CN109799772A - 一种红阳猕猴桃溃疡病预警控制系统及方法 - Google Patents
一种红阳猕猴桃溃疡病预警控制系统及方法 Download PDFInfo
- Publication number
- CN109799772A CN109799772A CN201910012119.3A CN201910012119A CN109799772A CN 109799772 A CN109799772 A CN 109799772A CN 201910012119 A CN201910012119 A CN 201910012119A CN 109799772 A CN109799772 A CN 109799772A
- Authority
- CN
- China
- Prior art keywords
- kiwi fruit
- soil
- red kiwi
- canker
- sensor
- 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
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 69
- 244000148863 Actinidia melanandra Species 0.000 title claims abstract description 66
- 235000002242 Actinidia melanandra Nutrition 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000002689 soil Substances 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 244000298697 Actinidia deliciosa Species 0.000 claims abstract description 17
- 235000009436 Actinidia deliciosa Nutrition 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 235000009434 Actinidia chinensis Nutrition 0.000 claims abstract description 12
- 208000035240 Disease Resistance Diseases 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims abstract description 6
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 4
- 239000011707 mineral Substances 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 241000196324 Embryophyta Species 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 11
- 230000009746 freeze damage Effects 0.000 claims description 10
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 239000011574 phosphorus Substances 0.000 claims description 9
- 229910052698 phosphorus Inorganic materials 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 208000027418 Wounds and injury Diseases 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 244000144730 Amygdalus persica Species 0.000 claims description 4
- 235000006040 Prunus persica var persica Nutrition 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical group [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 3
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 claims description 3
- 239000011575 calcium Substances 0.000 claims description 3
- 229910052791 calcium Inorganic materials 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 210000003608 fece Anatomy 0.000 claims description 3
- 239000003337 fertilizer Substances 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000010871 livestock manure Substances 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 235000010755 mineral Nutrition 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 239000000618 nitrogen fertilizer Substances 0.000 claims description 3
- 229940072033 potash Drugs 0.000 claims description 3
- 239000011591 potassium Substances 0.000 claims description 3
- 229910052700 potassium Inorganic materials 0.000 claims description 3
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 claims description 3
- 235000015320 potassium carbonate Nutrition 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000001954 sterilising effect Effects 0.000 claims description 3
- 238000004659 sterilization and disinfection Methods 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 241000282553 Macaca Species 0.000 claims 2
- 235000021028 berry Nutrition 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 description 7
- 208000025865 Ulcer Diseases 0.000 description 4
- 230000001580 bacterial effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 241000219068 Actinidia Species 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 231100000397 ulcer Toxicity 0.000 description 2
- ZHQQRIUYLMXDPP-SSDOTTSWSA-N Actinidine Natural products C1=NC=C(C)C2=C1[C@H](C)CC2 ZHQQRIUYLMXDPP-SSDOTTSWSA-N 0.000 description 1
- 241000193830 Bacillus <bacterium> Species 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 108010062877 Bacteriocins Proteins 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 1
- 241000282560 Macaca mulatta Species 0.000 description 1
- 231100000674 Phytotoxicity Toxicity 0.000 description 1
- 241000589516 Pseudomonas Species 0.000 description 1
- 244000223014 Syzygium aromaticum Species 0.000 description 1
- 235000016639 Syzygium aromaticum Nutrition 0.000 description 1
- 229930003268 Vitamin C Natural products 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 108090000350 actinidain Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 235000019154 vitamin C Nutrition 0.000 description 1
- 239000011718 vitamin C Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/12—Technologies relating to agriculture, livestock or agroalimentary industries using renewable energies, e.g. solar water pumping
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农业种植技术领域,公开了一种红阳猕猴桃溃疡病预警控制系统及方法;首先,通过太阳能供电模块为整个红阳猕猴桃溃疡病预警控制系统中的各个检测设备和管理设备供电;通过相关的传感器检测空气中的温度、湿度、土壤中矿物质的含量、土壤中的酸碱度、水分含量、检测花粉传播时的气流的情况、红阳猕猴桃生长中的变化情况;将检测到的数据,经过相关的处理,将处理的结果传递到显示屏,显示相关的检测数据;管理人员,根据显示的相关数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力。本发明通过猕猴桃监测模块可持续及时针对性的对猕猴桃进行溃疡病的监控,并通过治疗控制模块有效的减少病情的延伸,减少损失。
Description
技术领域
本发明属于农业种植技术领域,尤其涉及一种红阳猕猴桃溃疡病预警控制系统及方法。
背景技术
猕猴桃是猕猴桃科猕猴桃属藤本植物。原产于我国,目前已发展为世界上的新兴水果。猕猴桃素以富含维生素C而著称,开发潜力巨大,正引起人们的广泛关注。猕猴桃溃疡病是制约猕猴桃产业发展的重要因素,发生面积广,危害大。猕猴桃溃疡病是一种由丁香假单胞杆菌引起的毁灭性细菌性病害,1980年在美国加利福尼亚州和日本静冈县首次发现。我国于1985年在湖南东山峰农场人工栽培基地发现溃疡病,1991年陕西猕猴桃产区发现溃疡病危害。目前多数猕猴桃产区均有发现。该病害主要靠接触和雨水传播,发生隐蔽,仅在猕猴桃特定生长时期出现症状,难以检测和防治。现有的防治技术主要通过喷施广谱性杀细菌剂来预防,由于施药方式的局限性,药物不能有效的与病原菌接触,导致防治效果较差,一旦发病,则进行挖除处理,给猕猴桃种植户造成了巨大的损失,急需开展猕猴桃溃疡病病菌的快速检测和防治方法的革新等研究。当前对于猕猴桃溃疡病的防控技术主要以化学防治为主,采用田间喷雾、流脓伤口涂抹及注干等方法施药,但从现有的防治情况来看,效果均不理想,其主要原因为喷雾和涂抹防治手段药剂均不能和病菌有效接触,注干技术虽能与病菌有效接触,但注干技术药剂本身及钻孔对猕猴桃植株损伤大,药害严重。以上结果说明单一的化学防控技术已不能满足猕猴桃溃疡病的防控需求。
综上所述,现有技术存在的问题是:
(1)现有的防治溃疡病技术对正常植株与患病植株隔离性差,治疗的同时对正常植株产生的危害大。
(2)现有的土壤湿度传感器在检测土壤水分时,采用统SVM补偿算法补偿精度低、处理速度慢的问题,使其不具有全局寻优能力强、收敛速度快、补偿精度高的特点,不能够有效地对湿度传感器进行温度补偿。
(3)温度传感器检测红阳猕猴桃树周围的溃疡病适应温度的过程中,由于红阳猕猴桃树周围的温度是变化的,温度传感器易受到温度的影响,产生较大的误差,采用目前的算法进行误差补偿,不能有效地降低其误差,提高其测量性能。
(4)摄像头对红阳猕猴桃叶片、枝干、花蕾、树体上因冻害、劳作等造成过多伤口的变化进行获取图像信息后,采用传统的服现有的对数图像增强算法不能克服以反射光图像的模式对图像进行增强的缺点。
发明内容
针对现有技术存在的问题,本发明提供了一种红阳猕猴桃溃疡病预警控制系统及方法。
本发明是这样实现的,一种红阳猕猴桃溃疡病预警控制方法,所述红阳猕猴桃溃疡病预警控制方法包括以下步骤:
第一步,首先,通过太阳能供电模块为整个红阳猕猴桃溃疡病预警控制系统中的各个检测设备和管理设备供电;
第二步,通过相关的传感器检测空气中的温度、湿度、土壤中矿物质的含量、土壤中的酸碱度、水分含量、检测花粉传播时的气流的情况、红阳猕猴桃生长中的变化情况;
第三步,将上述的检测到的数据,经过相关的处理,将处理的结果传递到显示屏,显示相关的检测数据;
第四步,管理人员,根据显示的相关数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力。
进一步,检测红阳猕猴桃树周围的溃疡病适应温度中,采用最小二乘法补偿具体计算方法过程具体如下:
温度传感器各测试温度点ti对应的误差为xi,测试温度点数为N,用最小二乘法估计补偿方程的参数时,要求补偿后的偏差的加权平方和为最小:
F(a,b)分别对a、b b求偏导等于0;
整理得到:
解方程组便可求得直线参数a,b,的最佳估计值,最后根据得到的补偿方程计算传感器在各温度点的补偿值,并由补偿前误差加上补偿值得到补偿后误差。
进一步,在检测红阳猕猴桃生长土壤中的水分含量和周围的湿度情况时,采用土壤湿度传感器,土壤湿度传感器在检测土壤水分对湿度传感器进行温度补偿,采用GA-SVM算法,具体包括以下步骤;
步骤一,初始化,初始化种群,确定最大迭代代数G,,交叉验证参数v,种群规模n,编码长度l,,最大进化代数MAX,交叉概率pc,变异概率pm,以及构成个体的(C,g,p)3个参数的取值范围;
步骤二,计算适应度,将种群中每个个体分别代入SVM回归模型,计算适应度值,并记录适应度值最高的个体;
步骤三,遗传进化,对种群中个体选择、交叉、变异操作,产生新的个体,并将新的个体加入到下一代种群中,重复计算每个个体的适应度值;
步骤四,终止条件,达到最大迭代次数或适应度函数值达到预设精度,终止算法,将此条件下的输出作为SVM的最优参数进行回归训练;若不满足终止条件,返回步骤三继续训练,直到满足终止条件,终止算法。
进一步,根据检测出传感器的数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力的具体措施,包括以下步骤:
步骤一,科学确定挂果量,生产上要根据树龄、树势科学确定每年的结果量;
步骤二,施肥要以农家肥为主,增施磷、钾肥,特别注意控制化学性氮肥施用量;
步骤三,调控好土壤pH值,在生产上要注意调控土壤pH值,使土壤达到微酸性,pH值调控在5.5~6.0,以有利猕猴桃生长,从而提高树体抗性;
步骤四,加强水分管理,旱则及时灌,雨天则及时排,在生产上要加强排水工作,随时检查主排水沟、背沟,防止泥土堵沟,注意防止树盘出现积水,尤其是新建园,注意树盘塌陷而积水,天干时及时灌水,保证空气相对湿度为75%~80%,土壤含水量不低于6%;
步骤五,及时清除病枝、病株,田边杂草,减少病原;
步骤六,落叶后及时修剪,落叶后及时修剪,一般冬季修剪要在冻害发生前一周完成,促使剪口早期愈合;
步骤七,做好冬季清园杀菌。
本发明的另一目的在于提供一种应用所述红阳猕猴桃溃疡病预警控制方法的红阳猕猴桃溃疡病预警控制系统,其特征在于,所述红阳猕猴桃溃疡病预警控制系统包括:
太阳能供电模块,与控制器连接,为控制器提高电源;
控制器,与土壤成份检测器、温度传感器、湿度传感器、摄像头、pH传感器、振动传感器、栽培管理模块、显示屏连接,协调各模块的正常运行;
土壤成份检测器,与控制器连接,检测红阳猕猴桃各个成长期的土壤中的磷、钾、氮、钙、镁、磷各个成份的含量;
温度传感器,与控制器连接,检测红阳猕猴桃树周围的溃疡病适应温度;
湿度传感器,与控制器连接,检测红阳猕猴桃,生长土壤中的水分含量和周围的湿度情况;
摄像头,与控制器连接,对红阳猕猴桃叶片、枝干、花蕾、树体上因冻害、劳作造成过多伤口的变化进行获取图像信息;
PH传感器,与控制器连接,检测土壤中红阳猕猴桃生长的酸碱度;
振动传感器,与控制器连接,检测花粉传播时的气流;
栽培管理模块,与控制器连接,根据上述检测出传感器的数据,对红阳猕猴桃加强栽培管理;
显示屏,与控制器连接,显示上述检测传感器相关的参数数据以及获取的图像情况。
本发明的另一目的在于提供一种应用所述红阳猕猴桃溃疡病预警控制方法的植物病害预警平台。
本发明的优点及积极效果为:该发明本发明设有红外热感仪并电连接有报警模块与定位器,可实时对单个果树进行监控并同步报警,在做出警报的同时给出具体患病目标,定位精准,节省寻找目标的时间,设有围板,可将患病植株与正常植株完全隔离,防止病虫的蔓延,并为后续的药物喷洒治疗提供环境,不影响正常植株的生长,设有太阳能供电模块,节省能源,且可保持红外热感仪的长期工作,持续提供监测报警服务。
本发明湿度传感器在检测红阳猕猴桃生长土壤中的水分含量和周围的湿度情况时,采用土壤湿度传感器,土壤湿度传感器在检测土壤水分时,采用GA-SVM算法,克服了传统SVM补偿算法补偿精度低、处理速度慢的问题,使其具有全局寻优能力强、收敛速度快、补偿精度高的特点,能够有效地对湿度传感器进行温度补偿。
本发明中温度传感器检测红阳猕猴桃树周围的溃疡病适应温度的过程中,由于红阳猕猴桃树周围的温度是变化的,温度传感器易受到温度的影响,产生较大的误差,为了可以有效地降低其误差,提高其测量性能,采用最小二乘法补偿具体计算方法。
本发明中摄像头对红阳猕猴桃叶片、枝干、花蕾、树体上因冻害、劳作等造成过多伤口的变化进行获取图像信息后,为了既能增强图像的细节,还能提升图像的整体对比度,同时还能克服现有的对数图像增强算法不能以反射光图像的模式对图像进行增强的缺点,采用SLIP模型的图像增强新算法。
附图说明
图1是本发明实施例提供的红阳猕猴桃溃疡病预警控制系统的结构示意图;
图中:1、太阳能供电模块;2、控制器;3、土壤成份检测器;4、温度传感器;5、湿度传感器;6、摄像头;7、pH传感器;8、振动传感器;9、栽培管理模块;10、显示屏。
图2是本发明实施例提供的红阳猕猴桃溃疡病预警控制方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的红阳猕猴桃溃疡病预警控制系统包括:太阳能供电模块1、控制器2、土壤成份检测器3、温度传感器4、湿度传感器5、摄像头6、pH传感器7、振动传感器8、栽培管理模块9、显示屏10。
太阳能供电模块1,与控制器2连接,为控制器提高电源;
控制器2,与土壤成份检测器3、温度传感器4、湿度传感器5、摄像头6、PH传感器7、振动传感器8、栽培管理模块9、显示屏10连接,协调各模块的正常运行;
土壤成份检测器3,与控制器2连接,检测红阳猕猴桃各个成长期的土壤中的磷、钾、氮、钙、镁、磷等各个成份的含量;
温度传感器4,与控制器2连接,检测红阳猕猴桃树周围的溃疡病适应温度;
湿度传感器5,与控制器2连接,检测红阳猕猴桃,生长土壤中的水分含量和周围的湿度情况;
摄像头6,与控制器2连接,对红阳猕猴桃叶片、枝干、花蕾、树体上因冻害、劳作等造成过多伤口的变化进行获取图像信息;
PH传感器7,与控制器2连接,检测土壤中红阳猕猴桃生长的酸碱度;
基于最小二乘法的pH值温度补偿模型
振动传感器8,与控制器2连接,检测花粉传播时的气流;
栽培管理模块9,与控制器2连接,根据上述检测出传感器的数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力。
显示屏10,与控制器2连接,显示上述检测传感器相关的参数数据以及获取的图像情况。
如图2所示,本发明实施例提供的红阳猕猴桃溃疡病预警控制方法流程,包括以下步骤:
S101:首先,通过太阳能供电模块为整个红阳猕猴桃溃疡病预警控制系统中的各个检测设备和管理设备供电;
S102:通过相关的传感器检测空气中的温度、湿度、土壤中矿物质的含量、土壤中的酸碱度、水分含量、检测花粉传播时的气流的情况、红阳猕猴桃生长中的变化情况;
S103:将上述的检测到的数据,经过相关的处理,将处理的结果传递到显示屏,显示相关的检测数据;
S104:管理人员,根据显示的相关数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力。
所述温度传感器4检测红阳猕猴桃树周围的溃疡病适应温度的过程中,由于红阳猕猴桃树周围的温度是变化的,温度传感器易受到温度的影响,产生较大的误差,为了可以有效地降低其误差,提高其测量性能,采用最小二乘法补偿具体计算方法过程具体如下:
温度传感器各测试温度点ti对应的误差为xi,测试温度点数为N,用最小二乘法估计补偿方程的参数时,要求补偿后的偏差的加权平方和为最小,设
即要求F(a,b)分别对a、b b求偏导等于0;
整理得到
解方程组便可求得直线参数a,b,的最佳估计值,最后根据得到的补偿方程计算传感器在各温度点的补偿值,并由补偿前误差加上补偿值得到补偿后误差。
所述湿度传感器5在检测红阳猕猴桃生长土壤中的水分含量和周围的湿度情况时,采用土壤湿度传感器,土壤湿度传感器在检测土壤水分时,为了克服传统SVM补偿算法补偿精度低、处理速度慢的问题,使其具有全局寻优能力强、收敛速度快、补偿精度高的特点,能够有效地对湿度传感器进行温度补偿,采用GA-SVM算法,具体包括以下步骤;
步骤一,初始化,初始化种群,确定最大迭代代数G,,交叉验证参数v,种群规模n,编码长度l,,最大进化代数MAX,交叉概率pc,变异概率pm,以及构成个体的(C,g,p)3个参数的取值范围;
步骤二,计算适应度,将种群中每个个体分别代入SVM回归模型,计算适应度值,并记录适应度值最高的个体;
步骤三,遗传进化。对种群中个体选择、交叉、变异操作,产生新的个体,并将新的个体加入到下一代种群中,重复计算每个个体的适应度值;
步骤四,终止条件,达到最大迭代次数或适应度函数值达到预设精度,终止算法,将此条件下的输出作为SVM的最优参数进行回归训练;若不满足终止条件,返回步骤三)继续训练,直到满足终止条件,终止算法。
所述摄像头6对红阳猕猴桃叶片、枝干、花蕾、树体上因冻害、劳作等造成过多伤口的变化进行获取图像信息后,为了既能增强图像的细节,还能提升图像的整体对比度,同时还能克服现有的对数图像增强算法不能以反射光图像的模式对图像进行增强的缺点,采用SLIP模型的图像增强新算法,具体包括以下步骤:
步骤一,设F(i,j)和F′(i,j)是原始图像和处理后图像的灰度值,参数α及β分别为任意实数,A(i,j)是以像素(i,j)为中心、大小为n×n的窗口的平均灰度值,则基于SLIP模型的图像增强为
其中,累加和∑表示SLIP模型运算的加法操作;
步骤二,为了简化SLIP模型的图像增强实现,引入SLIP归一化补集转变,将灰度值F转变为
SLIP归一化补集转变,可以简化SLIP模型的分析和实施;
步骤三,对于图像正值部分(0,M)和负值部分(-M,0)分别运用式能够证明和经过归一化后的SLIP的图像增强算法为
其中
所述栽培管理模块9,根据上述检测出传感器的数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力的具体措施,包括以下步骤:
步骤一,科学确定挂果量,生产上要根据树龄、树势科学确定每年的结果量;
步骤二,施肥要以农家肥为主,增施磷、钾肥,特别注意控制化学性氮肥施用量;
步骤三,调控好土壤pH值,在生产上要注意调控土壤pH值,使土壤达到微酸性,pH值调控在5.5~6.0,以有利猕猴桃生长,从而提高树体抗性;
步骤四,加强水分管理,旱则及时灌,雨天则及时排,在生产上要加强排水工作,随时检查主排水沟、背沟,防止泥土堵沟,注意防止树盘出现积水,尤其是新建园,注意树盘塌陷而积水,天干时及时灌水,保证空气相对湿度为75%~80%,土壤含水量不低于6%;
步骤五,及时清除病枝、病株,田边杂草,减少病原;
步骤六,落叶后及时修剪,落叶后及时修剪,一般冬季修剪要在冻害发生前一周完成,促使剪口早期愈合,降低冻害可能性,减少病菌浸染途径,降低发病率;
步骤七,做好冬季清园杀菌。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (6)
1.一种红阳猕猴桃溃疡病预警控制方法,其特征在于,所述红阳猕猴桃溃疡病预警控制方法包括以下步骤:
第一步,首先,通过太阳能供电模块为整个红阳猕猴桃溃疡病预警控制系统中的各个检测设备和管理设备供电;
第二步,通过相关的传感器检测空气中的温度、湿度、土壤中矿物质的含量、土壤中的酸碱度、水分含量、检测花粉传播时的气流的情况、红阳猕猴桃生长中的变化情况;
第三步,将上述的检测到的数据,经过相关的处理,将处理的结果传递到显示屏,显示相关的检测数据;
第四步,管理人员,根据显示的相关数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力。
2.如权利要求1所述的红阳猕猴桃溃疡病预警控制方法,其特征在于,检测红阳猕猴桃树周围的溃疡病适应温度中,采用最小二乘法补偿具体计算方法过程具体如下:
温度传感器各测试温度点ti对应的误差为xi,测试温度点数为N,用最小二乘法估计补偿方程的参数时,要求补偿后的偏差的加权平方和为最小:
F(a,b)分别对a、bb求偏导等于0;
整理得到:
解方程组便可求得直线参数a,b,的最佳估计值,最后根据得到的补偿方程计算传感器在各温度点的补偿值,并由补偿前误差加上补偿值得到补偿后误差。
3.如权利要求1所述的红阳猕猴桃溃疡病预警控制方法,其特征在于,在检测红阳猕猴桃生长土壤中的水分含量和周围的湿度情况时,采用土壤湿度传感器,土壤湿度传感器在检测土壤水分对湿度传感器进行温度补偿,采用GA-SVM算法,具体包括以下步骤;
步骤一,初始化,初始化种群,确定最大迭代代数G,交叉验证参数v,种群规模n,编码长度l,最大进化代数MAX,交叉概率pc,变异概率pm,以及构成个体的(C,g,p)3个参数的取值范围;
步骤二,计算适应度,将种群中每个个体分别代入SVM回归模型,计算适应度值,并记录适应度值最高的个体;
步骤三,遗传进化,对种群中个体选择、交叉、变异操作,产生新的个体,并将新的个体加入到下一代种群中,重复计算每个个体的适应度值;
步骤四,终止条件,达到最大迭代次数或适应度函数值达到预设精度,终止算法,将此条件下的输出作为SVM的最优参数进行回归训练;若不满足终止条件,返回步骤三继续训练,直到满足终止条件,终止算法。
4.如权利要求1所述的红阳猕猴桃溃疡病预警控制方法,其特征在于,根据检测出传感器的数据,对红阳猕猴桃加强栽培管理,合理负载,增强树势,提高树体抗病能力的具体措施,包括以下步骤:
步骤一,科学确定挂果量,生产上要根据树龄、树势科学确定每年的结果量;
步骤二,施肥要以农家肥为主,增施磷、钾肥,特别注意控制化学性氮肥施用量;
步骤三,调控好土壤pH值,在生产上要注意调控土壤pH值,使土壤达到微酸性,pH值调控在5.5~6.0,以有利猕猴桃生长,从而提高树体抗性;
步骤四,加强水分管理,旱则及时灌,雨天则及时排,在生产上要加强排水工作,随时检查主排水沟、背沟,防止泥土堵沟,注意防止树盘出现积水,尤其是新建园,注意树盘塌陷而积水,天干时及时灌水,保证空气相对湿度为75%~80%,土壤含水量不低于6%;
步骤五,及时清除病枝、病株,田边杂草,减少病原;
步骤六,落叶后及时修剪,落叶后及时修剪,一般冬季修剪要在冻害发生前一周完成,促使剪口早期愈合;
步骤七,做好冬季清园杀菌。
5.一种应用权利要求1~4任意一项所述红阳猕猴桃溃疡病预警控制方法的红阳猕猴桃溃疡病预警控制系统,其特征在于,所述红阳猕猴桃溃疡病预警控制系统包括:
太阳能供电模块,与控制器连接,为控制器提高电源;
控制器,与土壤成份检测器、温度传感器、湿度传感器、摄像头、pH传感器、振动传感器、栽培管理模块、显示屏连接,协调各模块的正常运行;
土壤成份检测器,与控制器连接,检测红阳猕猴桃各个成长期的土壤中的磷、钾、氮、钙、镁、磷各个成份的含量;
温度传感器,与控制器连接,检测红阳猕猴桃树周围的溃疡病适应温度;
湿度传感器,与控制器连接,检测红阳猕猴桃,生长土壤中的水分含量和周围的湿度情况;
摄像头,与控制器连接,对红阳猕猴桃叶片、枝干、花蕾、树体上因冻害、劳作造成过多伤口的变化进行获取图像信息;
PH传感器,与控制器连接,检测土壤中红阳猕猴桃生长的酸碱度;
振动传感器,与控制器连接,检测花粉传播时的气流;
栽培管理模块,与控制器连接,根据上述检测出传感器的数据,对红阳猕猴桃加强栽培管理;
显示屏,与控制器连接,显示上述检测传感器相关的参数数据以及获取的图像情况。
6.一种应用权利要求1~5任意一项所述红阳猕猴桃溃疡病预警控制方法的植物病害预警平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012119.3A CN109799772A (zh) | 2019-01-07 | 2019-01-07 | 一种红阳猕猴桃溃疡病预警控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012119.3A CN109799772A (zh) | 2019-01-07 | 2019-01-07 | 一种红阳猕猴桃溃疡病预警控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109799772A true CN109799772A (zh) | 2019-05-24 |
Family
ID=66558452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910012119.3A Pending CN109799772A (zh) | 2019-01-07 | 2019-01-07 | 一种红阳猕猴桃溃疡病预警控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109799772A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648069A (zh) * | 2019-09-26 | 2020-01-03 | 张信信 | 一种基于运输车的蔬菜质量分析系统 |
CN113138210A (zh) * | 2021-06-22 | 2021-07-20 | 电子科技大学 | 一种智能气体传感器的自适应局部高斯温湿度补偿方法 |
CN113243233A (zh) * | 2021-04-30 | 2021-08-13 | 重庆工业职业技术学院 | 一种猕猴桃溃疡病防治方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413160A (zh) * | 2011-07-06 | 2012-04-11 | 西北农林科技大学 | 一种猕猴桃果园精准管理系统 |
WO2018047123A1 (en) * | 2016-09-12 | 2018-03-15 | The New Zealand Institute For Plant And Food Research Limited | Biological control of plant pathogenic microorganisms |
-
2019
- 2019-01-07 CN CN201910012119.3A patent/CN109799772A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413160A (zh) * | 2011-07-06 | 2012-04-11 | 西北农林科技大学 | 一种猕猴桃果园精准管理系统 |
WO2018047123A1 (en) * | 2016-09-12 | 2018-03-15 | The New Zealand Institute For Plant And Food Research Limited | Biological control of plant pathogenic microorganisms |
Non-Patent Citations (3)
Title |
---|
姜力等: "改进GA-SVM的湿度传感器温度补偿研究", 《电子测量与仪器学报》 * |
闫书贵: "红阳猕猴桃溃疡病发生与防治策略", 《农村经济与科技》 * |
黄小静等: "气象用铂电阻温度传感器误差及补偿探讨", 《气象科技》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648069A (zh) * | 2019-09-26 | 2020-01-03 | 张信信 | 一种基于运输车的蔬菜质量分析系统 |
CN113243233A (zh) * | 2021-04-30 | 2021-08-13 | 重庆工业职业技术学院 | 一种猕猴桃溃疡病防治方法 |
CN113138210A (zh) * | 2021-06-22 | 2021-07-20 | 电子科技大学 | 一种智能气体传感器的自适应局部高斯温湿度补偿方法 |
CN113138210B (zh) * | 2021-06-22 | 2021-09-24 | 电子科技大学 | 一种智能气体传感器的自适应局部高斯温湿度补偿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jain et al. | Models for estimating evapotranspiration using artificial neural networks, and their physical interpretation | |
CN109799772A (zh) | 一种红阳猕猴桃溃疡病预警控制系统及方法 | |
O’Shaughnessy et al. | Site-specific variable rate irrigation as a means to enhance water use efficiency | |
Wang et al. | Evaluating the effects of irrigation water salinity on water movement, crop yield and water use efficiency by means of a coupled hydrologic/crop growth model | |
CN113994868B (zh) | 一种基于植物生长周期的自动灌溉方法及系统 | |
Sivagami et al. | Automated irrigation system for greenhouse monitoring | |
López et al. | GAIA2: A multifunctional wireless device for enhancing crop management | |
Srivastava et al. | Aspect-controlled spatial and temporal soil moisture patterns across three different latitudes | |
Santosh et al. | Sector based electronic polling of wetting pattern data for on-farm water management | |
Mackay-Smith et al. | The impact of a kānuka silvopastoral system on surface runoff and sediment and nutrient losses in New Zealand hill country | |
Kang et al. | Simulation of winter wheat yield and water use efficiency in the Loess Plateau of China using WAVES | |
Pavithra et al. | Analysis of precision agriculture based on random forest algorithm by using sensor networks | |
Liu et al. | An artificial neural network model for crop yield responding to soil parameters | |
Ines et al. | Inverse modeling to quantify irrigation system characteristics and operational management | |
Babu et al. | Precision Agriculture and Farming Using Cyber-Physical Systems: A Systematic Study | |
Mishachandar et al. | Crop Yield Estimation Using the Internet of Things | |
Caya et al. | Development of ET-Based Irrigation System in Green Roofs Using Penman-Monteith Equation | |
Sunil et al. | Web based Wi-Fi automated soil moisture controller | |
Hasanov et al. | THE IMPORTANCE OF A SMART IRRIGATION INTRODUCTION SYSTEM BASED ON DIGITAL TECHNOLOGIES IN AGRICULTURE | |
Sowmika et al. | IOT Based Smart Rodent Detection and Fire Alert System in Farmland | |
Obasanya et al. | An internet of things-based irrigation and tank monitoring system | |
CN108595904B (zh) | 一种基于水位调控的灌区水田非点源污染负荷估算方法 | |
Liu et al. | Maize yield as a function of water availability across precipitation years in the North China Plain | |
Cheviron et al. | The Optirrig model for the generation, analysis and optimization of irrigation scenarios: rationale and scopes | |
TWI796616B (zh) | 農作物生長週期與產量交互動態預測系統 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190524 |