CN108197794A - 一种病虫害风险预估系统及方法 - Google Patents
一种病虫害风险预估系统及方法 Download PDFInfo
- Publication number
- CN108197794A CN108197794A CN201711450413.XA CN201711450413A CN108197794A CN 108197794 A CN108197794 A CN 108197794A CN 201711450413 A CN201711450413 A CN 201711450413A CN 108197794 A CN108197794 A CN 108197794A
- Authority
- CN
- China
- Prior art keywords
- pest
- disease damage
- risk
- disease
- time period
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 383
- 201000010099 disease Diseases 0.000 title claims abstract description 379
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 379
- 238000000034 method Methods 0.000 title claims abstract description 23
- 241000238631 Hexapoda Species 0.000 claims description 24
- 230000003449 preventive effect Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 6
- 241000196324 Embryophyta Species 0.000 description 64
- 230000002265 prevention Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000007774 longterm Effects 0.000 description 6
- 241001124076 Aphididae Species 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 2
- 241000221785 Erysiphales Species 0.000 description 2
- 241000594036 Liriomyza Species 0.000 description 2
- 241000233679 Peronosporaceae Species 0.000 description 2
- 241000018137 Trialeurodes vaporariorum Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000005660 Abamectin Substances 0.000 description 1
- 239000005747 Chlorothalonil Substances 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001237160 Kallima inachus Species 0.000 description 1
- 241000952063 Polyphagotarsonemus latus Species 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- RRZXIRBKKLTSOM-XPNPUAGNSA-N avermectin B1a Chemical compound C1=C[C@H](C)[C@@H]([C@@H](C)CC)O[C@]11O[C@H](C\C=C(C)\[C@@H](O[C@@H]2O[C@@H](C)[C@H](O[C@@H]3O[C@@H](C)[C@H](O)[C@@H](OC)C3)[C@@H](OC)C2)[C@@H](C)\C=C\C=C/2[C@]3([C@H](C(=O)O4)C=C(C)[C@@H](O)[C@H]3OC\2)O)C[C@H]4C1 RRZXIRBKKLTSOM-XPNPUAGNSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- CRQQGFGUEAVUIL-UHFFFAOYSA-N chlorothalonil Chemical compound ClC1=C(Cl)C(C#N)=C(Cl)C(C#N)=C1Cl CRQQGFGUEAVUIL-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003958 fumigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- QXJKBPAVAHBARF-BETUJISGSA-N procymidone Chemical compound O=C([C@]1(C)C[C@@]1(C1=O)C)N1C1=CC(Cl)=CC(Cl)=C1 QXJKBPAVAHBARF-BETUJISGSA-N 0.000 description 1
- ZYHMJXZULPZUED-UHFFFAOYSA-N propargite Chemical compound C1=CC(C(C)(C)C)=CC=C1OC1C(OS(=O)OCC#C)CCCC1 ZYHMJXZULPZUED-UHFFFAOYSA-N 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 235000013311 vegetables 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明实施例涉及农业领域,公开了一种病虫害风险预估系统及方法。本发明中,提供了一种病虫害风险预估系统,包括:数据库用于存储病虫害历史数据;处理器与数据库连接,用于查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;处理器还用于根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告;显示设备与处理器连接,用于向用户显示从处理器获取的风险预估报告。可以为当地的病虫害提供风险预估,用户能够直观看出预设时间段内的病虫害风险程度,提醒用户及时采取相应的植保措施。
Description
技术领域
本发明实施例涉及农业领域,特别涉及一种病虫害风险预估系统及方法。
背景技术
随着农业技术的发展,人们对农作物病虫害的发生有了越来越多的经验。目前,人们通常通过判断当地的温度条件及降水变化对当地发生病虫害的影响,从而通过控制气候及降水量来降低病虫害发生的几率,以达到提前预防的目的。
然而,发明人发现现有技术中至少存在如下问题:现有技术中虽然能够起到一定的预防病虫害的目的,但是并不能够预测到未来可能会发生的病虫害的风险,无法提前采取相应的植保措施防治病虫害。
发明内容
本发明实施方式的目的在于提供一种病虫害风险预估系统及方法,可以为当地的病虫害提供风险预估,用户能够直观看出预设时间段内的病虫害风险程度,提醒用户及时采取相应的植保措施。
为解决上述技术问题,本发明的实施方式提供了一种病虫害风险预估系统,包括:数据库、处理器及显示设备;
数据库用于存储病虫害历史数据,其中,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度;
处理器与数据库连接,用于查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;
处理器还用于根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级;
显示设备与处理器连接,用于向用户显示从处理器获取的风险预估报告。
本发明的实施方式还提供了一种病虫害风险预估系方法,包括:采集病虫害历史数据,其中,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度;
查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;
根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级;
向用户显示风险预估报告。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时能够实现上述的病虫害风险预估方法。
本发明实施方式相对于现有技术而言,数据库存储病虫害历史数据,其中,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度;处理器与数据库连接,用于查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;处理器还用于根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级;显示设备与处理器连接,用于向用户显示从处理器获取的风险预估报告。用户通过风险预估报告可以直观看出未来预设时间段内的病虫害种类、病虫害发生时间以及病虫害损害程度,而且可以直观看出未来预设时间段内的整体病虫害风险等级,提醒用户根据风险预估报告及时采取相应的植保措施,为用户采取植保措施提供了依据。
另外,预设时间段具体为一年;显示设备具体用于显示未来一年内的风险预估报告。为用户提供未来一整年的长期的风险预估报告,有利于用户做好未来一年的植保预防准备。
另外,数据库还用于存储对应病虫害的常用防治措施;处理器具体用于根据未来一年内的风险预估报告筛选出对应病虫害的常用防治措施;显示设备还用于向用户显示对应病虫害的常用防治措施。在为用户提供未来一整年的长期风险预估报告的同时还向用户推荐常用的防治措施,为用户对未来一年内病虫害的有效防治提供建议。
另外,采集装置还用于采集对病虫害采用不同植保措施后的病虫害反馈数据;处理器还用于将病虫害反馈数据与病虫害历史数据进行比对,并筛选出对应病虫害的满足预设条件的植保措施;处理器还用于根据风险预估报告筛选出对应病虫害的满足预设条件的植保措施;显示设备还用于向用户显示对应病虫害的满足预设条件的植保措施。处理器通过将病虫害反馈数据与病虫害历史数据进行对比,筛选出满足预设条件的植保措施,并向用户推荐该满足预设条件的植保措施,为用户更好地采取有效的植保措施提供了依据。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施方式的病虫害风险预估系统的结构示意图;
图2是根据本发明第二实施方式的病虫害风险预估系统的结构示意图;
图3是根据本发明第三实施方式的病虫害风险预估系统的工作流程图;
图4是根据本发明第四实施方式的病虫害风险预估方法的具体流程示意图;
图5是根据本发明第五实施方式的病虫害风险预估方法的具体流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种病虫害风险预估系统,如图1所示,包括:数据库101、处理器102及显示设备103;
数据库101用于存储病虫害历史数据,其中,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度。
具体地说,数据库101用于存储指定区域内的病虫害历史数据,即指定区域内的植株出现病害或虫害的情况。本实施方式以大棚蔬菜为例进行说明,但在实际应用中,用户可以对指定区域内的病虫害历史数据进行存储。其中,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度。病虫害的种类中,病害如霜霉病、白粉病、灰霉病、疫病、叶霉病等;虫害如蚜虫、白粉虱、茶黄螨、潜叶蝇等。病虫害出现的时间即病虫害刚开始出现的时间至病虫害刚消失的时间。病虫害的损害程度即病虫害对植株造成的损害,用户可以将病虫害的损害程度划分为五个等级,分别为A、B、C、D、E,从A至E分别代表病虫害的损害程度从高到低。其中,A等级可以代表该种病虫害会致使植株全部死亡;B等级可以代表该种病虫害会使得植株一部分死亡,但不会造成全部死亡;C等级可以代表该种病虫害不会致使该种植株死亡,但对于所有单棵植株的产量有所影响;D等级可以代表该种病虫害只会影响一部分单颗植株的产量;E等级可以代表该种病虫害只会影响该植株的外观。当然,上述五个等级的划分只是为了方便本领域技术人员的理解,在实际应用中,用户可以根据病虫害的特性来划分等级,本实施方式并不对此进行限定。
该存储的历史数据例如:疫病,刚开始出现疫病的时间至疫病刚结束的时间,并存储该疫病从刚开始出现至结束过程中随时间变化的损害程度。
处理器102与数据库101连接,用于查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据。
具体地说,处理器102根据数据库101中的病虫害历史数据预测出未来预设时间段内的病虫害风险预估报告,例如,当用户需要获取未来四月份至六月份的病虫害风险预估报告,处理器102则会查询数据库101中的病虫害历史数据,找到之前四月份至六月份出现过的病虫害历史数据,来作为风险预估依据。此外,处理器102还可以向网络侧获取当地未来四月份至六月份的气候状况,来判断之前出现过的病虫害在当地未来四月份至六月份的气候条件下是否还有可能发生,由此,将不可能发生的病虫害不作为风险预估的依据,使得病虫害的风险预估更加的准确。
处理器102还用于根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级。
具体地说,病虫害风险等级即出现病虫害的整体损害程度等级。若在预设时间段内,设定所有可能出现的病害或虫害的总数目为M,M为大于1的自然数。病虫害整体的损害程度可以用X个A等级,Y个B等级,Z个D等级来表示,其中,X、Y、Z之和为M。则预设的病虫害数据与风险等级的对应关系可以为:在进行等级评估时,以A等级发生的概率进行风险程度评定,当A等级发生的概率在100%至80%之间时,评定为一级风险;当A等级发生的概率在80%至60%之间时,评定为二级风险;当A等级发生的概率在60%至40%之间时,评定为三级风险;当A等级发生的概率在40%以下时,评定为四级风险。例如,当所有可能出现的病害或虫害的总数目为20,A等级病害或虫害数目为10时,则A等级发生的概率为50%,则风险程度评定为三级风险。
本实施方式仅仅给出了一种病虫害数据与风险等级的对应关系,在实际应用中,用户还可以以B等级或者其他等级的数目为依据来设定对应关系,本实施方式并不对此进行限定,任何可以对未来相应预设时间段内的病虫害数据进行等级评估的对应关系,均在本实施方式的保护范围之内。
处理器101还可以统计出病虫害历史数据中任意时间段内的病虫害的种类,并计算出在任意时间段内可能出现的病虫害种类,来得出在任意时间段内的病虫害可能出现种类的概率;另外,处理器102还可以统计出在任意时间段内,每种可能出现的病虫害的概率及损害程度等。
进一步地,处理器102还用于将未来相应预设时间段内的病虫害数据制成统计图表;其中,风险预估报告还包括统计图表。其中,病虫害统计图表可以为折线图、柱状图、条形图、扇形图等。处理器102将每一种病害或虫害都制作成图表,以折线图为例,横坐标可以为时间,纵坐标则为该种病害或虫害的损害程度,通过图表可以直观表现出该种病虫害的损害程度随时间的变化。将制作成图表的各种病虫害折线图绘制在同一个坐标系中,则可以直观地看出在任意时间段内可能出现的病虫害种类及损害程度。
显示设备103与处理器102连接,用于向用户显示从处理器102获取的所述风险预估报告。
具体地说,处理器102将风险预估报告显示在显示设备上103,用户可以在显示设备103上,看到未来预设时间段内的可能出现的病虫害的图表,以及病虫害的风险等级。同时,显示设备103还可以显示文字来解释图表所表示的意思,方便用户的理解。
进一步地,处理器102还用于将风险预估报告发送至用户的移动终端。处理器102与用户的移动终端无线连接,处理器102可以定期向用户的移动终端发送风险预估报告,以提醒用户未来可能出现的病虫害状况及病虫害风险等级,方便用户的查看且提醒用户及时做好预防措施。
与现有技术相比,本实施方式通过数据库存储病虫害历史数据,其中,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度;处理器与数据库连接,用于查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;处理器还用于根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级;显示设备与处理器连接,用于向用户显示从处理器获取的风险预估报告。用户通过风险预估报告可以直观看出未来预设时间段内的病虫害种类、病虫害发生时间以及病虫害损害程度,而且可以直观看出未来预设时间段内的整体病虫害风险等级,提醒用户根据风险预估报告及时采取相应的植保措施,为用户采取植保措施提供了依据。
本发明第二实施方式涉及一种病虫害风险预估系统,如图2所示,第二实施方式是在第一实施方式基础上做的改进,主要改进之处在于:该病虫害风险预估系统还包括:采集装置204,采集装置204与处理器102连接;采集装置204用于采集病虫害历史数据,并将病虫害历史数据发送给处理器102;处理器102还用于将病虫害历史数据存储至数据库101中。
具体地说,采集装置204可以为多部,每一部采集装置固定地设置在该区域的某一位置处,用于采集指定区域的病虫害历史数据;采集装置204也可以为一部,移动地采集该区域所有的病虫害历史数据。采集装置204采用传感器加摄像头的方式,通过采集图片或视频,来获取植株的病虫害状况。当然,病虫害历史数据也可以人工输入。使用采集装置204可以快速、准确地获知该区域的病虫害状况,采集病虫害历史数据方便。采集装置204将获取的病虫害历史数据发送给处理器102;处理器102将病虫害历史数据存储至数据库101中,以实现数据的快速积累。
进一步地,采集装置204还用于采集对病虫害采用不同植保措施后的病虫害反馈数据;处理器102还用于将病虫害反馈数据与病虫害历史数据进行比对,并筛选出对应病虫害的满足预设条件的植保措施;处理器102还用于根据风险预估报告筛选出对应病虫害的满足预设条件的植保措施;显示设备103还用于向用户显示对应病虫害的满足预设条件的植保措施。
具体地说,用户对发生病虫害的植株采取不同的植保措施后,采集装置204采集该植株的病虫害反馈数据;处理器102将病虫害反馈数据与病虫害历史数据进行比对,通过获取采集装置204获取的病虫害反馈数据图片的病虫害区域的面积,以及病虫害历史数据图片上的病虫害区域的面积,将两者病虫害的面积进行比对,筛选出满足预设条件的病虫害反馈数据图片所采取的植保措施。其中,所述满足预设条件具体可以为:病虫害反馈数据图片上病虫害区域的面积相比于病虫害历史数据图片上病虫害区域的面积减少的最多的,即使得该种植株的病虫害区域的面积最小。使得该种植株病虫害区域的面积最小的植保措施为当前针对该种病虫害效果最好的植保措施。处理器102根据风险预估报告筛选出对应病虫害的效果最好的植保措施,显示设备103向用户显示该效果最好的植保措施。用户在获知可能会发生病虫害状况的同时还可以得到针对该种病虫害有效的植保措施,为用户针对病虫害的有效防治提供依据。
值得注意的是,采集装置204在采集到采用不同植保措施后的病虫害反馈数据,处理器102可以将该病虫反馈数据制成图表,例如可以制成三维柱状图表,横轴为病虫害的发生时间,纵轴为病虫害的损害程度,竖轴为植保操作措施。处理器102还可以将每种植株的病虫害反馈数据制成的三维图表发送给用户的移动终端、或者发送至显示设备103,显示设备103可以向用户显示这些三维图表。用户可以直观看到针对同一种病虫害相应的植保措施是否有效,哪些有效。为后续的同类植物的生长病虫害防治提供参考和帮助。此外,该处理器102还可以在向用户显示这些三维图表的同时,为用户筛选出针对病虫害效果最好的植保措施,方便用户的使用。
与现有技术相比,本实施方式通过采集装置可以快速、准确地获知该区域的病虫害状况,采集病虫害历史数据方便,采集装置将获取的病虫害历史数据发送给处理器;处理器将病虫害历史数据存储至数据库中,可以实现数据的快速积累;采集装置采集该植株的病虫害反馈数据,处理器将病虫害反馈数据与病虫害历史数据进行比对,得到针对该种病虫害效果最好的植保措施,处理器根据风险预估报告筛选出对应病虫害的效果最好的植保措施,显示设备向用户显示该效果最好的植保措施。用户在获知可能会发生病虫害状况的同时还可以得到针对该种病虫害有效的植保措施,为用户针对病虫害的有效防治提供依据。
本发明的第三实施方式涉及一种病虫害风险预估系统。第三实施方式与第一实施方式大致相同,主要区别之处在于:预设时间段具体为一年;显示设备103具体用于显示未来一年内的所述风险预估报告。
具体地说,处理器102通过统计往年出现的病虫害的分布情况,来预测出未来一年内的病虫害分布情况及病虫害风险等级,显示设备103向用户显示未来一年内的病虫害分布情况图表及病虫害风险等级,用户通过显示设备上的病虫害分布情况图表可以直观看出未来一年内可能出现的病虫害的出现时间及病虫害的损害程度,用户可以以此为依据来制定未来一年内的病虫害防治计划,方便用户进行长期的病虫害防治。
进一步地,数据库101还用于存储对应病虫害的常用防治措施;处理器102具体用于根据未来一年内的风险预估报告筛选出对应病虫害的常用防治措施;显示设备103还用于向用户显示对应病虫害的常用防治措施。
具体地说,数据库101中存储有针对病虫害的常用防治措施,农业措施例如:及时摘除病叶、病果,清除植株下部老叶、枯叶,集中处理,或利用蚜虫、白粉虱、潜叶蝇对黄色有趋性的特点,制作黄板诱杀;以及化学措施例如:烟雾法可用35%、45%百菌清烟剂、30%百菌清烟弹、10%速克灵烟剂、15%克菌灵烟剂、10%腐霉利烟剂等每亩200-250克,点燃熏烟防治灰霉、霜霉、白粉病,或喷雾法可用1.8%阿维菌素或73%克螨特乳油1500-2000倍叶面喷雾,注意交替用药,掌握适宜浓度,全面喷施。每一种病害或虫害都有其常用的防治措施,处理器102在得到未来风险预估报告时,还可以筛选出其中病害或虫害所对应的常用的防治措施,显示设备103显示该对应病害或虫害的常用的防治措施,用户在获知未来一年内可能出现病虫害状况的同时,还可以及时获知常用的防治措施,为用户的病虫害防治提供建议,方便用户的使用。
本实施方式的工作流程图如图3所示,步骤301:数据库用于存储病虫害历史数据;步骤302:处理器用于根据病虫害历史数据得到未来一年内的病虫害的风险预估报告;步骤303:显示设备用于向用户显示一年内的风险预估报告;步骤304:数据库用于存储对应病虫害的常用防治措施;步骤305:处理器用于根据风险预估报告筛选出对应病虫害的常用防治措施;步骤306:显示设备用于向所述用户显示对应病虫害的常用防治措施。值得注意的是,步骤304只需在步骤305之前执行即可,步骤304可以在步骤301之前执行,也可以在步骤301之后执行,并没有明确的执行顺序限定。
与现有技术相比,本实施方式通过处理器根据病虫害历史数据得到未来一年内的风险预估报告;显示设备向用户显示未来一年内的风险预估报告,用户通过显示设备上的病虫害分布情况图表可以直观看出一年内可能出现的病虫害种类、病虫害出现时间及病虫害的损害程度,用户可以以此为依据来制定未来一年内的病虫害防治计划,方便用户进行长期的病虫害防治;处理器在得到未来一年内的风险预估报告时,还可以筛选出其中病害或虫害所对应的常用的防治措施,显示设备显示该对应病害或虫害的常用的防治措施,用户在获知未来一年内可能出现病虫害状况的同时,还可以及时获知常用的防治措施,为用户的病虫害防治提供建议,方便用户的使用。
本发明第四实施方式涉及一种病虫害风险预估方法,具体流程图如图4所示:
步骤401:采集病虫害历史数据。
具体地说,病虫害历史数据包括:病虫害的种类、病虫害出现的时间及病虫害的损害程度。病虫害历史数据可以通过人工采集,也可以采用带有传感器加摄像头的采集装置来实现病虫害历史数据的采集。
步骤402:根据病虫害历史数据得到未来预设时间段内的病虫害的风险预估报告。
具体地说,查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级。将病虫害历史数据来作为未来预设时间段内的风险预估依据。此外,判断之前出现过的病虫害在当地预设时间段内的气候条件下是否还有可能发生,由此,将不可能发生的病虫害不作为风险预估的依据,使得病虫害的风险预估更加的准确。
进一步地,在预测出未来相应预设时间段内的病虫害数据之后,还包括:将未来相应预设时间段内的病虫害数据制成统计图表,其中,风险预估报告还包括统计图表。将未来相应预设时间段内的病虫害数据以图表形式展示出来,用户可以直观看出未来相应预设时间段内的病虫害发生的时间、病虫害的种类以及病虫害的损害程度。
步骤403:向用户显示风险预估报告。
具体地说,向用户显示风险预估报告,用户可以在显示设备上,看到未来预设时间段内的可能出现的病虫害种类,以及病虫害的风险等级。同时,还可以向用户显示文字来解释图表所表示的意思,方便用户的理解。
与现有技术相比,本实施方式通过采集病虫害历史数据,查询预设时间段内的病虫害历史数据,并根据查询到的预设时间段内的病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;根据预设的病虫害数据与风险等级的对应关系,对未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,风险预估报告包括未来相应预设时间段内的病虫害风险等级;向用户显示风险预估报告。用户通过风险预估报告可以直观看出未来预设时间段内的病虫害种类、病虫害发生时间以及病虫害损害程度,而且可以直观看出未来预设时间段内的整体病虫害风险等级,提醒用户根据风险预估报告及时采取相应的植保措施,为用户采取植保措施提供了依据。
由于第一实施方式与本实施方式相互对应,因此本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,在第一实施方式中所能达到的技术效果在本实施方式中也同样可以实现,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第五实施方式涉及一种病虫害风险预估方法,第五实施方式与第四实施方式大致相同,主要区别之处在于:预设时间段具体为一年;向用户显示风险预估报告具体为:向用户显示未来一年内的风险预估报告。本实施方式的具体流程图如如5所示:
步骤501:采集病虫害历史数据;步骤502:根据病虫害历史数据得到未来一年内的病虫害的风险预估报告;步骤503:向用户显示一年内的风险预估报告。
具体地说,通过统计往年出现的病虫害的分布情况,来预测出未来一年内的病虫害分布情况及病虫害风险等级,并向用户显示未来一年内的病虫害分布情况图表及病虫害风险等级,用户通过病虫害分布情况图表可以直观看出未来一年内可能出现的病虫害种类、病虫害出现时间及病虫害的损害程度,用户可以以此为依据来制定未来一年内的病虫害防治计划,方便用户进行长期的病虫害防治。
步骤504:根据风险预估报告筛选出对应病虫害的常用防治措施;步骤505:向所述用户显示对应病虫害的常用防治措施。
具体地说,在所述生成风险预估报告之后,还包括:根据风险预估报告筛选出对应病虫害的常用防治措施,并向用户显示对应病虫害的常用防治措施。每一种病害或虫害都有其常用的防治措施,在得到未来一年内的风险预估报告后,还可以筛选出其中病害或虫害所对应的常用的防治措施,并向用户显示该对应病害或虫害的常用的防治措施,用户在获知未来一年内可能出现病虫害状况的同时,还可以及时获知常用的防治措施,为用户的病虫害防治提供建议,方便用户的使用。
与现有技术相比,本实施方式根据病虫害历史数据得到未来一年内的风险预估报告;并向用户显示未来一年内的风险预估报告,用户通过病虫害分布情况图表可以直观看出未来一年内可能出现的病虫害种类、病虫害出现时间及病虫害的损害程度,用户可以以此为依据来制定未来一年内的病虫害防治计划,方便用户进行长期的病虫害防治;在得到未来一年内的风险预估报告后,还可以筛选出其中病害或虫害所对应的常用的防治措施,并显示该对应病害或虫害的常用的防治措施,用户在获知未来一年内可能出现病虫害状况的同时,还可以及时获知常用的防治措施,为用户的病虫害防治提供建议,方便用户的使用。
由于第三实施方式与本实施方式相互对应,因此本实施方式可与第三实施方式互相配合实施。第三实施方式中提到的相关技术细节在本实施方式中依然有效,在第三实施方式中所能达到的技术效果在本实施方式中也同样可以实现,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第三实施方式中。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种病虫害风险预估系统,其特征在于,包括:数据库、处理器及显示设备;
所述数据库用于存储病虫害历史数据,其中,所述病虫害历史数据包括:所述病虫害的种类、所述病虫害出现的时间及所述病虫害的损害程度;
所述处理器与所述数据库连接,用于查询预设时间段内的所述病虫害历史数据,并根据查询到的所述预设时间段内的所述病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;
所述处理器还用于根据预设的病虫害数据与风险等级的对应关系,对所述未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,所述风险预估报告包括所述未来相应预设时间段内的病虫害风险等级;
所述显示设备与所述处理器连接,用于向用户显示从所述处理器获取的所述风险预估报告。
2.根据权利要求1所述的病虫害风险预估系统,其特征在于,
所述处理器还用于将所述未来相应预设时间段内的病虫害数据制成统计图表;其中,所述风险预估报告还包括所述统计图表。
3.根据权利要求2所述的病虫害风险预估系统,其特征在于,所述预设时间段具体为一年;
所述显示设备具体用于显示未来一年内的所述风险预估报告。
4.根据权利要求3所述的病虫害风险预估系统,其特征在于,
所述数据库还用于存储对应所述病虫害的常用防治措施;
所述处理器具体用于根据未来一年内的所述风险预估报告筛选出对应所述病虫害的常用防治措施;
所述显示设备还用于向所述用户显示对应所述病虫害的常用防治措施。
5.根据权利要求2所述的病虫害风险预估系统,其特征在于,还包括:采集装置,所述采集装置与所述处理器连接;
所述采集装置用于采集所述病虫害历史数据,并将所述病虫害历史数据发送给所述处理器;
所述处理器还用于将所述病虫害历史数据存储至所述数据库中。
6.根据权利要求5所述的病虫害风险预估系统,其特征在于,
所述采集装置还用于采集对所述病虫害采用不同植保措施后的病虫害反馈数据;
所述处理器还用于将所述病虫害反馈数据与所述病虫害历史数据进行比对,并筛选出对应所述病虫害的满足预设条件的植保措施;
所述处理器还用于根据所述风险预估报告筛选出对应所述病虫害的所述满足预设条件的植保措施;
所述显示设备还用于向所述用户显示对应所述病虫害的所述满足预设条件的植保措施。
7.一种病虫害风险预估方法,其特征在于,包括:
采集病虫害历史数据,其中,所述病虫害历史数据包括:所述病虫害的种类、所述病虫害出现的时间及所述病虫害的损害程度;
查询预设时间段内的所述病虫害历史数据,并根据查询到的所述预设时间段内的所述病虫害历史数据,预测出未来相应预设时间段内的病虫害数据;
根据预设的病虫害数据与风险等级的对应关系,对所述未来相应预设时间段内的病虫害数据进行等级评估,生成风险预估报告,所述风险预估报告包括所述未来相应预设时间段内的病虫害风险等级;
向用户显示所述风险预估报告。
8.根据权利要求7所述的病虫害风险预估方法系统,其特征在于,在所述预测出未来相应预设时间段内的病虫害数据之后,还包括:
将所述未来相应预设时间段内的病虫害数据制成统计图表,其中,所述风险预估报告还包括所述统计图表。
9.根据权利要求8所述的病虫害风险预估方法,其特征在于,所述预设时间段具体为一年;
所述向用户显示所述风险预估报告具体为:向用户显示未来一年内的所述风险预估报告。
10.根据权利要求9所述的病虫害风险预估方法,其特征在于,所述生成风险预估报告之后,还包括:
根据所述未来一年内的所述风险预估报告筛选出对应所述病虫害的常用防治措施,并向所述用户显示对应所述病虫害的所述常用防治措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711450413.XA CN108197794A (zh) | 2017-12-27 | 2017-12-27 | 一种病虫害风险预估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711450413.XA CN108197794A (zh) | 2017-12-27 | 2017-12-27 | 一种病虫害风险预估系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108197794A true CN108197794A (zh) | 2018-06-22 |
Family
ID=62584730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711450413.XA Pending CN108197794A (zh) | 2017-12-27 | 2017-12-27 | 一种病虫害风险预估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197794A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109429833A (zh) * | 2018-11-01 | 2019-03-08 | 安徽易商数码科技有限公司 | 植物病虫害管理系统 |
CN109886259A (zh) * | 2019-02-22 | 2019-06-14 | 潍坊科技学院 | 一种基于计算机视觉的番茄病害识别预警方法及装置 |
CN110738379A (zh) * | 2019-11-07 | 2020-01-31 | 成都淞幸科技有限责任公司 | 一种被子植物主要病虫害大数据预测平台 |
CN113657771A (zh) * | 2021-08-19 | 2021-11-16 | 中化现代农业有限公司 | 农作物病虫害植保提醒方法、装置、电子设备和存储介质 |
WO2021229360A1 (en) * | 2020-05-11 | 2021-11-18 | International Business Machines Corporation | Estimation of crop pest risk and/or crop disease risk at sub-farm level |
CN114067532A (zh) * | 2021-11-15 | 2022-02-18 | 宁夏农林科学院植物保护研究所(宁夏植物病虫害防治重点实验室) | 农业生物灾害监测预警大数据系统及方法 |
CN117391265A (zh) * | 2023-12-13 | 2024-01-12 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 基于大数据分析的林业病虫灾害风险预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
CN101052147A (zh) * | 2007-05-24 | 2007-10-10 | 中国科学院合肥物质科学研究院 | 大田作物病虫害智能预警系统 |
CN104794537A (zh) * | 2015-04-17 | 2015-07-22 | 中国农业科学院柑桔研究所 | 一种柑桔矢尖蚧发生期预测模型建立方法 |
CN105872030A (zh) * | 2016-03-25 | 2016-08-17 | 湖南省农业信息与工程研究所 | 一种病虫情测报系统及方法 |
CN106940824A (zh) * | 2016-01-04 | 2017-07-11 | 塔塔顾问服务有限公司 | 用于估计有效害虫严重程度指数的系统和方法 |
CN107392376A (zh) * | 2017-07-25 | 2017-11-24 | 中国农业科学院农业信息研究所 | 一种农作物气象产量预测方法及系统 |
-
2017
- 2017-12-27 CN CN201711450413.XA patent/CN108197794A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
CN101052147A (zh) * | 2007-05-24 | 2007-10-10 | 中国科学院合肥物质科学研究院 | 大田作物病虫害智能预警系统 |
CN104794537A (zh) * | 2015-04-17 | 2015-07-22 | 中国农业科学院柑桔研究所 | 一种柑桔矢尖蚧发生期预测模型建立方法 |
CN106940824A (zh) * | 2016-01-04 | 2017-07-11 | 塔塔顾问服务有限公司 | 用于估计有效害虫严重程度指数的系统和方法 |
CN105872030A (zh) * | 2016-03-25 | 2016-08-17 | 湖南省农业信息与工程研究所 | 一种病虫情测报系统及方法 |
CN107392376A (zh) * | 2017-07-25 | 2017-11-24 | 中国农业科学院农业信息研究所 | 一种农作物气象产量预测方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109429833A (zh) * | 2018-11-01 | 2019-03-08 | 安徽易商数码科技有限公司 | 植物病虫害管理系统 |
CN109886259A (zh) * | 2019-02-22 | 2019-06-14 | 潍坊科技学院 | 一种基于计算机视觉的番茄病害识别预警方法及装置 |
CN110738379A (zh) * | 2019-11-07 | 2020-01-31 | 成都淞幸科技有限责任公司 | 一种被子植物主要病虫害大数据预测平台 |
WO2021229360A1 (en) * | 2020-05-11 | 2021-11-18 | International Business Machines Corporation | Estimation of crop pest risk and/or crop disease risk at sub-farm level |
GB2610530A (en) * | 2020-05-11 | 2023-03-08 | Ibm | Estimation of crop pest risk and/or crop disease risk at sub-farm level |
CN113657771A (zh) * | 2021-08-19 | 2021-11-16 | 中化现代农业有限公司 | 农作物病虫害植保提醒方法、装置、电子设备和存储介质 |
CN114067532A (zh) * | 2021-11-15 | 2022-02-18 | 宁夏农林科学院植物保护研究所(宁夏植物病虫害防治重点实验室) | 农业生物灾害监测预警大数据系统及方法 |
CN117391265A (zh) * | 2023-12-13 | 2024-01-12 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 基于大数据分析的林业病虫灾害风险预测方法 |
CN117391265B (zh) * | 2023-12-13 | 2024-03-05 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 基于大数据分析的林业病虫灾害风险预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197794A (zh) | 一种病虫害风险预估系统及方法 | |
Vance et al. | Temporal and spatial modelling of tropical deforestation: a survival analysis linking satellite and household survey data | |
US10963974B1 (en) | Systems and methods for predicting regional turfgrass performance | |
Farber et al. | Assessment of alternative approaches for bioclimatic modeling with special emphasis on the Mahalanobis distance | |
Kraaij et al. | Vegetation changes (1995–2004) in semi-arid Karoo shrubland, South Africa: effects of rainfall, wild herbivores and change in land use | |
US20180075546A1 (en) | Systems for determining agronomic outputs for a farmable region, and related methods and apparatus | |
CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
CN113095555A (zh) | 基于物联网的农作物病虫害监控方法、系统及存储介质 | |
Iglesias et al. | Climate change and agricultural adaptation: assessing management uncertainty for four crop types in Spain | |
EP3701449A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
Bramley et al. | Spatio‐temporal variability in vine vigour and yield in a Marlborough Sauvignon Blanc vineyard | |
EP2471017B1 (de) | Verfahren und system zur speicherung und auswertung von daten, insbesondere vitaldaten | |
Hillis et al. | Preventative disease management and grower decision making: A case study of California wine-grape growers | |
Yu et al. | Remote-sensing-based flood damage estimation using crop condition profiles | |
Wharton et al. | A web-based interactive system for risk management of potato late blight in Michigan | |
WO2019038325A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
CN116452316A (zh) | 农业贷款的贷后风险监测方法及装置、电子设备 | |
CN108021948A (zh) | 一种病虫害的巡检方法及装置 | |
Young | Agricultural crop forecasting for large geographical areas | |
CN116630663A (zh) | 一种基于物联网的智能施药方法及系统 | |
CN115631061A (zh) | 一种基于共享农机智慧数字化农业方法、系统和介质 | |
CN116523182B (zh) | 一种生态果园的构建和生产管理方法、系统及存储介质 | |
Bopp et al. | Relative importance of region, seasonality and weed management practice effects on the functional structure of weed communities in French vineyards | |
García-Carreras et al. | Recent experience with effort management in Europe: Implications for mixed fisheries | |
Rossi et al. | Early warning of drought: development of a drought bullettin for Sicily |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |