CN109542957A - 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 - Google Patents
基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 Download PDFInfo
- Publication number
- CN109542957A CN109542957A CN201811371934.0A CN201811371934A CN109542957A CN 109542957 A CN109542957 A CN 109542957A CN 201811371934 A CN201811371934 A CN 201811371934A CN 109542957 A CN109542957 A CN 109542957A
- Authority
- CN
- China
- Prior art keywords
- disease
- leaf vegetables
- symptom
- leaf
- self
- 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.)
- Withdrawn
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 205
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 205
- 235000021384 green leafy vegetables Nutrition 0.000 title claims abstract description 84
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 30
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 30
- 208000024891 symptom Diseases 0.000 claims abstract description 74
- 241000196324 Embryophyta Species 0.000 claims abstract description 25
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 claims abstract description 21
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 claims abstract description 21
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000004092 self-diagnosis Methods 0.000 claims abstract description 14
- 240000007087 Apium graveolens Species 0.000 claims abstract description 8
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 claims abstract description 8
- 235000010591 Appio Nutrition 0.000 claims abstract description 8
- 235000006008 Brassica napus var napus Nutrition 0.000 claims abstract description 7
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 claims abstract description 7
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 claims abstract description 7
- 240000003259 Brassica oleracea var. botrytis Species 0.000 claims abstract description 7
- 241001674939 Caulanthus Species 0.000 claims abstract description 7
- 244000018436 Coriandrum sativum Species 0.000 claims abstract description 7
- 235000002787 Coriandrum sativum Nutrition 0.000 claims abstract description 7
- 235000003228 Lactuca sativa Nutrition 0.000 claims abstract description 7
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 claims abstract description 7
- 235000009337 Spinacia oleracea Nutrition 0.000 claims abstract description 7
- 244000300264 Spinacia oleracea Species 0.000 claims abstract description 7
- 235000006705 asparagus lettuce Nutrition 0.000 claims abstract description 7
- 244000046738 asparagus lettuce Species 0.000 claims abstract description 7
- 240000008415 Lactuca sativa Species 0.000 claims abstract description 4
- 241000894006 Bacteria Species 0.000 claims abstract 2
- 241000233866 Fungi Species 0.000 claims abstract 2
- 241000244206 Nematoda Species 0.000 claims abstract 2
- 244000088415 Raphanus sativus Species 0.000 claims abstract 2
- 241000700605 Viruses Species 0.000 claims abstract 2
- 230000003993 interaction Effects 0.000 claims description 6
- 230000036285 pathological change Effects 0.000 claims description 5
- 231100000915 pathological change Toxicity 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 claims 1
- 241000894007 species Species 0.000 abstract description 2
- 206010039509 Scab Diseases 0.000 description 22
- 238000007726 management method Methods 0.000 description 13
- 241000607479 Yersinia pestis Species 0.000 description 10
- 238000011161 development Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000006378 damage Effects 0.000 description 7
- 210000003462 vein Anatomy 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 241000220259 Raphanus Species 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 241000238631 Hexapoda Species 0.000 description 4
- 238000002791 soaking Methods 0.000 description 4
- 241000208822 Lactuca Species 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000012631 diagnostic technique Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000017074 necrotic cell death Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 235000007466 Corylus avellana Nutrition 0.000 description 1
- 240000003211 Corylus maxima Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 206010061217 Infestation Diseases 0.000 description 1
- 206010024642 Listless Diseases 0.000 description 1
- 208000031662 Noncommunicable disease Diseases 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 241000533293 Sesbania emerus Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum 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
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000890 drug combination Substances 0.000 description 1
- 208000010824 fish disease Diseases 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 235000021251 pulses Nutrition 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000004383 yellowing Methods 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
- 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)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于叶菜类蔬菜病害典型特征的互联网叶菜类蔬菜病害自助诊断方法和系统。包括叶菜类蔬菜病害种类、病原门类、侵染或产生症状部位等病害典型特征的蔬菜病害检索方法和互联网植物医生自助诊断系统。其中叶菜类蔬菜病害针对芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽等的真菌、细菌、病毒、线虫和生理病害，通过对叶菜类蔬菜全株、生长点、根、茎、叶等侵染或产生症状部位的典型病害特征进行病害检索；利用手机自助诊断软件进行病害的自助诊断，从而获得叶菜类蔬菜病害诊断结果。本发明可让用户直接根据实际观测的侵染部位与产生症状，通过典型病害特征信息获得病害诊断结果，简便、易行，能够很好地应用于叶菜类蔬菜病害诊断。
Description
技术领域
本发明属于生物技术领域，涉及一种基于叶菜类蔬菜病害典型病害特征的互联网叶菜类蔬菜病害自助诊断方法与系统。
背景技术
随着科学技术的快速发展，远程诊断技术已被广泛应用于农业信息化方面，如畜禽疫病、鱼病以及水稻虫灾等疾病的诊断与防治。早在20世纪70年代末期，专家系统逐步应用于农业领域并且取得了很多研究成果，到了20世纪80年代，随着信息技术的迅速发展，专家系统在病害诊断领域有了较大的发展。在国外，已报道建立马铃薯栽培专家系统，咖啡豆病虫害管理的专家系统，橄榄作物专家系统，作物病害诊断专家系统等。建立了北京市蔬菜病虫害远程诊治专家系统，葡萄病害智能决策支持系统，广西玉米病虫害诊断决策专家系统，玉米病害诊断系统，黄瓜病害诊断系统等。然而在实际使用过程中也发现存在不足：一，知识库的建立有局限性，专家经验带有主观性和不统一性，对不常见的病例会出现漏统计的情况；二，专家系统中的专家没有思维意识，只能根据用户给出的病情关键字，对新出现的疾病时专家系统将很难有效地给出准确的诊断方案；三，专家系统的开发需要花费大量的人力和财力，需要投入很长时间。在21世纪初，分析农业专家系统在病虫害诊断和防治应用中存在的弊端，学者开始有了新的研究方向。
近年来，随着宽带、无线移动通信技术的进一步发展和web应用技术的不断创新，以及智能手机的进一步普及，移动互联网进人快速成长阶段，用户规模不断增大，使得PC终端农业专家系统的高成本、不便捷、网络依赖性强等缺点日益凸显。随着Google公司发布Android操作系统，智能手机在全世界的发展以及中国在3G网络覆盖工程上的推进，3G智能手机在中国得到了迅速的发展。Android智能3G手机集通话、上网等多种功能于一体，价格低廉，而且不需要再次投入；同时，开源、免费、支持语音、视频、触屏等新的人机交互技术的Android操作系统，不但为软件设计者提供了更灵活的开发空间，而且为研究开发开源、免费以及操作更具人性化的农业智能系统提供了很好的开发平台，使得基于Android端的植物医生服务平台的设计和开发成为可能。
本专利针对农业生产中蔬菜病害易于大规模发生流行和农药施用混乱的实际问题，基于蔬菜病害典型特征的蔬菜病害自助推理系统，模仿农业专家进行推理决策，有针对性的解决农业生产过程中病害诊断和防治的具体问题，为农民制定决策性方案。建立蔬菜主要病害远程自助推理系统，通过对病虫害形态特征、作物受害症状描述对比等信息快速，进行病虫害形态与作物受害症状的自动配准与融合，建立蔬菜主要病虫害的诊断系统，实现病害的智能诊断。从而解决解决我国农业病害严重、生产分散、专家缺乏、科技服务与推广水平差等一系列现实问题。通过基于Android和Apple平台下的远程自助推理系统，以期建立互联网蔬菜病害自助诊断技术，实现病害自助诊断，为管理者及时有效预防提供了强有力的帮助，使农民“足不出户”即可得到植保专家的远程“现场”病虫诊断指导，解决了农民为作物“求医难”问题。为管理者节省人力、物力和财力，节省了成本，保护了环境，提高了信息化管理水平。
发明内容
本发明的目的是建立一种基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法与系统。发明内容涉及基于叶菜类蔬菜病害种类、病原门类以及侵染或产生症状的部位等叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法，以及基于安卓和苹果的手机用户客户端的叶菜类蔬菜病害自助诊断软件系统。通过该方法和系统，可以进行叶菜类蔬菜芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽病害的自助诊断，实现实时、快速的叶菜类蔬菜病害的诊断，使农民“足不出户”即可得到植保专家的防治指导，解决作物“求医难”问题。
本发明为实现上述目的，采用了以下技术方案：
一、一种基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法
针对叶菜类蔬菜病害典型病害特征，建立基于叶菜类蔬菜全株、生长点、根、茎、叶等侵染部位或产生症状的典型病害特征的数据库；在此基础上，依据叶菜类蔬菜病害侵染部位或产生症状逐级采集典型特征信息，与叶菜类蔬菜病害数据库进行对接，得出病害结论并获得病害症状、病原、发病规律、防治方法等信息，从而构建基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断模型。
诊断方法和模型按如下规则建立：
（1）针对不同品种叶菜类蔬菜病害的病症，依据全株、生长点、根、茎、叶5个部位，归纳出各个叶菜类蔬菜病害的主要侵染和产生症状部位情况。
（2）分别对全株、生长点、根、茎、叶5个部位侵染和产生症状的病害，依据植株症状、典型问题、典型症状的指标进行归纳。
（3）针对全株侵染和产生症状的病害，提取植株症状分别为发育不良性黄化、植株矮化、黄化、皱缩。典型问题分别为生长缓慢、出现高温异常环境条件、根部根结现象、叶片有褐色 伤斑。典型症状分别为植株褪绿、畸形、矮化；幼苗萎蔫发病；根部根结现象；叶片出现水渍状斑、输导组织坏死、茎叶出现褐黑色伤斑，严重的朽住不长或枯死等。
（4）针对生长点侵染和产生症状的病害，提取植株症状分别为生长点生长缓慢、扭曲畸形。典型问题为生长点生长畸形。典型症状为生长点生长畸形、叶脉褪绿，叶片皱缩，呈黄绿相间的花叶。
（5）针对根侵染和产生症状的病害，提取植株症状分别为根部腐烂；根部根结；根表褐变侧根腐烂。典型问题分别为病株外叶平贴地面，心部或叶球外露，根茎处髓组织溃烂，流出灰褐色粘稠状物，病烂处有恶臭味；根部根结现象；拔出植株能见到根部褐变侧根腐烂，植株枯死。典型症状分别为病株外叶平贴地面，心部或叶球外露，根茎处髓组织溃烂，流出灰褐色粘稠状物，病烂处有恶臭味；根部产生不规则形、大小不等的肿瘤，发病初期肿瘤表面光滑，后期易龟裂且粗糙，影响对水分和养分正常的吸收和利用，至地上部分出现萎蔫，严重的可引起植株枯死；根部病斑为长条形，紫黑色，能引起侧根腐烂，植株枯死。
（6）针对茎侵染和产生症状的病害，提取植株症状分别为茎部或茎基部产生病斑；茎髓部腐烂；茎部凹陷；茎部缢缩。典型问题分别茎基部多发，叶脉坏死，茎髓部腐烂；茎部凹陷；；茎部缢缩，幼苗萎蔫。典型症状为发近地面处形成水渍状斑，后缢缩，湿度大时有白色棉絮状物；从叶缘向内形成“v”黄褐色病斑，叶帮染病沿维管束向上扩展呈淡褐色；叶片皱缩，呈黄绿相间的花叶，叶脉上有褐色坏死斑点或条斑，病株矮化；茎部初呈水㓎状，后变褐软化腐烂，散出臭味；茎上病斑为长条形，略凹陷，边缘紫色，中间褐色，病斑着生黑色小粒点；根茎部缢缩，植株萎蔫。
（7）针对叶侵染和产生症状的病害，提取植株症状分别为具叶斑；叶片萎蔫；叶片黄化；叶片水㓎状斑。典型问题分别为病斑褐色，湿度大时叶片呈水浸状腐烂，干燥后变白干枯；病斑黄褐色，根髓部变黑，枯萎死亡；白色病斑；病斑浅褐色；叶片上有白色霉层；病斑水㓎状；茎维管束变褐；高温环境；叶片黄化受叶脉限制；叶片上有褐变斑。典型症状分别为病斑褐色能相互融合，病脉为褐色附近叶肉为黄白色；从叶缘向内形成“v”黄褐色病斑，空气干燥时病部干脆易裂，空气潮湿时病部腐烂，叶梗发病时引起维管束变黑坏死；病斑中部为灰白色，边缘淡黄绿色，后期半透明状，易穿孔；茎上病斑为长条形，略凹陷，边缘紫色，中间褐色，病斑着生黑色小粒点，叶上病斑圆形中央灰白色，边缘浅褐色，略凹陷；叶片染病正面生白粉状霉层；叶背水浸状病斑，受叶脉限制干燥时病斑易开裂穿孔；主要危害叶片、柔嫩多汁组织及茎或根部。初呈水浸状或水侵半透明，变褐软化腐烂；叶缘现“v”形褐斑，病斑周围淡黄色；病斑浅黑至黑褐色，中间色深发亮具油光状；叶背出现水浸状淡黄色病斑，边缘不明显，叶背有白色霉层，病斑发展受叶脉限制；水㓎状暗绿色大小为1mm左右的小斑点；叶片病斑圆形灰褐色，直径1~3mm,中央略下陷薄纸状。叶背叶脉为略向下凹的条状褐斑；产生深褐色至黑色不规则斑点，直径2～5毫米，斑点周围有或无黄色晕圈；病株外叶平贴地面，心部外露，根茎处髓组织溃烂，流出灰褐色粘稠状物，散发出臭味；叶片萎蔫。
二、一种基于手机用户客户端的互联网叶菜类蔬菜病害自助诊断系统：
基于安卓和苹果的手机用户客户端的叶菜类蔬菜病害自助诊断软件系统，是依据基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法模型而建立的，通过对作物门类、品种以及叶菜类蔬菜病害典型特征等信息的采集和编辑后，将其作为病害诊断的判定依据，从而使用户通过安卓和苹果的手机用户客户端获得叶菜类蔬菜病害的诊断结果，同时将其与叶菜类蔬菜病害知识库内容进行链接，获得该叶菜类蔬菜病害症状、病原、发病规律、防治方法等信息。叶菜类蔬菜病害自助诊断系统具体操作：
（1）连接无线网络，启动手机上的应用软件；
（2）打开“自助诊断”模块，选择“病害”；
（3）进行病害自助诊断，
（3-1）依次选择作物、发病部位，点击“下一步”；
（3-2）选择植株症状，点击“下一步”；
（3-3）选择典型问题，点击“下一步”；
（3-4）选择典型症状，点击“下一步”；
（3-5）选择诊断重点，点击“下一步”；
（3-6）显示可能的病害，并给出相应防治措施。
病害诊断规则采用树形结构存储：病害诊断规则表结构如表1所示，发病部位、植株症状、典型问题、典型症状、诊断重点均以表中的结构存储，每进行一次选择，只需在表中查找父级ID为该规则的数据，即可得到下一步的选项，最后得到可能的病害ID；
病害诊断表diagnosis
为了便于保存与及时更新，病害详细信息及防治方法均以网页形式存储于服务器，在数据库中只保存相应网页路径。用户每一步选择均需要与应用程序服务器进行数据交互。
所述的基于互联网叶菜类蔬菜病害自助诊断系统包括：
系统登录模块指的是：连接无线网络，启动并登陆系统；
作物选择模块指的是：选择叶菜类蔬菜（包括芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽）；
数据上传模块指的是：将选择的病害特征或问题数据上传到服务器。
所述的应用程序服务器包括：
作物信息管理模块指的是：进行芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽等叶菜类蔬菜作物信息的管理；
病害信息管理模块指的是：进行作物病害信息的管理。
病害诊断信息管理模块指的是：进行作物病害诊断规则信息的管理。
本发明是针对有蔬菜病害问题又不具备诊断病害能力的用户，在不能及时得到植病专家对蔬菜病害诊断的情况下，可以通过基于安卓和苹果的手机用户客户端，利用其叶菜类蔬菜病害自助诊断软件系统满足其对病害诊断的需求。
本发明公开的基于蔬菜病害典型特征的蔬菜病害实时诊断方法和系统与现有技术相比，本发明具有以下优点：
（1）利用基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法和系统，可实现叶菜类蔬菜病害的快速、稳定、实时诊断。整个病害诊断过程（包括对叶菜类蔬菜种类、病原门类以及侵染或产生症状的部位等叶菜类蔬菜病害典型特征信息采集等过程在内），一般可在2分钟内完成。
（2）整个自助诊断系统的使用只需要在基于安卓和苹果的手机用户客户端上安装、注册后，即可进行叶菜类蔬菜病害的自助诊断。
（3）根据对叶菜类蔬菜病害的自助诊断结果，进行病害的防治，可以减少由于多种药剂联合使用，而造成的农药滥用，降低生产成本并减少污染。
由上述技术方案可知，本互联网叶菜类蔬菜病害自助诊断方法与系统，提出了叶菜类蔬菜病害自助诊断的方法和系统，既克服了以往计算机专家系统病虫害信息更新慢的缺点，又解决了远程交互方式专家不足的问题。通过智能手机作为载体，方便在农民中推广应用。该自助诊断方法与系统在实际应用过程中对当地农民科学、合理、有效地防治病虫害产生了积极的推动作用。
附图说明
图1、基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法模型；
图2、基于安卓和苹果手机用户客户端的叶菜类蔬菜病害自助诊断系统流程图。
具体实施方式
下面通过具体的实施方案叙述本发明。除非特别说明，本发明中所用的技术手段均为本领域技术人员所公知的方法。另外，实施方案应理解为说明性的，而非限制本发明的范围，本发明的实质和范围仅由权利要求书所限定。对于本领域技术人员而言，在不背离本发明实质和范围的前提下，对这些实施方案中的物料成分和用量进行的各种改变或改动也属于本发明的保护范围。所述的互联网叶菜类蔬菜病害自助诊断系统手机软件指的是“植物医生”PlantDoctor.apk，为本专利发明人编制完成的软件，公众可以直接进入植物医生管理中心（植物医生管理中心网址为http://117.131.237.58:12345/PlantDoctor/）扫码下载植物医生APP。或关注“互联网植物医生”微信公众号，进行APP下载。“基于Android的互联网植物医生服务平台”，在《山东农业科学》2018，50（5）：147～151，159上发表。
实施例1
大白菜病害的自助诊断：
为了验证叶菜类蔬菜病害自助诊断的可行性，选择叶菜病害进行自助诊断技术说明。
大白菜病害自助诊断系统具体操作：
（1）连接无线网络，启动手机上的应用软件；
（2）打开“自助诊断”模块，选择“病害”；
（3）进行病害自助诊断，
（3-1）依次选择大白菜、发病部位，点击“下一步”；
（3-2）选择大白菜植株症状，点击“下一步”；
（3-3）选择大白菜典型问题，点击“下一步”；
（3-4）选择大白菜典型症状，点击“下一步”；
（3-5）选择大白菜诊断重点，点击“下一步”；
（3-6）显示可能的大白菜病害，并给出相应防治措施（具体大白菜侵染或产生症状部位、典型特征等信息见表1-6）。
表1、大白菜侵染性和非侵染性病害种类、病原门类及其侵染或产生症状的部位
表2、叶菜病害的自助诊断依据——产生症状部位典型特征（全株）
表3、大白菜病害的自助诊断依据——产生症状部位典型特征（生长点）
表4、大白菜病害的自助诊断依据——产生症状部位典型特征（根）
表5、大白菜病害的自助诊断依据——产生症状部位典型特征（茎）
表6、大白菜病害的自助诊断依据——产生症状部位典型特征（叶）
实施例2
一种基于叶菜类蔬菜病害典型特征的互联网叶菜类蔬菜病害自助诊断系统，包括下列顺序的步骤：
（1）连接无线网络，启动Android平台手机上的应用软件；
（2）打开“自助诊断”模块，点击“病害诊断”；
（3）用户依次依据病害诊断规则，进行逐级自助选择；
（3-1）依次选择发病部位，点击“下一步”；
（3-2）选择植株症状，点击“下一步”；
（3-3）选择典型问题，点击“下一步”；
（3-4）选择典型症状，点击“下一步”；
（3-5）选择诊断重点，点击“下一步”；
（3-6）显示可能的叶菜类蔬菜病害，并给出相应防治措施。
（4）自助诊断系统涉及诊断规则采用树形结构存储：病害诊断规则表结构，发病部位、植株症状、典型问题、典型症状、诊断重点均以表中的结构存储，每进行一次选择，只需在表中查找父级ID为该规则的数据，即可得到下一步的选项，最后得到可能的病害ID；
（5）为便于保存与及时更新，病害详细信息及防治方法均以网页形式存储于应用程序服务器，在数据库中只保存相应网页路径；
病害自助诊断表：
用户每一步选择均需要与服务器进行数据交互。所述的基于互联网叶菜类蔬菜病害自助诊断系统包括：
用户每一步选择均需要与应用程序服务器进行数据交互。所述的基于互联网叶菜类蔬菜病害自助诊断系统包括：
系统登录模块指的是：连接无线网络，启动并登陆系统；
作物选择模块指的是：选择叶菜类蔬菜（包括芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽）；
数据上传模块指的是：将选择的病害特征或问题数据上传到服务器。
所述的应用程序服务器包括：
作物信息管理模块指的是：进行芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽等叶菜类蔬菜作物信息的管理；
病害信息管理模块指的是：进行作物病害信息的管理。
病害诊断信息管理模块指的是：进行作物病害诊断规则信息的管理。
Claims (8)
1.一种基于叶菜类蔬菜病害典型特征的互联网病害自助诊断系统，其特征在于它是依据基于叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断模型而建立的，主要是通过对作物门类、品种以及叶菜类蔬菜病害典型特征信息的采集和编辑后，将其作为病害诊断的判定依据，制成软件系统，将实际观测到的病害症状与软件系统显示的典型症状详细信息进行对比，选择与实际观测的症状一致的症状，通过逐级比对分级检索，从而使用户通过安卓和苹果的手机用户客户端获得叶菜类蔬菜病害的诊断结果，同时将其与叶菜类蔬菜病害知识库内容进行链接，获得该叶菜类蔬菜病害症状、病原、发病规律、防治方法信息；所述的互联网叶菜类蔬菜病害自助诊断系统手机应用软件指的是“植物医生”PlantDoctor.apk。
2.权利要求1所述的基于叶菜类蔬菜病害典型特征的互联网叶菜类蔬菜病害自助诊断系统，包括如下的步骤：
（1）连接无线网络，启动Android平台手机上的应用软件；
（2）打开“自助诊断”模块，点击“病害诊断”；
（3）用户依次依据病害诊断规则，进行逐级自助选择；
（4）自助诊断系统涉及诊断规则采用树形结构存储：病害诊断规则表结构，发病部位、植株症状、典型问题、典型症状、诊断重点均以表中的结构存储，每进行一次选择，只需在表中查找父级ID为该规则的数据，即可得到下一步的选项，最后得到可能的病害ID；
（5）为便于保存与及时更新，病害详细信息及防治方法均以网页形式存储于应用程序服务器，在数据库中只保存相应网页路径；其中的病害自助诊断表：
。
3.权利要求1所述的基于叶菜类蔬菜病害典型特征的互联网叶菜类蔬菜病害自助诊断系统，其特征在于：用户每一步选择均需要与应用程序服务器进行数据交互。
4.根据权利要求1所述的基于叶菜类蔬菜病害典型特征的互联网叶菜类蔬菜病害自助诊断系统，其特征在于所述的应用程序服务器包括：作物信息管理模块——管理作物信息；病害信息管理模块——管理作物病害信息；病害诊断信息管理模块——管理作物病害诊断规则信息。
5.一种采用权利要求1所述的互联网自助诊断软件系统对叶菜类蔬菜病害典型特征的叶菜类蔬菜病害自助诊断方法，其特征在于针对蔬菜发生的真菌、细菌、病毒、线虫和生理性病害，通过对蔬菜全株、生长点、根、茎、叶侵染部位或产生症状的典型病害特征进行信息采集，建立对应病害的特征数据库；在此基础上，依据对作物门类、品种、叶菜类蔬菜病害侵染部位或产生症状逐级采集典型特征信息，与叶菜类蔬菜病害数据库进行对接，得出病害结论并获得病害症状、病原、发病规律、防治方法信息。
6.权利要求5所述的自助诊断方法，主要包括：（1）针对不同品种叶菜类蔬菜病害的病症，依据全株、生长点、根、茎、叶5个部位，归纳出各个叶菜类蔬菜病害的主要侵染和产生症状部位情况；（2）分别对全株、生长点、根、茎、叶5个部位侵染和产生症状的病害，依据植株症状、典型问题、典型症状的指标进行归纳；（3）针对全株侵染和产生症状的病害，提取植株症状，分别对典型问题、典型症状的指标进行归纳；（4）针对生长点侵染和产生症状的病害，提取植株症状分别对典型问题、典型症状的指标进行归纳；（5）针对根侵染和产生症状的病害，提取植株症状分别对典型问题、典型症状的指标进行归纳；（6）针对茎侵染和产生症状的病害，提取植株症状分别对典型问题、典型症状的指标进行归纳；（7）针对叶侵染和产生症状的病害，提取植株症状分别对典型问题、典型症状的指标进行归纳。
7.权利要求5或6所述的自助诊断方法在快速诊断叶菜类蔬菜病害方面应用，其中所述的叶菜类蔬菜指的是：芹菜、。
8.权利要求7所述的应用，其中芹菜、大白菜、甘蓝、花椰菜、萝卜、莴笋、莴苣、青菜、菠菜、芫荽的病害，具体如下：
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811371934.0A CN109542957A (zh) | 2018-11-19 | 2018-11-19 | 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811371934.0A CN109542957A (zh) | 2018-11-19 | 2018-11-19 | 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109542957A true CN109542957A (zh) | 2019-03-29 |
Family
ID=65848005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811371934.0A Withdrawn CN109542957A (zh) | 2018-11-19 | 2018-11-19 | 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109542957A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883835A (zh) * | 2021-01-29 | 2021-06-01 | 中南民族大学 | 基于计算机视觉的茶叶品质等级确定方法、装置及设备 |
-
2018
- 2018-11-19 CN CN201811371934.0A patent/CN109542957A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883835A (zh) * | 2021-01-29 | 2021-06-01 | 中南民族大学 | 基于计算机视觉的茶叶品质等级确定方法、装置及设备 |
| CN112883835B (zh) * | 2021-01-29 | 2022-11-25 | 中南民族大学 | 基于计算机视觉的茶叶品质等级确定方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khalil et al. | Apple trees knowledge based system | |
| Haverkort et al. | Yield levels of potato crops: recent achievements and future prospects | |
| Calderón et al. | Agroecology-based farming provides grounds for more resilient livelihoods among smallholders in Western Guatemala | |
| Hutton et al. | Macrophomina phaseolina and its association with strawberry crown rot in Australia | |
| Witherup et al. | Genetic diversity of Bangladeshi jackfruit (Artocarpus heterophyllus) over time and across seedling sources | |
| Sababa et al. | A Proposed Expert System for Strawberry Diseases Diagnosis | |
| Reedy et al. | Traditional Climatic Knowledge: Orchardists' perceptions of and adaptation to climate change in the Campania region (Southern Italy) | |
| Chadha et al. | The apple | |
| Abuley et al. | An epidemiological analysis of the dilemma of plant age and late blight (Phytophthora infestans) susceptibility in potatoes | |
| Habtamu et al. | Species composition, relative abundance and habitat association of small mammals along the altitudinal gradient of J iren M ountain, J imma, E thiopia | |
| CN109542957A (zh) | 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 | |
| Viswanathan et al. | Varietal breakdown to red rot in sugarcane revealed by comparing two Colletotrichum falcatum inoculation methods | |
| Ogundeji et al. | Climate hazards and the changing world of coffee pests and diseases in Sub-Saharan Africa | |
| CN109271429A (zh) | 基于豆类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 | |
| Johnson et al. | Epidemiology of grey mildew and Alternaria blight of cotton | |
| Cui et al. | Development of optimized Verticillium longisporum inoculation techniques for canola (Brassica napus) | |
| Kurulok et al. | Impacts of postfire salvage logging on understory plant communities of the boreal mixedwood forest 2 and 34 years after disturbance | |
| Dalemans et al. | Tempering expectations on a novel biofuel tree: Seed and oil yield assessment of pongamia (Millettia pinnata) shows low productivity and high variability | |
| Schwanck et al. | Predicting quantitative host plant resistance against phoma black stem in sunflower | |
| Sheelavantamath | Plant disease detection and its solution using image classification | |
| CN109446250A (zh) | 基于瓜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统 | |
| Jingura et al. | Experiences with Jatropha cultivation in sub-Saharan Africa: Implications for biofuels policies | |
| Garfinkel et al. | When a pest is not a pest: Birds indirectly increase defoliation but have no effect on yield of soybean crops | |
| Malla et al. | Forest pests and pathogens problem in different forest types of Nepal | |
| Sudrajat et al. | Growth, tuber yield, and starch content of arrowroot (Maranta arundinacea) accessions on different altitudes and tree shades |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210222 Address after: 300192, 26 Nankai District Aerospace Road, Tianjin Applicant after: Tianjin Academy of Agricultural Sciences Address before: 300384 Tianjin Institute of plant protection, 17 km away from Jinjing Road, Xiqing District, Tianjin Applicant before: TIANJIN INSTITUTE OF PLANT PROTECTION |
|
| TA01 | Transfer of patent application right | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190329 |
|
| WW01 | Invention patent application withdrawn after publication |