3 具体技术要求
a) 图像采集镜头应至少覆盖可见光及近红外光谱、具备高分辨率摄像头和微距拍摄功能 ,能够清晰捕捉病斑的典型特征 ;
b) 密集成行的果园应选用超声波、红外等传感器融合阵列探测传感器与冠层的距离 ,稀疏型果园应采用超声波、激光等传感器融合阵列探测传感器与冠层的距离。
9 数据传输
9 .1 数据通信要求
采集终端应具备联网功能 ,可选用无线或有线通信接口。
9 .2 传输协议要求
传输协议应采用 TCP、UDP等网络传输协议。
9 .3 数据构成要求
数据构成应符合 GB/T 38619—2020 中第 4 章的要求。
10 数据质量控制
10 .1 可用性控制
10 .1 .1 数据增强
针对苹果早期落叶病中样本数量有限的灰斑病、轮斑病、圆斑、斑点落叶病等病害 ,应采用以下图像数据增强技术进行数据扩充 :
a) 几何变换与色彩调整 , 即采用旋转、缩放、平移等几何变换技术 ,镜像翻转、色彩抖动等色彩变换技术 ,生成新的图像样本 ;
b) 数据扩增库应用 , 即利用 TensorFlow、PyTorch等深度学习框架中的数据扩增库 ,对图像进行随机裁剪、高斯模糊、对比度调整等操作 ,生成新的图像样本 ;
c) 融合技术应用 , 即采用目标重识别、静态图像与视频动态监测分析等技术 ,采集连续性和完整的苹果早期落叶病信息 ,解决苹果枝叶遮挡、光线不均等复杂背景问题。
10 .1 .2 相似病害图像处理
针对苹果斑点落叶病和圆斑病病斑颜色相同或相近的病害图像数据 ,应进行以下图像处理 :
a) 将图像从 RGB颜色空间转换到 HSV、Lab、YCrCb等其他颜色空间 ,增强病斑和健康叶片的对比度 ;
b) 调整通道的对比度及亮度 , 以增强病斑区域显性特征 .
针对苹果斑点落叶病、灰斑病和圆斑病病斑形状相似的病害图像数据 ,应采用 :
a) 通过 GLCM 等方法提取病斑纹理特征 ;
b) 采用 obel算子、高通滤波器、边缘检测算法等滤波技术增加病斑边缘清晰度 .
10 .2 数据预处理
10 .2 .1 清洗图像
应去除图像中与苹果早期落叶病噪声、干扰等冗余信息 ,包括但不限于去除背景、裁剪无用区域等 .
10 .2 .2 归一化处理
比度差异 .
10 .2 .3 标准化处理
应将苹果早期落叶病图像的像素值处理为正态分布 , 以提高模型的识别精度和稳定性 .
10 .3 可靠性控制
数据采集过程应进行可靠性控制 ,满足如下要求 :
a) 视频数据应符合 GB 37300—2018 中 5 .3 的要求 , 图形数据应符合 GB 37300—2018 中 5 .4 的要求 ;
b) 传感器采集数据质量应符合 HJ 1176—2021 中第 7 章的要求 .
10 .4 完整性控制
10 .4 .1 通用要求
数据采集时应进行完整性校验 ,确保数据在传输和存储过程中不被改动或破坏 , 实现数据完整性保护 . 当数据完整性遭到破坏时 ,应采取措施恢复或重新获取数据 .
10 .4 .2 数据完整性约束
数据完整性约束包括但不限于以下内容 :
a) 应确保唯一性约束 , 即特定字段或字段组合的唯一性 , 防止出现重复记录 ;
b) 应确保某些字段不能为空 ,苹果早期落叶病的病害类型、典型症状、发病部位、发病时期、空气温度、空气湿度、土壤温度、果树种类等关键字段应具备非空约束 ;
c) 应为字段设置合理的默认值 ,确保在数据录入时未提供值的情况下仍有初始数据 , 以减少数据缺失 .
10 .4 .3 数据质量检查
数据质量检查应符合 GB/T 44811—2024 中第 6 章的要求 .
10 .4 .4 数据冗余存储和备份
数据冗余存储和备份包括但不限于以下内容 :
a) 应进行冗余存储(例如镜像、复制) ,确保数据在设备损坏或系统故障时能够恢复 ;
b) 应进行定期数据备份 , 防止数据因意外丢失或损坏 .
10 .4 .5 数据时效性控制
数据时效性控制包括但不限于以下内容 :
a) 应采用数据压缩与加速传输技术 ,提高数据传输效率 ;
b) 应采用可靠传输协议 ,减少数据丢包和重传带来的延迟 .
1 1 数据编码与存储
1 1 .1 数据编码
数据采集编码应符合 NY/T 4694—2025 中第 6 章的要求 .
1 1 .2 数据存储
数据存储设计应符合 GB/T 37722—2019 中第 6 章的要求 .
12 数据安全管理
12 .1 数据安全管理原则
数据安全管理应符合 NY/T 4261—2022 中第 4 章规定的合规性原则、重要数据保护优先原则及安全可靠原则。
12 .2 数据安全分级分类
数据安全分级分类应符合 NY/T 4261—2022 中第 7 章的要求。
12 .3 数据活动安全管控措施
数据活动安全管控措施应符合 NY/T 4261—2022 中第 8 章节的要求。
