CN107423888A - 一种基于大数据的农作物病虫害诊断系统与方法 - Google Patents
一种基于大数据的农作物病虫害诊断系统与方法 Download PDFInfo
- Publication number
- CN107423888A CN107423888A CN201710551582.6A CN201710551582A CN107423888A CN 107423888 A CN107423888 A CN 107423888A CN 201710551582 A CN201710551582 A CN 201710551582A CN 107423888 A CN107423888 A CN 107423888A
- Authority
- CN
- China
- Prior art keywords
- picture
- pest
- module
- client
- disease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 198
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 198
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000009418 agronomic effect Effects 0.000 title claims abstract description 14
- 230000006378 damage Effects 0.000 claims abstract description 197
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 241000238631 Hexapoda Species 0.000 claims abstract description 29
- 238000003745 diagnosis Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 230000010354 integration Effects 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000012271 agricultural production Methods 0.000 claims description 39
- 239000003337 fertilizer Substances 0.000 claims description 24
- 208000002720 Malnutrition Diseases 0.000 claims description 22
- 235000018343 nutrient deficiency Nutrition 0.000 claims description 22
- 231100000572 poisoning Toxicity 0.000 claims description 21
- 230000000607 poisoning effect Effects 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 18
- 206010039509 Scab Diseases 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002405 diagnostic procedure Methods 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 5
- 239000003814 drug Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 241000894007 species Species 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 208000024891 symptom Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 244000291564 Allium cepa Species 0.000 description 3
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 3
- 244000046052 Phaseolus vulgaris Species 0.000 description 3
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 2
- 240000002234 Allium sativum Species 0.000 description 2
- 235000006008 Brassica napus var napus Nutrition 0.000 description 2
- 244000221633 Brassica rapa subsp chinensis Species 0.000 description 2
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 2
- 241001674939 Caulanthus Species 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 2
- 244000241257 Cucumis melo Species 0.000 description 2
- 240000001980 Cucurbita pepo Species 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 235000002595 Solanum tuberosum Nutrition 0.000 description 2
- 244000061456 Solanum tuberosum Species 0.000 description 2
- 238000007705 chemical test Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 235000005489 dwarf bean Nutrition 0.000 description 2
- 235000004611 garlic Nutrition 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 235000003934 Abelmoschus esculentus Nutrition 0.000 description 1
- 240000004507 Abelmoschus esculentus Species 0.000 description 1
- 235000006667 Aleurites moluccana Nutrition 0.000 description 1
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 1
- 240000006108 Allium ampeloprasum Species 0.000 description 1
- 235000010167 Allium cepa var aggregatum Nutrition 0.000 description 1
- 241001280436 Allium schoenoprasum Species 0.000 description 1
- 235000001270 Allium sibiricum Nutrition 0.000 description 1
- 244000144730 Amygdalus persica Species 0.000 description 1
- 240000007087 Apium graveolens Species 0.000 description 1
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 1
- 235000010591 Appio Nutrition 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 235000000832 Ayote Nutrition 0.000 description 1
- 235000011274 Benincasa cerifera Nutrition 0.000 description 1
- 244000036905 Benincasa cerifera Species 0.000 description 1
- 241000167854 Bourreria succulenta Species 0.000 description 1
- 244000078782 Brassica arvensis Species 0.000 description 1
- 240000007124 Brassica oleracea Species 0.000 description 1
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 1
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 1
- 240000008100 Brassica rapa Species 0.000 description 1
- 235000011292 Brassica rapa Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 235000004936 Bromus mango Nutrition 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 240000004160 Capsicum annuum Species 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- 240000008574 Capsicum frutescens Species 0.000 description 1
- 240000004957 Castanea mollissima Species 0.000 description 1
- 235000018244 Castanea mollissima Nutrition 0.000 description 1
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 244000205754 Colocasia esculenta Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 235000009847 Cucumis melo var cantalupensis Nutrition 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 235000009854 Cucurbita moschata Nutrition 0.000 description 1
- 235000009852 Cucurbita pepo Nutrition 0.000 description 1
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 1
- 244000000626 Daucus carota Species 0.000 description 1
- 235000002767 Daucus carota Nutrition 0.000 description 1
- 235000002722 Dioscorea batatas Nutrition 0.000 description 1
- 235000006536 Dioscorea esculenta Nutrition 0.000 description 1
- 240000001811 Dioscorea oppositifolia Species 0.000 description 1
- 235000003416 Dioscorea oppositifolia Nutrition 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 244000020551 Helianthus annuus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- 235000018481 Hylocereus undatus Nutrition 0.000 description 1
- 244000157072 Hylocereus undatus Species 0.000 description 1
- 240000008436 Ipomoea aquatica Species 0.000 description 1
- 235000019004 Ipomoea aquatica Nutrition 0.000 description 1
- 244000017020 Ipomoea batatas Species 0.000 description 1
- 235000002678 Ipomoea batatas Nutrition 0.000 description 1
- 240000007049 Juglans regia Species 0.000 description 1
- 235000009496 Juglans regia Nutrition 0.000 description 1
- 235000009814 Luffa aegyptiaca Nutrition 0.000 description 1
- 244000302544 Luffa aegyptiaca Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000081841 Malus domestica Species 0.000 description 1
- 235000011430 Malus pumila Nutrition 0.000 description 1
- 235000015103 Malus silvestris Nutrition 0.000 description 1
- 235000014826 Mangifera indica Nutrition 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 235000009811 Momordica charantia Nutrition 0.000 description 1
- 235000009812 Momordica cochinchinensis Nutrition 0.000 description 1
- 240000001740 Momordica dioica Species 0.000 description 1
- 235000018365 Momordica dioica Nutrition 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 240000004713 Pisum sativum Species 0.000 description 1
- 235000010582 Pisum sativum Nutrition 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 244000294611 Punica granatum Species 0.000 description 1
- 235000014360 Punica granatum Nutrition 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 240000001987 Pyrus communis Species 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 235000002597 Solanum melongena Nutrition 0.000 description 1
- 244000061458 Solanum melongena Species 0.000 description 1
- 240000003829 Sorghum propinquum Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 244000300264 Spinacia oleracea Species 0.000 description 1
- 235000009337 Spinacia oleracea Nutrition 0.000 description 1
- 235000009184 Spondias indica Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 235000010749 Vicia faba Nutrition 0.000 description 1
- 240000006677 Vicia faba Species 0.000 description 1
- 235000002098 Vicia faba var. major Nutrition 0.000 description 1
- 241000219977 Vigna Species 0.000 description 1
- 240000004922 Vigna radiata Species 0.000 description 1
- 235000010721 Vigna radiata var radiata Nutrition 0.000 description 1
- 235000011469 Vigna radiata var sublobata Nutrition 0.000 description 1
- 235000010726 Vigna sinensis Nutrition 0.000 description 1
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 240000006365 Vitis vinifera Species 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 235000006886 Zingiber officinale Nutrition 0.000 description 1
- 244000273928 Zingiber officinale Species 0.000 description 1
- 244000126002 Ziziphus vulgaris Species 0.000 description 1
- 235000008529 Ziziphus vulgaris Nutrition 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical group N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 244000046738 asparagus lettuce Species 0.000 description 1
- 235000006705 asparagus lettuce Nutrition 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000001390 capsicum minimum Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 235000019693 cherries Nutrition 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000008397 ginger Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008654 plant damage Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 235000021251 pulses Nutrition 0.000 description 1
- 235000015136 pumpkin Nutrition 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 235000020234 walnut Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Library & Information Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种基于大数据的农作物病虫害诊断系统与方法,该系统包括:应用服务器以及与应用服务器通过无线通信连接的移动客户端;移动客户端包括输入模块与接收显示模块;应用服务器包括无线传输模块、接收模块、临时数据库、反馈模块、数据分析整合模块、病虫害数据库管理单元、药方数据库与病虫害查询诊断模块。本发明通过分析提取客户上传的病虫害信息或图片中的关键词、显著特征或病害类型等几个参数,配合索引模块查找出匹配的图片,从多面更加精准地解决客户的病虫害问题,提高整个系统的判定精准性,若信息、图片或药方未匹配成功,那么病虫害图片与为匹配成功原因将保存至临时数据库中,通过系统管理员或专家进行人工诊断及开取药方。
Description
技术领域
本发明涉及信息技术领域,具体涉及一种基于大数据的农作物病虫害 诊断系统与方法。
背景技术
病虫害是严重危害农业生产的自然灾害之一,不仅会导致经济作物的 质量和产量下降,还会引起农药等药物的大量投入和防治费用的上升,从 而使得农林生产成本增加以及严重污染环境。根据联合国粮农组织估计, 全世界的粮食和棉花生产因病害常年损失在10%以上;且病虫害的分类鉴定 和诊断是复杂的专业工作,按照传统的分类检索十分烦琐,因此对于虫害 诊断主要是根据害虫的为害形状、形态和行为特征;病害诊断主要是根据 植株受害症状、病原微生物部分特征和分子特性。
现有的病虫害检测方法主要有人工感官判定和理化检测两种人工感官 判定很容易受到情绪、健康、疲劳等一些主客观因素的影响;而理化检测 对使用者技术要求高且时效性较差,在具体诊断中很不实用。
目前,广大农民在解决农作物生产过程中遇到病虫害问题,存在以下 现象:
由于农村专家数量少且分布较散,且请专家实地考察解决问题费用太 高,大多数农民通过咨询农资店或依靠传统经验的方式解决病虫害问题, 这样农民不知道确切病症的情况下用药,不仅滥用农药,且没有从根本上 解决问题;另外,由于农民文化程度与农村对于先进技术的推广渠道也有 限,对于先进技术知识的学习能力弱、讨论途径少,导致不能有效地解决 病虫害问题与通过先进技术增加产量的问题。
因有鉴于此,如何充分利用大数据技术提供一种简便、快捷的农业病 虫害查询诊断系统,是目前亟待解决的问题。
发明内容
为了解决上述技术问题,本发明所采用的技术方案是提供了一种基于大 数据的农作物病虫害诊断系统,包括:应用服务器以及与应用服务器通过无 线通信连接的移动客户端;
移动客户端包括客户用于与应用服务器之间进行信息交互的输入模块 与接收显示模块;
应用服务器包括无线传输模块、接收模块、临时数据库、反馈模块,与 临时数据库连接的数据分析整合模块,及通过索引模块连接的病虫害数据库 管理单元、药方数据库与病虫害查询诊断模块;
接收模块:用于接收客户发送的图片、文字等信息,并将信息存储至临 时数据库中;
病虫害数据库管理单元:用于管理系统中所有病虫害图片数据,图片显 著特征数据,各种病虫害、专家以及农资店等地域分布情况数据;
药方数据库:用于存储治疗各种病虫害的药方,药方中具体包括病虫害 的病症描述及治疗方法;
临时数据库:用于短时间保存应用服务器与客户之间的交互信息;
索引模块:用于根据预设好的规则生成对应的索引条目,通过索引条目 快速查找到所述病虫害数据库管理单元中的数据;
病虫害查询诊断模块:用于根据客户上传的病虫害文字信息与图片,提 取作物名称、显著特征或病害类型参数,配合索引模块快速查找出匹配度最 高的图片,以及与图片对应的病症描述及治疗方法;
与所述病虫害查询诊断模块连接的反馈模块:用于将所述病虫害查询诊 断模块或人工诊断的结果反馈给所述接收显示模块;
数据分析整合模块:用于整合临时数据库中保存的客户对系统的使用规 律、喜好及客户的活动轨迹,根据客户查询或咨询的问题分析获得客户所在 区域的病虫害种类以及引发该种类病害的因素,并将整合的数据存储至病虫 害数据库管理单元中。
在上述方案中,所述病虫害数据库管理单元包括病虫害图片数据库、 病虫害显著特征数据库与地域分布数据库;和/或
病虫害图片数据库包括多个作物图片子数据库,所述多个作物图片子 数据库分别为病害图片子数据库、虫害图片子数据库、药害图片子数据库、 草害图片子数据库、肥害图片子数据库与缺素图片子数据库;病虫害显著 特征数据库包括与所述多个作物图片子数据库对应设置的多个显著特征子 数据库,包括病害显著特征子数据库、虫害显著特征子数据库、药害显著 特征子数据库、草害显著特征子数据库、肥害显著特征子数据库与缺素显 著特征子数据库;
地域分布数据库:用于保存各种病虫害、专家以及农资店等地域分布 的情况。
在上述方案中,所述病虫害查询诊断模块包括预处理单元、特征提取单 元、病害类型判别单元与匹配单元;
预处理单元:用于对接收到的图片进行灰度处理、中值滤波、轮廓检测 和病斑提取等动作以去除无关信息;
特征提取单元:用于提取文字中的作物名称或预处理后的形状、构造等 显著特征;
病害类型判别单元:用于所述作物名称或所述显著特征判别客户需要查 找的病害类型;
匹配单元:用于通过提取到的作物名称、显著特征或病害类型等几个 参数,配合索引模块快速查找出匹配的图片及药方。
在上述方案中,所述特征提取单元通过PCA技术方法进行图片显著特 征的提取;
所述病害类型为病害、虫害、药害、草害、肥害与缺素;
所述匹配单元的匹配条件为图片匹配率≥85%。
在上述方案中,所述应用服务器还设有新信息数据库;
新信息数据库设有用于保存匹配单元未匹配成功的图片的新图片数据 库及图片未成功匹配的原因;与所述新图片数据库通过索引连接且用于保 存在匹配过程中提取得到的显著特征的新显著特征数据库。
在上述方案中,所述临时数据库还设有问题暂存子数据库;所述应用 服务器还设有注册单元和病虫害咨询诊断单元;
问题暂存子数据库:用于专家或系统繁忙时,保存客户的问题及上传 的图片,便于所述数据分析整合模块对客户查询、咨询等问题的分析整合。
所述注册单元包括:
信息填写模块:用于客户、专家以及农资店服务员填写并完善相应的 有效信息,有效信息包括姓名、联系方式、证件类型、证件号、所在地理 位置、专家类别等信息;
信息确认模块:系统用于核实客户、专家、农资店、农资店服务员等 身份信息;
所述病虫害咨询诊断单元包括:
专家咨询模块:用于客户与专家之间的交流,根据客户需求给客户分 配相应的免费专家、付费专家或客户根据意愿自行选择咨询的专家,同时 专家根据客户的咨询的问题、以及提供的图片资料等为客户提供解决方案、 药方或推荐农资店,对于无法及时解决的问题,将保存至所述问题暂存子 数据库中进行排队,等待分配给专家进行解答;
平台咨询模块:用于客户与平台之间的问题交流,系统接收客户发送 的作物名称、病虫害文字描述或上传的病虫害图片并对其进行审核是否有 效,即是否为病虫害相关的问题或图片,若有效,则将问题保存至所述问 题暂存子数据库,等待分配给相应的专家进行解答,并将解答结果通过反 馈给移动客户端;若无效,系统将提醒客户信息无效;
支付模块:用于客户向专家或平台支付相应的咨询费或药房费用。
在上述方案中,所述应用服务器还设有互动单元与定位模块;
所述定位模块:用于通过移动客户端的GPS模块获取客户、专家和农 资店的位置信息;便于系统向客户推荐农资店或专家位置;
讨论模块:用于提供给客户、专家以及农资店服务员等人之间的交友、 讨论、咨询等活动,与临时数据库连接;并将记录用户偏好、社交活动轨 迹、以及交流问题的内容,并存储至所述临时数据库。
本发明还提供了一种基于大数据的农作物病虫害诊断方法,其特征在 于:包括以下步骤:
S1、接收客户上传病虫害图片;
S2、判断是否输入了作物名称,若否,则转S3,否则转S9;
S3、链接病虫害图片数据库,提取病虫害图片的显著特征,并判断病 虫害类型;其中,
病虫害图片数据库包括多个作物图片子数据库,每个所述作物图片子 数据库包括病害图片子数据库、虫害图片子数据库、药害图片子数据库、 草害图片子数据库、肥害图片子数据库与缺素图片子数据库,且每个图片 子数据库分别对应设有用于保存图片显著特征的显著特征子数据库,为病 害显著特征子数据库、虫害显著特征子数据库、药害显著特征子数据库、 草害显著特征子数据库、肥害显著特征子数据库与缺素显著特征子数据库;
S4、根据作物名称、显著特征及病害类型与病虫害图片数据库进行匹 配;
S5、判断显著特征匹配率,若匹配率≥85%,则转S6,否则转转S9;
S6、获得相应的一张或多张图片;
S7、根据获得相应的一张或多张图片链接药方数据库,查找相应的药 方;
S8、判断药方数据库中是否有治疗病虫害相应的药方,若有,则转S10, 否则转S9;
S9、判断失败,进入人工诊断阶段;
S10、输出整个诊断结果,并结束流程;
在上述方法中,所述步骤S1具体包括以下步骤:
A11、客户上传病虫害图片;
A12、判断用户是否为会员,若是,则转S2,否则转A13;
A13、判断用户是否注册并成为会员,若是,则转S2,否则转A14;
A14、系统抛出异常并终止所有程序。
在上述方法中,所述步骤S3具体包括以下实施步骤:
B11、对病虫害图片进行预处理获得预处理图片,包括对图片进行灰度 处理、中值滤波、轮廓检测和病斑提取等动作以去除无关信息;
B12、对预处理图片进行特征提取,获得图片的显著特征;
B13、根据显著特征判别客户需要查找的病害类型;和/或
优选的匹配率=95%。
本发明通过分析提取客户上传的病虫害信息或图片中的关键词、显著 特征或病害类型等几个参数,配合索引模块快速查找出匹配的图片、药方 及推荐合适的专家及农资店,从多面更加精准地解决客户遇到的病虫害问 题,提高整个系统的判定精准性,且若信息、图片或药方未匹配成功,那 么病虫害图片与未匹配成功的原因将保存至临时数据库中,通过系统管理 员或专家进行人工诊断及开取药方。
附图说明
图1为本发明提供的实施例1的示意框图;
图2为本发明提供的实施例2的示意框图;
图3为本发明提供的实施例3的示意框图;
图4为本发明提供的实施例4的示意框图;
图5为本发明提供的实施例6的流程图;
图6为本发明提供的实施例6中步骤S1的具体流程图;
图7为本发明提供的实施例6中步骤S3的具体流程图。
具体实施方式
本发明通过分析提取客户上传的病虫害信息或图片中的关键词、显著特 征或病害类型等几个参数,配合索引模块快速查找出匹配的图片、药方及推 荐合适的专家及农资店,从多面更加精准地解决客户遇到的病虫害问题,提 高整个系统的判定精准性,且若信息、图片或药方未匹配成功,那么病虫害 图片与未匹配成功的原因将保存至临时数据库中,通过系统管理员或专家进 行人工诊断及开取药方。下面结合具体实施方式和说明书附图对本发明做出 详细的说明。
实施例1
如图1所示,本发明提供了一种基于大数据的农作物病虫害诊断系统, 包括:应用服务器以及与应用服务器通过无线通信连接的移动客户端。
移动客户端包括客户用于与应用服务器之间进行信息交互的输入模块 与接收显示模块;移动客户端包括手机端与平板及
应用服务器包括无线传输模块、接收模块、病虫害数据库管理单元、 药方数据库、临时数据库、索引模块、病虫害查询诊断模块、反馈模块与 数据分析整合模块。其中,病虫害数据库管理单元、药方数据库与病虫害 查询诊断模块通过索引模块连接。
接收模块:用于接收客户发送的图片、文字等信息,并将信息存储至 临时数据库中。
病虫害数据库管理单元:用于管理系统中每种作物的所有病虫害图片 数据库,图片显著特征数据库,客户、专家以及农资店等地域分布数据库; 具体包括病虫害图片数据库、病虫害显著特征数据库与地域分布数据库;
病虫害图片数据库包括多个作物图片子数据库,多个作物图片子数据 库分别以作物名称进行区分,其中作物包括一下类型:
瓜类:黄瓜、冬瓜、南瓜、西葫芦西瓜、甜瓜、丝瓜、苦瓜等。
茄果类:番茄、茄子、甜椒、辣椒等。
豆科类:菜豆、豇豆、蚕豆、扁豆、秋葵、毛豆、豌豆、扁豆等。
葱蒜类:韭菜、大葱、洋葱、香葱、大蒜等。
绿叶菜:菠菜、芹菜、莴笋、上海青、菜薹、空心菜、油菜等。
白菜类:大白菜、小白菜等。
甘蓝类:甘蓝、紫甘蓝等。
菜根类:萝卜、胡萝卜等。
薯芋类:马铃薯、甘薯、山药、姜、芋头等。
果树类:苹果、葡萄、梨树、枣树、桃树、樱桃、石榴、柑橘、火龙 果、板栗、核桃、橙子、芒果等。
大田作物:水稻、小麦、玉米、棉花、大豆、花生、高粱、烟草、向 日葵、绿豆等。
多个作物图片子数据库中分别包含病害图片子数据库、虫害图片子数 据库、药害图片子数据库、草害图片子数据库、肥害图片子数据库与缺素 图片子数据库。病虫害图片数据库中存储的图片均为图文图片,图片不仅 包括各种病害的形态特征,且在图的下方还注释了对应病害的病症描述及 治理方法等文字;
病虫害显著特征数据库包括与上述多个作物图片子数据库对应设置的 多个显著特征子数据库,具体包括病害显著特征子数据库、虫害显著特征 子数据库、药害显著特征子数据库、草害显著特征子数据库、肥害显著特 征子数据库与缺素显著特征子数据库。
地域分布数据库:用于保存各种病虫害、专家以及农资店等地域分布 的情况,这样便于通过本数据库中的数据来了解全国及世界方位内各病虫 害的地域分布情况,分析引发病虫害的因素,如土壤、气候、自然灾害以 及外来物种的影响等,获得有效预防及治理病虫害的方法,同时,客户在 选择专家、农资店或系统向客户推荐专家、农资店时。
药方数据库:用于存储治疗各种病虫害的药方,药方中具体包括病虫 害的病症描述及治疗方法,这样可在加快诊断速度,同时也可节约专家的 诊断时间。
临时数据库:用于短时间保存应用服务器与客户之间的交互信息。这 样减少服务器内存的占用,保证内存的合理利用。
索引模块:用于根据预设好的规则生成对应的索引条目,通过索引条目 快速查找到上述对应的病虫害图片数据库或图片显著特征数据库,各图片子 数据库与各对应病虫害显著特征子数据库以及药方数据库通过相应的索引 条目一一对应;其中,病害显著特征子数据库与多个病害图片子数据库连接, 虫害显著特征子数据库与多个虫害图片子数据库连接,药害显著特征子数据 库与多个药害图片子数据库连接,草害显著特征子数据库与多个草害图片子 数据库连接,肥害显著特征子数据库与多个肥害图片子数据库连接,缺素显 著特征子数据库与多个肥害图片子数据库连接。
相比于现有的一一对比的匹配检索模式来说,索引模块的设置是为了节 省系统的检索时间与磁盘I/O操作。
病虫害查询诊断模块:用于根据客户上传的作物名称、病虫害文字描述 或病虫害图片,提取关键词、显著特征或病害类型参数,配合索引模块快速 查找出匹配度最高的图片,以及与图片对应的病症描述与治疗方法;包括预 处理单元、特征提取单元、病害类型判别单元与匹配单元;其中,
预处理单元是对接收到的图片进行灰度处理、中值滤波、轮廓检测和病 斑提取等动作以去除无关信息。
特征提取单元是提取文字中的作物名称与预处理后的图片中的形状、构 造等显著特征。本实施例通过PCA(Principal Component Analysis,主成 分分析图像处理方法)技术方法进行图片显著特征的提取,便于匹配图片时 通过索引模块快速找到相应的显著特征子数据库。
病害类型判别单元:用于通过提取的图片的显著特征判别客户需要查找 的病害类型,病害类型主要为病害、虫害、药害、草害、肥害与缺素。此单 元的设置便于索引模块根据提取的作物名称与图片的显著特征快速判断出 需要查找的病害类型,再通过病害类型与图片的显著特征快速查找出匹配度 最高的图片。本实施例通过作物名称、显著特征、病害类型等几个参数与索 引模块配合运作来筛选最为匹配的图片,加大了图片的匹配准确率与匹配效 率,同时也减少了系统的检索时间与磁盘I/O操作。
匹配单元:用于通过提取到的作物名称、显著特征或病害类型等几个参 数,配合索引模块快速查找出匹配的图片与药方;
匹配单元实现的匹配过程具体包括以下几种情况:
1)客户只输入了作物名称名字或表现症状的文字
索引模块根据特征提取单元提取的作物名称,匹配出相应作物图片子数 据库中的病害图片子数据库、虫害图片子数据库、药害图片子数据库、草害 图片子数据库、肥害图片子数据库与缺素图片子数据库,客户通过这些子数 据库中的图片自行判断病虫害。
2)客户只上传了病虫害图片
索引模块根据特征提取单元提取的显著特征,病害类型判别单元判断出 相应的病害类型,再通过病害类型查找到相应的病害显著特征子数据库、虫 害显著特征子数据库、药害显著特征子数据库、草害显著特征子数据库、肥 害显著特征子数据库与缺素显著特征子数据库,再将提取的显著特征与上述 查找出的图片子数据库对应连接的病害图片子数据库、虫害图片子数据库、 药害图片子数据库、草害图片子数据库、肥害图片子数据库与缺素图片子数 据库。进行显著特征的匹配时,若图片匹配率≥85%时,说明图片匹配成功, 本实施例中优选的图片匹配率=95%。再根据匹配出的一张或多张图片与药 方数据库进行匹配获得对应的病虫害表现现状及治疗方法。此种匹配方式为 细检索方式,匹配准确率与匹配效率高,同时也减少了系统的检索时间与磁 盘I/O操作。
3)客户输入了作物名称与病虫害图片
特征提取单元提取的作物名称与病虫害图片的显著特征,病害类型判别 单元根据作物名称与病虫害图片的显著特征判断病害类型,索引模块根据作 物名称、病害类型查找到相应的显著特征子数据库,匹配单元将提取的显著 特征与对应的而显著特征子数据库进行匹配,并通过索引模块查找到相应的 图片子数据库和与相应的图片子数据库索引连接的药方。在进行显著特征匹 配时,同上,若匹配率≥85%时,说明图片匹配成功,本实施例中优选的匹 配率=95%。再根据匹配出的一张或多张图片与药方数据库进行匹配获得对 应的病症描述及治疗方法。
在匹配的过程中,因客户上传的文字或图片中可能是单一的病害或多种 病害同时存在的情况,特征提取单元可能会提取出不只一个关键词或显著特 征,因此将会查找出一个或多个对应的病虫害图片数据库,最终匹配出一张 或多张图片,以及对应的药方;若未成功匹配出图片或药方,那么客户上传 的病虫害图片与未匹配成功原因将保存至临时数据库中,通过系统管理员或 专家进行人工诊断及开取药方。这样从多面更加精准地解决客户遇到的病虫 害问题,提高整个系统的判定精准性与可行性,且客户只需将要查询的病虫 害图片或文字传输至系统即可,使用便捷高效。
反馈模块:与病虫害查询诊断模块连接,用于将病虫害查询诊断模块或 人工诊断的结果反馈给移动客户端的接收显示模块,结果信息包括匹配出的 图片、症状描述、治疗方法及系统推荐的就近相关病虫害的专家和农资店等。
数据分析整合模块:用于整合临时数据库中保存的客户对系统的使用规 律、喜好及客户的活动轨迹,根据客户查询或咨询的问题分析获得客户所在 区域的病虫害种类以及引发该种类病害的因素,并将整合的数据存储至地域 分布数据库中。
本实施例中,接收模块接收移动客户端上传的病虫害图片与作物名称 保存至临时数据库中,病虫害查询诊断模块的预处理单元将图片进行预处 理,由特征提取单元获得图片的显著特征点,病害类型判别单元根据显著 特征点判断图片中的病害类型是属于病害、虫害、药害、草害、肥害或缺 素中的一种或几种,索引模块根据提取的作物名称、显著特征与病害类型, 匹配单元查找并匹配到的相应作物的显著特征子数据库,再匹配单元将提取的显著特征与对应的显著特征子数据进行匹配,并通过匹配上的显著特 征查找出的对应的一张或几张图片,以及与图片索引连接的药方,最后反 馈单元将图片与药方通过无线传输模块发送至移动客户端,若未成功匹配 出图片,那么图片将保存至临时数据库中,通过系统管理员或专家进行人 工诊断,再将结果反馈给移动客户端。
实施例2
一种基于大数据的农作物病虫害诊断系统,如图2所示,与实施例1 不同点在于还设有新信息数据库;
新信息数据库包括用于保存匹配单元未匹配成功的图片及图片未成功 匹配的原因的新图片子数据库,其中未匹配成功的原因有多重情况,如显 著特征未匹配上、药方未查找到、病害类型未查找出等等;与新图片数据 库通过索引连接且用于保存在匹配过程中提取得到的显著特征的新显著特 征子数据库;即客户上传的图片也许为新种类或病虫害数据库管理单元中 不存在的病虫害图片,甚至专家对其未知的情况下,将此图片保存至新图 片子数据库中,等待专家或系统管理员对新图片进行分析,并根据图片的 病虫害类别将分析出的作物名称、显著特征、表现症状、治疗药方等信息 归纳进对应的数据库中。这样是为了更加完善病虫害数据库管理单元,且 新显著特征子数据库的设置是为了便于系统或专家对新图片数据库中的图 片进行分析整理时,不需要再次对图片进行显著特征提取的操作,节省了 系统的操作时间。
实施例3
一种基于大数据的农作物病虫害诊断系统,如图3所示,与实施例1 不同点在于还包括注册单元和病虫害咨询诊断单元;
注册单元包括信息填写模块与信息确认模块;病虫害咨询诊断单元包 括专家咨询模块、平台咨询模块与支付模块。临时数据库还设有问题暂存 子数据库。
问题暂存子数据库:用于专家或系统繁忙时,保存客户的问题及上传 的图片,便于数据分析整合模块对客户查询、咨询等问题的分析整合。
信息填写模块:用于客户、专家以及农资店服务员填写并完善相应的 有效信息,有效信息包括姓名、联系方式、证件类型、证件号、专家类别 等信息。
信息确认模块:系统用于核实客户、专家、农资店、农资店服务员等 身份信息。
本实施例中,客户、专家、农资店服务员等登入本系统时,都需要先 注册,才可执行其他操作,若已经注册成功的可直接登录再完成其他操作。 注册单元的设置是为了规范和保证整个系统内的人员信息的有效性与合法 性,用以保证客户、专家或农资店的合法利益,同时系统累积更多的有效 用户数据;另外,当系统无法解决客户提出的问题时,客服或专家可根据 用户注册信息回访客户,从线下解决客户的问题。
专家咨询模块:用于客户与专家之间的交流,根据客户需求,给客户 分配相应的免费专家、付费专家或客户根据意愿自行选择咨询的专家,客 户可通过即时消息、视频聊天或留言等方式与专家进行问题的解答,同时 专家根据客户的咨询的问题、以及提供的图片资料等为客户提供解决方案、 药方或推荐农资店,对于无法及时解决的问题,将保存至问题暂存子数据 库中进行排队,等待分配给专家进行解答。
平台咨询模块:用于客户与平台之间的问题交流,系统根据客户发送 的文字描述或上传的图片;平台咨询模块设有审核子模块,用于对客户发 送的文字描述或上传的图片进行审核是否有效,即是否为病虫害相关的问 题或图片,若有效,则将问题保存至问题暂存子数据库,等待分配给相应 的专家进行解答,并将解答结果通过反馈模块发送给移动客户端;若无效, 将通过反馈模块提醒客户信息无效。
支付模块:用于给客户向专家或平台支付相应的咨询费或药房费用; 客户可通过支付宝、微信、在线支付等支付方式进行支付。
实施例4
一种基于大数据的农作物病虫害诊断系统,如图4所示,与实施例1 不同点在于还包括互动单元与定位模块。
定位模块:用于通过移动客户端的GPS模块获取客户,专家和农资店 的位置信息;定位模块的设置可在确定客户所在大概位置并向客户推荐农 资店或专家位置,方便客户找寻专家及农资店解决病害问题;可更好地配 合地域分布数据库中的数据为客户推荐最近或最优的农资店或专家位置, 提高了系统的智能性与准确合理性,同时还便于数据分析整合模块对客户 查询、咨询等问题的分析整合。
讨论模块:用于提供给客户、专家以及农资店服务员等人之间的交友、 讨论、咨询等活动的模块,与临时数据库连接。讨论模块将记录用户偏好、 社交活动轨迹、以及交流问题的内容,并存储至临时数据库,便于数据分 析整合模块对数据的分析整合,不断完善系统数据库以及提高整个系统的 检索精确可靠性。
实施例5
一种基于大数据的农作物病虫害诊断系统,与实施例1不同点在于还 包括病虫害自诊单元;
病虫害自诊单元:客户选择查询的作物及病害类型点击对应的作物下 的多个作物图片子数据库,将可查看相应图片子数据库包含的病害图片子 数据库、虫害图片子数据库、药害图片子数据库、草害图片子数据库、肥 害图片子数据库与缺素图片子数据库等数据库,客户查看相应的病虫害图 片子数据库即可查询所有相关病虫害的图片,最后客户自行将图片进行对 比,获得查询结果。
实施例6
如图5所示,本发明还提供了一种基于大数据的农作物病虫害诊断方 法,具体包括以下步骤:
S1、接收客户上传的病虫害图片。
客户上传需要查询的图片的同时,为了规范和保证整个系统内的人员 信息的有效性与合法性,用以保证客户、专家或农资店的合法利益,同时 为系统累积更多的有效用户数据,如图6所示,具体包括以下步骤:
A11、客户上传的病虫害图片。
A12、判断用户是否为会员,若是,则转S2,否则转A13。
A13、判断用户是否注册并成为会员,若是,则转S2,否则转A14。
A14、系统抛出异常并终止所有程序。
S2、判断是否输入了作物名称,若否,则转S3,否则转S9。
S3、链接病虫害图片数据库,提取病虫害图片的显著特征,并判断病 虫害类型。其中,
病虫害图片数据库中包括多个作物图片子数据库,每个作物图片子数 据库包括病害图片子数据库、虫害图片子数据库、药害图片子数据库、草 害图片子数据库、肥害图片子数据库与缺素图片子数据库,且每个图片子 数据库分别对应设有用于保存图片显著特征的显著特征子数据库,分别为 病害显著特征子数据库、虫害显著特征子数据库、药害显著特征子数据库、 草害显著特征子数据库、肥害显著特征子数据库与缺素显著特征子数据库。 其中,如图7所示,步骤S3具体包括以下实施步骤:
B11、对病虫害图片进行预处理获得预处理图片,具体包括对图片进行 灰度处理、中值滤波、轮廓检测和病斑提取等动作以去除无关信息。
B12、对预处理图片进行特征提取,获得图片的显著特征。本实施例通 过PCA技术方法提取预处理图片的显著特征,便于匹配图片时通过相关的 索引规则快速找到相应的显著特征子数据库。
B13、根据显著特征判别客户需要查找的病害类型,病害类型主要病害、 虫害、药害、草害、肥害或缺素。
S4、根据作物名称、显著特征及病害类型与病虫害图片数据库进行匹 配。
C14、根据作物名称与病害类型查找到相应的相应的显著特征子数据 库,再将提取的显著特征与相应的显著特征子数据库进行显著特征的匹配。
S5、判断显著特征匹配率,若匹配率≥85%,则转S6,否则转转S9。 本实施例中优选的匹配率=95%。
S6、获得相应的一张或多张图片。
S7、根据获得相应的一张或多张图片链接药方数据库,查找相应的药 方。药方数据库中存储治疗各种病虫害的药方,药方中具体包括病虫害的 症状描述及治疗方法。
S8、判断药方数据库中是否有治疗病虫害相应的药方,若有,则转S10, 否则转S9。
S9、判断失败,进入人工诊断阶段。
S10、输出整个诊断结果,并结束流程。
本发明不局限于上述最佳实施方式,任何人应该得知在本发明的启示 下作出的结构变化,凡是与本发明具有相同或相近的技术方案,均落入本 发明的保护范围之内。
Claims (10)
1.一种基于大数据的农作物病虫害诊断系统,其特征在于,包括:应用服务器以及与应用服务器通过无线通信连接的移动客户端;
移动客户端包括客户用于与应用服务器之间进行信息交互的输入模块与接收显示模块;
应用服务器包括无线传输模块、接收模块、临时数据库、反馈模块,与临时数据库连接的数据分析整合模块,及通过索引模块连接的病虫害数据库管理单元、药方数据库与病虫害查询诊断模块;
接收模块:用于接收客户发送的图片、文字等信息,并将信息存储至临时数据库中;
病虫害数据库管理单元:用于管理系统中所有病虫害图片数据,图片显著特征数据,各种病虫害、专家以及农资店等地域分布情况数据;
药方数据库:用于存储治疗各种病虫害的药方,药方中具体包括病虫害的病症描述及治疗方法;
临时数据库:用于短时间保存应用服务器与客户之间的交互信息;
索引模块:用于根据预设好的规则生成对应的索引条目,通过索引条目快速查找到所述病虫害数据库管理单元中的数据;
病虫害查询诊断模块:用于根据客户上传的病虫害文字信息与图片,提取作物名称、显著特征或病害类型参数,配合索引模块快速查找出匹配度最高的图片,以及与图片对应的病症描述及治疗方法;
与所述病虫害查询诊断模块连接的反馈模块:用于将所述病虫害查询诊断模块或人工诊断的结果反馈给所述接收显示模块;
数据分析整合模块:用于整合临时数据库中保存的客户对系统的使用规律、喜好及客户的活动轨迹,根据客户查询或咨询的问题分析获得客户所在区域的病虫害种类以及引发该种类病害的因素,并将整合的数据存储至病虫害数据库管理单元中。
2.如权利要求1所述的诊断系统,其特征在于:所述病虫害数据库管理单元包括病虫害图片数据库、病虫害显著特征数据库与地域分布数据库;和/或
病虫害图片数据库包括多个作物图片子数据库,所述多个作物图片子数据库分别为病害图片子数据库、虫害图片子数据库、药害图片子数据库、草害图片子数据库、肥害图片子数据库与缺素图片子数据库;病虫害显著特征数据库包括与所述多个作物图片子数据库对应设置的多个显著特征子数据库,包括病害显著特征子数据库、虫害显著特征子数据库、药害显著特征子数据库、草害显著特征子数据库、肥害显著特征子数据库与缺素显著特征子数据库;
地域分布数据库:用于保存各种病虫害、专家以及农资店等地域分布的情况。
3.如权利要求1所述的诊断系统,其特征在于:所述病虫害查询诊断模块包括预处理单元、特征提取单元、病害类型判别单元与匹配单元;
预处理单元:用于对接收到的图片进行灰度处理、中值滤波、轮廓检测和病斑提取等动作以去除无关信息;
特征提取单元:用于提取文字中的作物名称或预处理后的形状、构造等显著特征;
病害类型判别单元:用于所述作物名称或所述显著特征判别客户需要查找的病害类型;
匹配单元:用于通过提取到的作物名称、显著特征或病害类型等几个参数,配合索引模块快速查找出匹配的图片及药方。
4.如权利要求3所述的诊断系统,其特征在于:所述特征提取单元通过PCA技术方法进行图片显著特征的提取;
所述病害类型为病害、虫害、药害、草害、肥害与缺素;
所述匹配单元的匹配条件为图片匹配率≥85%。
5.如权利要求3所述的诊断系统,其特征在于:所述应用服务器还设有新信息数据库;
新信息数据库设有用于保存匹配单元未匹配成功的图片的新图片数据库及图片未成功匹配的原因;与所述新图片数据库通过索引连接且用于保存在匹配过程中提取得到的显著特征的新显著特征数据库。
6.如权利要求1所述的诊断系统,其特征在于:所述临时数据库还设有问题暂存子数据库;所述应用服务器还设有注册单元和病虫害咨询诊断单元;
问题暂存子数据库:用于专家或系统繁忙时,保存客户的问题及上传的图片,便于所述数据分析整合模块对客户查询、咨询等问题的分析整合。
所述注册单元包括:
信息填写模块:用于客户、专家以及农资店服务员填写并完善相应的有效信息,有效信息包括姓名、联系方式、证件类型、证件号、所在地理位置、专家类别等信息;
信息确认模块:系统用于核实客户、专家、农资店、农资店服务员等身份信息;
所述病虫害咨询诊断单元包括:
专家咨询模块:用于客户与根专家之间的交流,根据客户需求给客户分配相应的免费专家、付费专家或客户根据意愿自行选择咨询的专家,同时专家根据客户的咨询的问题、以及提供的图片资料等为客户提供解决方案、药方或推荐农资店,对于无法及时解决的问题,将保存至所述问题暂存子数据库中进行排队,等待分配给专家进行解答;
平台咨询模块:用于客户与平台之间的问题交流,系统接收客户发送的作物名称、病虫害文字描述或上传的病虫害图片并对其进行审核是否有效,即是否为病虫害相关的问题或图片,若有效,则将问题保存至所述问题暂存子数据库,等待分配给相应的专家进行解答,并将解答结果通过反馈给移动客户端;若无效,系统将提醒客户信息无效;
支付模块:用于客户向专家或平台支付相应的咨询费或药房费用。
7.如权利要求1所述的诊断系统,其特征在于:所述应用服务器还设有互动单元与定位模块;
所述定位模块:用于通过移动客户端的GPS模块获取客户、专家和农资店的位置信息;便于系统向客户推荐农资店或专家位置;
讨论模块:用于提供给客户、专家以及农资店服务员等人之间的交友、讨论、咨询等活动,与临时数据库连接;并将记录用户偏好、社交活动轨迹、以及交流问题的内容,并存储至所述临时数据库。
8.一种基于大数据的农作物病虫害诊断方法,其特征在于:包括以下步骤:
S1、接收客户上传病虫害图片;
S2、判断是否输入了作物名称,若否,则转S3,否则转S9;
S3、链接病虫害图片数据库,提取病虫害图片的显著特征,并判断病虫害类型;其中,
病虫害图片数据库包括多个作物图片子数据库,每个所述作物图片子数据库包括病害图片子数据库、虫害图片子数据库、药害图片子数据库、草害图片子数据库、肥害图片子数 据库与缺素图片子数据库,且每个图片子数据库分别对应设有用于保存图片显著特征的显著特征子数据库,为病害显著特征子数据库、虫害显著特征子数据库、药害显著特征子数据库、草害显著特征子数据库、肥害显著特征子数据库与缺素显著特征子数据库;
S4、根据作物名称、显著特征及病害类型与病虫害图片数据库进行匹配;
S5、判断显著特征匹配率,若匹配率≥85%,则转S6,否则转转S9;
S6、获得相应的一张或多张图片;
S7、根据获得相应的一张或多张图片链接药方数据库,查找相应的药方;
S8、判断药方数据库中是否有治疗病虫害相应的药方,若有,则转S10,否则转S9;
S9、判断失败,进入人工诊断阶段;
S10、输出整个诊断结果,并结束流程。
9.如权利要求8所述的诊断方法,其特征在于:所述步骤S1具体包括以下步骤:
A11、客户上传病虫害图片;
A12、判断用户是否为会员,若是,则转S2,否则转A13;
A13、判断用户是否注册并成为会员,若是,则转S2,否则转A14;
A14、系统抛出异常并终止所有程序。
10.如权利要求8所述的诊断方法,其特征在于:所述步骤S3具体包括以下实施步骤:
B11、对病虫害图片进行预处理获得预处理图片,包括对图片进行灰度处理、中值滤波、轮廓检测和病斑提取等动作以去除无关信息;
B12、对预处理图片进行特征提取,获得图片的显著特征;
B13、根据显著特征判别客户需要查找的病害类型;和/或
优选的匹配率=95%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710551582.6A CN107423888A (zh) | 2017-07-07 | 2017-07-07 | 一种基于大数据的农作物病虫害诊断系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710551582.6A CN107423888A (zh) | 2017-07-07 | 2017-07-07 | 一种基于大数据的农作物病虫害诊断系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107423888A true CN107423888A (zh) | 2017-12-01 |
Family
ID=60426997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710551582.6A Pending CN107423888A (zh) | 2017-07-07 | 2017-07-07 | 一种基于大数据的农作物病虫害诊断系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107423888A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133381A (zh) * | 2017-12-21 | 2018-06-08 | 四川科库科技有限公司 | 农资监管方法与系统 |
CN108959535A (zh) * | 2018-06-29 | 2018-12-07 | 普定县科技服务中心 | 一种梨树种植病虫害防治管理经验推广系统 |
CN109191248A (zh) * | 2018-08-27 | 2019-01-11 | 海南正业中农高科股份有限公司 | 一种农资产品销售系统及其销售方法 |
CN109856998A (zh) * | 2018-06-04 | 2019-06-07 | 山东省农业可持续发展研究所 | 一种基于大数据的农业病虫害管理系统 |
CN110415133A (zh) * | 2019-07-30 | 2019-11-05 | 四川大学 | 一种智慧农业医生管理系统及方法 |
CN110796148A (zh) * | 2019-10-12 | 2020-02-14 | 广西大学 | 一种荔枝虫害监测识别系统和监测识别方法 |
CN111427377A (zh) * | 2020-04-08 | 2020-07-17 | 海南耐威科技系统技术研究院有限公司 | 一种植保无人机专用飞控系统 |
CN111753118A (zh) * | 2019-03-29 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 车辆检索方法、装置、电子设备及可读存储介质 |
CN113925042A (zh) * | 2021-11-13 | 2022-01-14 | 四川邦通农业机械有限公司 | 一种果园绿色防控用立体式灌溉系统 |
CN114915644A (zh) * | 2022-05-11 | 2022-08-16 | 四川瑞象农业科技发展有限公司 | 一种基于互联网的农业专家咨询系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021939A (zh) * | 2007-03-29 | 2007-08-22 | 沈阳理工大学 | 基于计算机图像处理的农作物病害诊断系统 |
CN104063686A (zh) * | 2014-06-17 | 2014-09-24 | 中国科学院合肥物质科学研究院 | 作物叶部病害图像交互式诊断系统与方法 |
CN105787446A (zh) * | 2016-02-24 | 2016-07-20 | 上海劲牛信息技术有限公司 | 一种智慧农业病虫害远程自动诊断系统 |
-
2017
- 2017-07-07 CN CN201710551582.6A patent/CN107423888A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021939A (zh) * | 2007-03-29 | 2007-08-22 | 沈阳理工大学 | 基于计算机图像处理的农作物病害诊断系统 |
CN104063686A (zh) * | 2014-06-17 | 2014-09-24 | 中国科学院合肥物质科学研究院 | 作物叶部病害图像交互式诊断系统与方法 |
CN105787446A (zh) * | 2016-02-24 | 2016-07-20 | 上海劲牛信息技术有限公司 | 一种智慧农业病虫害远程自动诊断系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133381A (zh) * | 2017-12-21 | 2018-06-08 | 四川科库科技有限公司 | 农资监管方法与系统 |
CN109856998A (zh) * | 2018-06-04 | 2019-06-07 | 山东省农业可持续发展研究所 | 一种基于大数据的农业病虫害管理系统 |
CN108959535A (zh) * | 2018-06-29 | 2018-12-07 | 普定县科技服务中心 | 一种梨树种植病虫害防治管理经验推广系统 |
CN109191248A (zh) * | 2018-08-27 | 2019-01-11 | 海南正业中农高科股份有限公司 | 一种农资产品销售系统及其销售方法 |
CN111753118A (zh) * | 2019-03-29 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 车辆检索方法、装置、电子设备及可读存储介质 |
CN110415133A (zh) * | 2019-07-30 | 2019-11-05 | 四川大学 | 一种智慧农业医生管理系统及方法 |
CN110796148A (zh) * | 2019-10-12 | 2020-02-14 | 广西大学 | 一种荔枝虫害监测识别系统和监测识别方法 |
CN111427377A (zh) * | 2020-04-08 | 2020-07-17 | 海南耐威科技系统技术研究院有限公司 | 一种植保无人机专用飞控系统 |
CN113925042A (zh) * | 2021-11-13 | 2022-01-14 | 四川邦通农业机械有限公司 | 一种果园绿色防控用立体式灌溉系统 |
CN114915644A (zh) * | 2022-05-11 | 2022-08-16 | 四川瑞象农业科技发展有限公司 | 一种基于互联网的农业专家咨询系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423888A (zh) | 一种基于大数据的农作物病虫害诊断系统与方法 | |
US20210192247A1 (en) | Systems and methods for electronically identifying plant species | |
Bulte et al. | Behavioral responses and the impact of new agricultural technologies: Evidence from a double‐blind field experiment in Tanzania | |
Casas et al. | Habitat structure influences the diversity, richness and composition of bird assemblages in successional Atlantic rain forests | |
CN109636623A (zh) | 医疗数据异常检测方法、装置、设备及存储介质 | |
Yue et al. | An investigation of US apple producers’ trait prioritization—evidence from audience surveys | |
Chai et al. | Scientific selection: A century of increasing crop varietal diversity in US wheat | |
Akshitha et al. | Paddy crop disease detection using deep learning techniques | |
Balestani et al. | Sorting and grading of cherries on the basis of ripeness, size and defects by using image processing techniques. | |
CN107239582A (zh) | 一种虫情信息管理方法及装置 | |
Zhang et al. | Surface defect detection of navel orange based on region adaptive brightness correction algorithm. | |
Tradigo et al. | An Information System to Track Data and Processes for Food Quality and Bacterial Pathologies Prevention. | |
CN114860917B (zh) | 农业知识问答方法、装置、电子设备和存储介质 | |
Das | Leaf disease classification in bell pepper plant using VGGNet | |
KR20200036168A (ko) | 개인의 신체 리듬 맞춤형 작물 매칭 시스템 | |
Shaw et al. | Mapping the benefits: a new decision tool for tsetse and trypanosomiasis interventions. | |
Yin et al. | A diagnosis and prescription system to automatically diagnose pests | |
Miller et al. | Peach defect detection with machine vision. | |
Hayashi et al. | Robotic harvesting system for eggplants trained in V-shape (Part 2)-Harvesting experiment for eggplants. | |
Andrade-Piedra et al. | User guide to the toolbox for working with root, tuber and banana seed systems. RTB User guide | |
Kumar et al. | GUI based detection of paddy unhealthy leaves and to increase the growth using image processing techniques | |
Steward et al. | Detection of outdoor lighting variability for machine vision-based precision agriculture. | |
Liu et al. | Apple phenological period identification in natural environment based on improved ResNet50 model. | |
Khan et al. | Drip Fertigation Technologies | |
Kodaira et al. | Digital Mapping of Soil and Vegetation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |