CN110472784A - 一种基于人工智能的病虫害预报与诊断系统及方法 - Google Patents
一种基于人工智能的病虫害预报与诊断系统及方法 Download PDFInfo
- Publication number
- CN110472784A CN110472784A CN201910729649.XA CN201910729649A CN110472784A CN 110472784 A CN110472784 A CN 110472784A CN 201910729649 A CN201910729649 A CN 201910729649A CN 110472784 A CN110472784 A CN 110472784A
- Authority
- CN
- China
- Prior art keywords
- pest
- information
- disease damage
- module
- monitoring
- 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 405
- 241000238631 Hexapoda Species 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 42
- 201000010099 disease Diseases 0.000 claims abstract description 383
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 383
- 238000012544 monitoring process Methods 0.000 claims abstract description 200
- 238000003745 diagnosis Methods 0.000 claims abstract description 82
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims description 228
- 238000012545 processing Methods 0.000 claims description 163
- 238000003860 storage Methods 0.000 claims description 102
- 230000008569 process Effects 0.000 claims description 40
- 230000007774 longterm Effects 0.000 claims description 34
- 238000002405 diagnostic procedure Methods 0.000 claims description 8
- 238000013277 forecasting method Methods 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims 2
- 230000002265 prevention Effects 0.000 abstract description 5
- 238000012631 diagnostic technique Methods 0.000 abstract description 2
- 230000009418 agronomic effect Effects 0.000 abstract 1
- 241000894007 species Species 0.000 description 14
- 208000024891 symptom Diseases 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 5
- 235000013339 cereals Nutrition 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Mining & Mineral Resources (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Marine Sciences & Fisheries (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提出了一种基于人工智能的病虫害预报与诊断系统及方法,属于人工智能的病虫害监测诊断技术领域。本发明所述系统通过对农作物病虫害情况进行实时监测,通过人工智能利用卷积神经网络算法结合病虫害知识库诊断及农业专家在线诊断实现病虫害的实时诊断和实时处理并使用地理信息技术在地图中显示病虫害具体地点、危害情况及防治方法,以便于分析决策,对病虫害起到防控作用,从而降低病虫害造成的损失及防治处理的成本。
Description
技术领域
本发明涉及一种基于人工智能的病虫害预报与诊断系统及方法,属于人工智能的病虫害监测诊断技术领域。
背景技术
我国种植粮食作物的历史悠久,地域广阔,是世界产粮大国之一。病虫害严重影响着粮食作物的丰产丰收。近年来,病虫害一直呈严重发生态势,每年发生多次,造成大面积、大规模减产。对粮食储备和粮食价格有着严重的影响。同时病虫害种类多,发生情况复杂,确诊和处理也比较困难,因此病虫害的实时监测和及时诊断、及时处理成了降低损失,减少成本的重中之重。
发明内容
本次发明专利的目的在于通过“天”—卫星遥感监测、“地”—地理信息标记、“人”—农技人员上报、“机”—虫子捕捉设备捕捉,“天地人机”四位一体的监测方式对农作物病虫害情况进行实时监测,通过人工智能利用卷积神经网络算法结合病虫害知识库诊断及农业专家在线诊断实现病虫害的实时诊断和实时处理并使用地理信息技术在地图中显示病虫害具体地点、危害情况及防治方法,以便于分析决策,对病虫害起到防控作用,从而降低病虫害造成的损失及防治处理的成本。
一种基于人工智能的病虫害预报与诊断系统,所述系统包括:
用于对基础信息管理模块、地理信息管理模块、病虫害监测管理模块和病虫害分析诊断模块所形成的数据进行分析与处理并存储到数据库中的数据处理存储中心模块;
用于将数据高度集成和数据处理形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息和病虫害地理信息的基础信息管理模块;
用于显示基础信息管理模块产生的数据,并在地图上显示监测信息及分析诊断结论的地理信息管理模块;
用于对病虫害进行监测管理,通过数据处理模块形成遥感监测信息、虫子捕捉信息和病虫害上报信息并储存至数据处理存储中心模块中的病虫害监测管理模块;
用于获得疑似病虫害,并对病虫害进行诊断获得结论,并将诊断过程和结论存储至数据处理存储中心模块的病虫害分析诊断模块。
进一步地,所述数据处理存储中心模块包括:
用于负责接收基础信息管理、地理信息管理、病虫害监测管理和病虫害分析诊断发送来的加密数据包,并根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表和病虫害地理信息表中的数据处理模块;
用于存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置和区域经纬度集合的数据存储数据库。
进一步地,所述基础信息管理模块包括:
用于对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理模块形成监测区域信息(所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合),然后存储至数据存储数据库中的监测区域管理模块;
用于对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理模块形成观测点信息(观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员),然后存储至数据存储数据库中的观测点管理模块;
用于对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理模块形成虫子捕捉设备信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储数据存储数据库中的虫子捕捉设备管理模块;
用于对农业专家进行管理,并通过数据处理模块形成农业专家信息(专家姓名、擅长方面、联系方式、头像照片、认证证书),然后存储至数据存储数据库中的农业专家管理模块;
用于对农业技术人员进行管理,并通过数据处理模块形成农业技术人员信息(人员姓名、人员身份证号、所属观测点、联系方式、头像照片),然后存储至数据存储数据库中的农业技术人员管理模块;
用于将各类作物可能发生的病虫害进行分类总结,并通过数据处理模块形成病虫害知识库(病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法),然后存储至数据存储数据库中的病虫害知识库管理模块;
用于将监测区域管理模块、观测点管理模块、虫子捕捉设备管理模块、农业专家管理模块、农业技术人员管理模块和病虫害知识库管理模块进行高度集成和数据处理,形成病虫害地理信息(监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况),然后存储至数据存储数据库中的地理信息(GIS)数据制作模块。
进一步地,所述病虫害监测管理模块包括:
用于通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,并通过发射光波辨别其反射率的方法,区分作物出现病虫害的区域和作物正常生长区域,然后通过数据处理模块形成遥感监测信息(年份、监测区域、种植作物、作物病虫害情况),并存储至数据存储数据库的遥感监测模块;
用于通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理模块形成设备仪器捕捉信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储至数据存储数据库中的设备仪器捕捉模块;
用于通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位系统自动获取病虫害发生地点的经纬度进行准确定位并通过数据处理模块形成智能终端上报信息(年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频),然后存储至数据存储数据库的智能终端上报模块。
进一步地,所述病虫害分析诊断模块包括:
用于利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据存储数据库中用以完成病虫害初步诊断的人工智能诊断模块;
用于在线进行病虫害分析诊断得出结论,通过数据处理模块形成病虫害分析诊断信息(年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法)并将诊断分析及结论存储至数据存储数据库中,为地理信息管理提供数据支持的专家在线诊断模块。
一种基于人工智能的病虫害预报与诊断方法,所述方法包括:
用于对基础信息管理步骤、地理信息管理步骤、病虫害监测管理步骤和病虫害分析诊断步骤所形成的数据进行分析与处理并存储到数据库中的数据处理存储中心步骤;
用于将数据高度集成和数据处理形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息和病虫害地理信息的基础信息管理步骤;
用于显示基础信息管理步骤产生的数据,并在地图上显示监测信息及分析诊断结论的地理信息管理步骤;
用于对病虫害进行监测管理,通过数据处理步骤形成遥感监测信息、虫子捕捉信息和病虫害上报信息并储存至数据处理存储中心模块中的病虫害监测管理步骤;
用于获得疑似病虫害,并对病虫害进行诊断获得结论,并将诊断过程和结论存储至数据处理存储中心模块的病虫害分析诊断步骤。
进一步地,所述数据处理存储中心步骤包括:
用于负责接收基础信息管理、地理信息管理、病虫害监测管理和病虫害分析诊断发送来的加密数据包,并根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表和病虫害地理信息表中的数据处理步骤;
用于存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置和区域经纬度集合的数据存储数据库。
进一步地,所述基础信息管理步骤包括:
用于对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理步骤形成监测区域信息(所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合),然后存储至数据存储数据库中的监测区域管理步骤;
用于对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理步骤形成观测点信息(观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员),然后存储至数据存储数据库中的观测点管理步骤;
用于对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理步骤形成虫子捕捉设备信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储至数据存储数据库中的虫子捕捉设备管理步骤;
用于对农业专家进行管理,并通过数据处理步骤形成农业专家信息(专家姓名、擅长方面、联系方式、头像照片、认证证书),然后存储至数据存储数据库中的农业专家管理步骤;
用于对农业技术人员进行管理,并通过数据处理步骤形成农业技术人员信息(人员姓名、人员身份证号、所属观测点、联系方式、头像照片),然后存储至数据存储数据库中的农业技术人员管理步骤;
用于将各类作物可能发生的病虫害进行分类总结,并通过数据处理步骤形成病虫害知识库(病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法),然后存储至数据存储数据库中的病虫害知识库管理步骤;
用于将监测区域管理步骤、观测点管理步骤、虫子捕捉设备管理步骤、农业专家管理步骤、农业技术人员管理步骤和病虫害知识库管理步骤进行高度集成和数据处理,形成病虫害地理信息(监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况),然后存储至数据存储数据库中的地理信息(GIS)数据制作步骤。
进一步地,所述病虫害监测管理步骤包括:
用于通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,并通过发射光波辨别其反射率的方法,区分作物出现病虫害的区域和作物正常生长区域,然后通过数据处理步骤形成遥感监测信息(年份、监测区域、种植作物、作物病虫害情况),并存储至数据存储数据库的遥感监测步骤;
用于通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理步骤形成设备仪器捕捉信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储至数据存储数据库中的设备仪器捕捉步骤;
用于通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位方法自动获取病虫害发生地点的经纬度进行准确定位并通过数据处理步骤形成智能终端上报信息(年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频),然后存储至数据存储数据库的智能终端上报步骤。
进一步地,所述病虫害分析诊断步骤包括:
用于利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据存储数据库中用以完成病虫害初步诊断的人工智能诊断步骤;
用于在线进行病虫害分析诊断得出结论,通过数据处理步骤形成病虫害分析诊断信息(年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法)并将诊断分析及结论存储至数据存储数据库中,为地理信息管理提供数据支持的专家在线诊断步骤。
本发明有益效果:本发明通过卫星遥感、设备捕捉、智能终端上报进行监测,通过人工智能利用卷积神经网络算法并结合知识库和专家进行在线诊断,通过地理信息展示的病虫害具体地点、危害情况及防治方法。本发明拥有卫星、捕虫仪、手机上报等多种渠道监测病虫害信息,体现了发明的便利性和适应性;能够对大面积农田进行实时监测,监测覆盖范围广;在海量病虫害数据的训练下,本发明借助人工智能能够准确、快速地识别病虫害,能够及早地发现病虫害,结合海量病虫害数据制定具有针对性的防治措施;与地理信息结合能够迅速定位病虫害地点,及时进行实施防治措施手段,从而降低病虫害造成的损失及防治处理的成本。
附图说明
图1是本发明所述基于人工智能的病虫害预报与诊断系统架构图;
图2是本发明所述数据处理存储中心模块结构图;
图3是本发明所述基础信息管理模块结构图;
图4是本发明所述病虫害监测管理模块结构图;
图5是本发明所述病虫害分析诊断模块结构图;
(1是数据处理存储中心;2是基础信息管理;3是地理信息管理;4是病虫害监测管理;5是病虫害分析诊断;11是数据处理模块;12是数据存储数据库;21是监测区域管理模块;22是观测点管理模块;23是虫子捕捉设备管理模块;24是农业专家管理模块;25是农业技术人员管理模块;26是病虫害知识库管理模块;27是地理信息数据制作模块;41是卫星遥感监测模块;42是设备仪器捕捉模块;43是智能终端上报模块;51是人工智能诊断模块;52是专家在线诊断模块)。
具体实施方式
下面结合具体实施例对本发明做进一步说明,但本发明不受实施例的限制。
实施例1:
一种基于人工智能的病虫害预报与诊断系统,如图1-图5所示,所述系统包括:
用于对基础信息管理模块、地理信息管理模块、病虫害监测管理模块和病虫害分析诊断模块所形成的数据进行分析与处理并存储到数据库中的数据处理存储中心模块;
用于将数据高度集成和数据处理形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息和病虫害地理信息的基础信息管理模块;
用于显示基础信息管理模块产生的数据,并在地图上显示监测信息及分析诊断结论的地理信息管理模块;
用于对病虫害进行监测管理,通过数据处理模块形成遥感监测信息、虫子捕捉信息和病虫害上报信息并储存至数据处理存储中心模块中的病虫害监测管理模块;
用于获得疑似病虫害,并对病虫害进行诊断获得结论,并将诊断过程和结论存储至数据处理存储中心模块的病虫害分析诊断模块。
其中,所述数据处理存储中心模块包括:
用于负责接收基础信息管理、地理信息管理、病虫害监测管理和病虫害分析诊断发送来的加密数据包,并根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表和病虫害地理信息表中的数据处理模块;
用于存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置和区域经纬度集合的数据存储数据库。
所述基础信息管理模块包括:
用于对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理模块形成监测区域信息(所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合),然后存储至数据存储数据库中的监测区域管理模块;
用于对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理模块形成观测点信息(观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员),然后存储至数据存储数据库中的观测点管理模块;
用于对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理模块形成虫子捕捉设备信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储数据存储数据库中的虫子捕捉设备管理模块;
用于对农业专家进行管理,并通过数据处理模块形成农业专家信息(专家姓名、擅长方面、联系方式、头像照片、认证证书),然后存储至数据存储数据库中的农业专家管理模块;
用于对农业技术人员进行管理,并通过数据处理模块形成农业技术人员信息(人员姓名、人员身份证号、所属观测点、联系方式、头像照片),然后存储至数据存储数据库中的农业技术人员管理模块;
用于将各类作物可能发生的病虫害进行分类总结,并通过数据处理模块形成病虫害知识库(病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法),然后存储至数据存储数据库中的病虫害知识库管理模块;
用于将监测区域管理模块、观测点管理模块、虫子捕捉设备管理模块、农业专家管理模块、农业技术人员管理模块和病虫害知识库管理模块进行高度集成和数据处理,形成病虫害地理信息(监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况),然后存储至数据存储数据库中的地理信息(GIS)数据制作模块。
所述病虫害监测管理模块包括:
用于通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,并通过发射光波辨别其反射率的方法,区分作物出现病虫害的区域和作物正常生长区域,然后通过数据处理模块形成遥感监测信息(年份、监测区域、种植作物、作物病虫害情况),并存储至数据存储数据库的遥感监测模块;
用于通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理模块形成设备仪器捕捉信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储至数据存储数据库中的设备仪器捕捉模块;
用于通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位系统自动获取病虫害发生地点的经纬度进行准确定位并通过数据处理模块形成智能终端上报信息(年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频),然后存储至数据存储数据库的智能终端上报模块。
所述病虫害分析诊断模块包括:
用于利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据存储数据库中用以完成病虫害初步诊断的人工智能诊断模块;
用于在线进行病虫害分析诊断得出结论,通过数据处理模块形成病虫害分析诊断信息(年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法)并将诊断分析及结论存储至数据存储数据库中,为地理信息管理提供数据支持的专家在线诊断模块。
本实施例所述基于人工智能的病虫害预报与诊断系统的工作原理和过程为:
数据处理存储中心模块1,主要负责对基础信息管理模块2、地理信息管理模块3、病虫害监测管理模块4、病虫害分析诊断模块5所形成的数据进行分析与处理并存储到数据库中。地理信息管理模块3通过调用数据库中存储的数据进行整合,在地图上显示病虫害监测区域的分布情况、病虫害观测点位的布控情况、病虫害智能终端上报情况、病虫害卫星遥感监测情况、虫子捕捉设备捕捉情况、病虫害分析诊断情况,实现了病虫害的监测与诊断。
数据处理存储中心模块1包括数据处理模块11、数据存储数据库12。
数据处理模块11,负责接收基础信息管理模块2、地理信息管理模块3、病虫害监测管理模块4、病虫害分析诊断模块5发送来的加密数据包,根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表、病虫害地理信息表中。
数据存储数据库12中存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合。观测点信息表包括观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员。虫子捕捉设备信息表包括设备名称、设备编号、设备型号、生产厂家、所属区域、所属观测点、布置地点、经纬度。农业专家信息表包括专家姓名、擅长方面、联系方式、头像照片、认证证书。农业技术人员信息表包括人员姓名、人员身份证号、所属观测点、联系方式、头像照片。病虫害知识库信息表包括病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法。遥感监测信息表包括年份、监测区域、种植作物、作物病虫害情况。设备仪器捕捉信息表包括监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害。病虫害上报信息表包括年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频。病虫害分析诊断信息表包括年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法。病虫害地理信息表包括监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况。
基础信息管理模块2主要包括监测区域管理模块21、观测点管理模块22、虫子捕捉设备管理模块23、农业专家管理模块24、农业技术人员管理模块25、病虫害知识库管理模块26、地理信息数据制作模块27。
主要通过将监测区域管理模块21、观测点管理模块22、虫子捕捉设备管理模块23、农业专家管理模块24、农业技术人员管理模块25、病虫害知识库管理模块26通过地理信息数据制作模块27进行高度集成和数据处理,形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息、病虫害地理信息,存储至数据处理存储中心模块1的数据存储数据库12中。
监测区域管理模块21,可以对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理模块11形成监测区域信息(所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合),存储至数据处理存储中心模块1的数据存储数据库12中。
观测点管理模块22,可以对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理模块11形成观测点信息(观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员),存储至数据处理存储中心模块1的数据存储数据库12中。
虫子捕捉设备管理模块23,可以对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理模块11形成虫子捕捉设备信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),存储至数据处理存储中心模块1的数据存储数据库12中。
农业专家管理模块24,可以对农业专家进行管理,并通过数据处理模块11形成农业专家信息(专家姓名、擅长方面、联系方式、头像照片、认证证书),存储至数据处理存储中心模块1的数据存储数据库12中。
农业技术人员管理模块25,可以对农业技术人员进行管理,并通过数据处理模块11形成农业技术人员信息(人员姓名、人员身份证号、所属观测点、联系方式、头像照片),存储至数据处理存储中心模块1的数据存储数据库12中。
病虫害知识库管理模块26,可以将各类作物可能发生的病虫害进行分类总结,并通过数据处理模块11形成病虫害知识库(病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法),存储至数据处理存储中心模块1的数据存储数据库12中。
地理信息(GIS)数据制作模块27,可以将监测区域管理模块21、观测点管理模块22、虫子捕捉设备管理模块23、农业专家管理模块24、农业技术人员管理模块25、病虫害知识库管理模块26进行高度集成和数据处理,形成病虫害地理信息(监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况),存储至数据处理存储中心模块1的数据存储数据库12中。
地理信息管理模块3应用地理信息技术,它是一门空间信息分析技术,通过有效地管理监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息、病虫害知识库信息、遥感监测信息、虫子捕捉信息、病虫害上报信息、病虫害分析诊断信息,并进行快速和重复的分析测试,便于制定决策,有效地对多时期的病虫害情况进行动态监测和分析比较,将数据收集、空间分析和决策过程综合为一个共同的病虫害地理信息流,提高工作效率,为病虫害监测与诊断提供技术支持。
主要通过监测区域管理模块21、观测点管理模块22、虫子捕捉设备管理模块23、农业专家管理模块24、农业技术人员管理模块25、病虫害知识库管理模块26收集基础信息数据,通过地理信息数据制作模块27进行动态监测和分析比较,形成病虫害地理信息数据流,存储至数据处理存储中心模块1的数据存储数据库12中并通过地理信息管理模块3在地图上显示。通过卫星遥感监测模块41、设备仪器捕捉模块42、智能终端上报模块43收集病虫害监测信息数据,通过数据处理模块11进行处理分析,形成遥感信息、虫子捕捉信息、病虫害上报信息等监测信息,存储至数据处理存储中心模块1的数据存储数据库12中,农业专家在线结合病虫害知识库对以上监测信息进行分析与诊断,并通过地理信息管理模块3在地图上显示监测信息及分析诊断结论。
病虫害监测管理模块4主要包括卫星遥感监测模块41、设备仪器捕捉模块42、智能终端上报模块43。
主要通过卫星遥感监测模块41、设备仪器捕捉模块42、智能终端上报模块43对病虫害进行监测管理,通过数据处理模块11形成遥感监测信息、虫子捕捉信息、病虫害上报信息并储存至数据处理存储中心模块1的数据存储数据库12中,实现对病虫害多方式、多角度的监测管理。
遥感监测模块41,可以通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,通过发射光波辨别其反射率的方法,可以轻易区分作物出现病虫害的区域和作物正常生长区域,实现病虫害的监测管理,并通过数据处理模块11形成遥感监测信息(年份、监测区域、种植作物、作物病虫害情况),存储至数据处理存储中心模块1的数据存储数据库12中。
设备仪器捕捉模块42,可以通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理模块11形成设备仪器捕捉信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),存储至数据处理存储中心模块1的数据存储数据库12中。
智能终端上报模块43,可以通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位系统自动获取病虫害发生地点的经纬度进行准确定位,通过数据处理模块11形成智能终端上报信息(年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频),存储至数据处理存储中心模块1的数据存储数据库12中。
病虫害分析诊断模块5主要包括人工智能诊断模块51、专家在线诊断模块52。
主要通过人工智能诊断模块51,利用卷积神经网络算法分析卫星遥感监测、虫子捕捉设备、智能终端上报的病虫害情况,得出疑似病虫害,再将其存储至数据处理存储中心模块1的数据存储数据库12中。专家通过专家在线诊断模块52实时在线对疑似病虫害进行诊断,得出结论,通过数据处理模块11形成病虫害分析诊断信息并诊断过程及结论存储至数据处理存储中心模块1的数据存储数据库12中。
人工智能诊断模块51,人工智能利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据处理存储中心模块1的数据存储数据库12中,完成病虫害初步诊断。
专家通过专家在线诊断模块52,专家通过分析疑似病虫害情况,在线进行病虫害分析诊断得出结论,通过数据处理模块11形成病虫害分析诊断信息(年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法)并将诊断分析及结论存储至数据处理存储中心模块1的数据存储数据库12中,为地理信息管理提供数据支持。
实施例2
一种基于人工智能的病虫害预报与诊断方法,所述方法包括:
用于对基础信息管理步骤、地理信息管理步骤、病虫害监测管理步骤和病虫害分析诊断步骤所形成的数据进行分析与处理并存储到数据库中的数据处理存储中心步骤;
用于将数据高度集成和数据处理形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息和病虫害地理信息的基础信息管理步骤;
用于显示基础信息管理步骤产生的数据,并在地图上显示监测信息及分析诊断结论的地理信息管理步骤;
用于对病虫害进行监测管理,通过数据处理步骤形成遥感监测信息、虫子捕捉信息和病虫害上报信息并储存至数据处理存储中心模块中的病虫害监测管理步骤;
用于获得疑似病虫害,并对病虫害进行诊断获得结论,并将诊断过程和结论存储至数据处理存储中心模块的病虫害分析诊断步骤。
其中,所述数据处理存储中心步骤包括:
用于负责接收基础信息管理、地理信息管理、病虫害监测管理和病虫害分析诊断发送来的加密数据包,并根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表和病虫害地理信息表中的数据处理步骤;
用于存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置和区域经纬度集合的数据存储数据库。
所述基础信息管理步骤包括:
用于对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理步骤形成监测区域信息(所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合),然后存储至数据存储数据库中的监测区域管理步骤;
用于对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理步骤形成观测点信息(观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员),然后存储至数据存储数据库中的观测点管理步骤;
用于对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理步骤形成虫子捕捉设备信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储至数据存储数据库中的虫子捕捉设备管理步骤;
用于对农业专家进行管理,并通过数据处理步骤形成农业专家信息(专家姓名、擅长方面、联系方式、头像照片、认证证书),然后存储至数据存储数据库中的农业专家管理步骤;
用于对农业技术人员进行管理,并通过数据处理步骤形成农业技术人员信息(人员姓名、人员身份证号、所属观测点、联系方式、头像照片),然后存储至数据存储数据库中的农业技术人员管理步骤;
用于将各类作物可能发生的病虫害进行分类总结,并通过数据处理步骤形成病虫害知识库(病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法),然后存储至数据存储数据库中的病虫害知识库管理步骤;
用于将监测区域管理步骤、观测点管理步骤、虫子捕捉设备管理步骤、农业专家管理步骤、农业技术人员管理步骤和病虫害知识库管理步骤进行高度集成和数据处理,形成病虫害地理信息(监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况),然后存储至数据存储数据库中的地理信息(GIS)数据制作步骤。
所述病虫害监测管理步骤包括:
用于通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,并通过发射光波辨别其反射率的方法,区分作物出现病虫害的区域和作物正常生长区域,然后通过数据处理步骤形成遥感监测信息(年份、监测区域、种植作物、作物病虫害情况),并存储至数据存储数据库的遥感监测步骤;
用于通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理步骤形成设备仪器捕捉信息(监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害),然后存储至数据存储数据库中的设备仪器捕捉步骤;
用于通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位方法自动获取病虫害发生地点的经纬度进行准确定位并通过数据处理步骤形成智能终端上报信息(年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频),然后存储至数据存储数据库的智能终端上报步骤。
所述病虫害分析诊断步骤包括:
用于利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据存储数据库中用以完成病虫害初步诊断的人工智能诊断步骤;
用于在线进行病虫害分析诊断得出结论,通过数据处理步骤形成病虫害分析诊断信息(年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法)并将诊断分析及结论存储至数据存储数据库中,为地理信息管理提供数据支持的专家在线诊断步骤。
本实施例所述基于人工智能的病虫害预报与诊断方法的运行过程为:
步骤一、建立数据处理存储中心模块1:数据处理存储中心模块1主要负责对基础信息管理模块2、地理信息管理模块3、病虫害监测管理模块4、病虫害分析诊断模块5所形成的数据进行分析与处理并存储到数据库中。
a)建立数据存储数据库11用于存储监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库信息表、病虫害地理信息表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表等信息。
b)建立数据处理模块12,用于对基础信息管理模块2、地理信息管理模块3、病虫害监测管理模块4、病虫害分析诊断模块5所形成的信息进行处理,将其解密转化为建立数据存储数据库11可进存储的数据,并同时加以编码和加密,保证数据信息的关联性、完整性、单一性和保密性。
步骤二、建立基础信息管理模块2,用于将监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息、病虫害知识库信息进行高度集成和数据处理,形成病虫害地理信息。
a)建立监测区域管理模块21,用于管理所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置、区域经纬度集合,汇总成监测区域信息。
b)建立观测点管理模块22,用于管理观测点名称、负责人、经度、纬度、现场照片、所属区域、种植作物、种植品种、所属技术人员,汇总成观测点信息。
c)建立虫子捕捉设备管理模块23,用于管理设备名称、设备编号、设备型号、生产厂家、所属区域、所属观测点、布置地点、经纬度,汇总成虫子捕捉设备信息。
d)建立农业专家管理模块24,用于管理专家姓名、擅长方面、联系方式、头像照片、认证证书,汇总成农业专家信息。
e)建立农业技术人员管理模块25,用于管理人员姓名、人员身份证号、所属观测点、联系方式、头像照片,汇总成农业技术人员信息
f)建立病虫害知识库管理模块26,用于管理病虫害名称、图片、针对区域、作物类型、病虫害类型、分布、为害特点、症状、病原、发生规律、防治方法,汇总成病虫害知识库信息。
g)使用地理信息数据制作模块27,用于对将a)、b)、c)、d)、e)、f)中的监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息、病虫害知识库信息进行高度集成,选取其中的监测区域、区域面积、区域经纬度集合、观测点、观测点位置、种植作物品种、发生病虫害情况、病虫害监测方式、病虫害诊断情况集成为病虫害地理信息。
h)使用数据处理模块11,用于将a)、b)、c)、d)、e)、f)、g)中监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息、病虫害知识库信息、病虫害地理信息进行分析处理、特征提取并将其进行统一加密封装。
i)将数据处理模块11封装后的数据,同步到数据处理存储中心模块1的数据存储数据库12中进行存储。
步骤三、建立地理信息管理模块3,用于管理监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息、病虫害知识库信息、遥感监测信息、虫子捕捉信息、病虫害上报信息、病虫害分析诊断信息,并进行快速和重复的分析测试,对病虫害情况进行动态监测和分析比较,将数据收集、空间分析和决策过程综合为一个共同的病虫害地理信息数据流,提高工作效率,为病虫害监测与诊断提供技术支持。
a)通过监测区域管理模块21、观测点管理模块22、虫子捕捉设备管理模块23、农业专家管理模块24、农业技术人员管理模块25、病虫害知识库管理模块26收集基础信息数据。
b)通过地理信息数据制作模块27对a)中数据进行动态监测和分析比较,形成病虫害地理信息数据流,存储至数据处理存储中心模块1的数据存储数据库12中。
c)使用地理信息技术绘制a)、b)中数据信息并显示在地理信息管理模块3的地图上。
d)通过卫星遥感监测模块41、设备仪器捕捉模块42、智能终端上报模块43收集病虫害监测信息数据。
e)通过数据处理模块11进行处理分析,形成遥感信息、虫子捕捉信息、病虫害上报信息等监测信息,存储至数据处理存储中心模块1的数据存储数据库12中。
f)农业专家在线结合病虫害知识库对以上监测信息进行分析与诊断,并使用地理信息技术通过地理信息管理模块3在地图上显示监测信息及分析诊断结论。
步骤四、建立病虫害监测管理模块4,用于管理卫星遥感监测信息、设备仪器捕捉信息、智能终端上报信息,实现对病虫害多方式、多角度的监测管理。
a)建立卫星遥感监测模块41,用于管理年份、监测区域、种植作物、作物病虫害情况,汇总成卫星遥感监测信息。
b)建立设备仪器捕捉模块42,用于管理监测区域、观测点、捕捉位置、虫子名称、捕捉数量、虫子危害,汇总成设备仪器捕捉信息。
c)建立智能终端上报模块43,用于管理年份、上报技术人员、上报时间、经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频,汇总成智能终端上报信息。
d)使用数据处理模块11,用于对将a)、b)、c)中的卫星遥感监测信息、设备仪器捕捉信息、智能终端上报信息进行分析处理、特征提取,并进行统一加密封装。
e)将数据处理模块11封装后的数据,同步到数据处理存储中心模块1的数据存储数据库12中进行存储。
f)使用地理信息技术通过地理信息管理模块3在地图上显示的a)、b)、c)中监测信息。
步骤五、建立病虫害分析诊断模块5,用于病虫害的分析与诊断。
a)建立人工智能诊断模块51,将病虫害知识库作为人工智能卷积神经网络算法的训练样本库,病虫害知识库存储着海量病虫害症状图片及其对应的名称,构建具有14层卷积核处理、3个全连接层、5个池化层、1个Softmax层的VGGNET模型。
b)使用加权平均法对病虫害图片进行灰度处理。
c)通过卷积层、池化层、全连接层对图片正向传播、反向传播、降低过拟合的计算处理,构建神经网络。
d)通过大量的样本训练,使人工智能深度学习及掌握各类病虫害的名称及症状。
e)将卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况输入人工智能进行预测,完成人工智能病虫害诊断分析,得到疑似病虫害,并给出对应的治理方法。
f)将e)中信息存储至数据处理存储中心模块1的数据存储数据库12中。
g)建立专家在线诊断模块52,用于农业专家在线结合病虫害知识库比对疑似病虫害情况b)中监测信息进行分析,然后进行诊断得出诊断信息(年份、上报技术人员、上报时间、上报方式(遥感监测、设备捕捉、终端上报)经度、纬度、所属区域、所属观测点、作物种类、作物品种、作物生长阶段、疑似病虫害名称、观测描述、现场照片、现场视频、专家名称、确诊时间、确诊病虫害、结论、处置方法)。
h)将c)中数据信息存储至数据处理存储中心模块1的数据存储数据库12中。
使用地理信息技术通过地理信息管理模块3在地图上显示的d)中监测信息及分析诊断结论。
虽然本发明已以较佳的实施例公开如上,但其并非用以限定本发明,任何熟悉此技术的人,在不脱离本发明的精神和范围内,都可以做各种改动和修饰,因此本发明的保护范围应该以权利要求书所界定的为准。
Claims (10)
1.一种基于人工智能的病虫害预报与诊断系统,其特征在于,所述系统包括:
用于对基础信息管理模块、地理信息管理模块、病虫害监测管理模块和病虫害分析诊断模块所形成的数据进行分析与处理并存储到数据库中的数据处理存储中心模块;
用于将数据高度集成和数据处理形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息和病虫害地理信息的基础信息管理模块;
用于显示基础信息管理模块产生的数据,并在地图上显示监测信息及分析诊断结论的地理信息管理模块;
用于对病虫害进行监测管理,通过数据处理模块形成遥感监测信息、虫子捕捉信息和病虫害上报信息并储存至数据处理存储中心模块中的病虫害监测管理模块;
用于获得疑似病虫害,并对病虫害进行诊断获得结论,并将诊断过程和结论存储至数据处理存储中心模块的病虫害分析诊断模块。
2.根据权利要求1所述基于人工智能的病虫害预报与诊断系统,其特征在于,所述数据处理存储中心模块包括:
用于负责接收基础信息管理、地理信息管理、病虫害监测管理和病虫害分析诊断发送来的加密数据包,并根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表和病虫害地理信息表中的数据处理模块;
用于存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置和区域经纬度集合的数据存储数据库。
3.根据权利要求1所述基于人工智能的病虫害预报与诊断系统,其特征在于,所述基础信息管理模块包括:
用于对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理模块形成监测区域信息,然后存储至数据存储数据库中的监测区域管理模块;
用于对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理模块形成观测点信息,然后存储至数据存储数据库中的观测点管理模块;
用于对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理模块形成虫子捕捉设备信息,然后存储数据存储数据库中的虫子捕捉设备管理模块;
用于对农业专家进行管理,并通过数据处理模块形成农业专家信息,然后存储至数据存储数据库中的农业专家管理模块;
用于对农业技术人员进行管理,并通过数据处理模块形成农业技术人员信息,然后存储至数据存储数据库中的农业技术人员管理模块;
用于将各类作物可能发生的病虫害进行分类总结,并通过数据处理模块形成病虫害知识库,然后存储至数据存储数据库中的病虫害知识库管理模块;
用于将监测区域管理模块、观测点管理模块、虫子捕捉设备管理模块、农业专家管理模块、农业技术人员管理模块和病虫害知识库管理模块进行高度集成和数据处理,形成病虫害地理信息,然后存储至数据存储数据库中的地理信息(GIS)数据制作模块。
4.根据权利要求1所述基于人工智能的病虫害预报与诊断系统,其特征在于,所述病虫害监测管理模块包括:
用于通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,并通过发射光波辨别其反射率的方法,区分作物出现病虫害的区域和作物正常生长区域,然后通过数据处理模块形成遥感监测信息,并存储至数据存储数据库的遥感监测模块;
用于通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理模块形成设备仪器捕捉信息,然后存储至数据存储数据库中的设备仪器捕捉模块;
用于通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位系统自动获取病虫害发生地点的经纬度进行准确定位并通过数据处理模块形成智能终端上报信息,然后存储至数据存储数据库的智能终端上报模块。
5.根据权利要求1所述基于人工智能的病虫害预报与诊断系统,其特征在于,所述病虫害分析诊断模块包括:
用于利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据存储数据库中用以完成病虫害初步诊断的人工智能诊断模块;
用于在线进行病虫害分析诊断得出结论,通过数据处理模块形成病虫害分析诊断信息并将诊断分析及结论存储至数据存储数据库中,为地理信息管理提供数据支持的专家在线诊断模块。
6.一种基于人工智能的病虫害预报与诊断方法,其特征在于,所述方法包括:
用于对基础信息管理步骤、地理信息管理步骤、病虫害监测管理步骤和病虫害分析诊断步骤所形成的数据进行分析与处理并存储到数据库中的数据处理存储中心步骤;
用于将数据高度集成和数据处理形成监测区域信息、观测点信息、虫子捕捉设备信息、农业专家信息、农业技术人员信息表、病虫害知识库信息和病虫害地理信息的基础信息管理步骤;
用于显示基础信息管理步骤产生的数据,并在地图上显示监测信息及分析诊断结论的地理信息管理步骤;
用于对病虫害进行监测管理,通过数据处理步骤形成遥感监测信息、虫子捕捉信息和病虫害上报信息并储存至数据处理存储中心模块中的病虫害监测管理步骤;
用于获得疑似病虫害,并对病虫害进行诊断获得结论,并将诊断过程和结论存储至数据处理存储中心模块的病虫害分析诊断步骤。
7.根据权利要求6所述基于人工智能的病虫害预报与诊断方法,其特征在于,所述数据处理存储中心步骤包括:
用于负责接收基础信息管理、地理信息管理、病虫害监测管理和病虫害分析诊断发送来的加密数据包,并根据约定的密钥解密,解析为数据库可以存储的数据流存入数据库监测区域信息表、观测点信息表、虫子捕捉设备信息表、农业专家信息表、农业技术人员信息表、病虫害知识库表、遥感监测信息表、虫子捕捉信息表、病虫害上报信息表、病虫害分析诊断信息表和病虫害地理信息表中的数据处理步骤;
用于存储监测区域信息表,包括所属农场、主要负责人、负责人联系方式、区域面积、区域地理位置和区域经纬度集合的数据存储数据库。
8.根据权利要求6所述基于人工智能的病虫害预报与诊断方法,其特征在于,所述基础信息管理步骤包括:
用于对监测区域面积、监测区域地理位置、主要负责人进行管理,并通过数据处理步骤形成监测区域信息,然后存储至数据存储数据库中的监测区域管理步骤;
用于对观测点所属区域、观测点位置、观测点种植作物进行管理,并通过数据处理步骤形成观测点信息,然后存储至数据存储数据库中的观测点管理步骤;
用于对设备名称、所属区域、所属观测点、布置地点进行管理,并通过数据处理步骤形成虫子捕捉设备信息,然后存储至数据存储数据库中的虫子捕捉设备管理步骤;
用于对农业专家进行管理,并通过数据处理步骤形成农业专家信息,然后存储至数据存储数据库中的农业专家管理步骤;
用于对农业技术人员进行管理,并通过数据处理步骤形成农业技术人员信息,然后存储至数据存储数据库中的农业技术人员管理步骤;
用于将各类作物可能发生的病虫害进行分类总结,并通过数据处理步骤形成病虫害知识库,然后存储至数据存储数据库中的病虫害知识库管理步骤;
用于将监测区域管理步骤、观测点管理步骤、虫子捕捉设备管理步骤、农业专家管理步骤、农业技术人员管理步骤和病虫害知识库管理步骤进行高度集成和数据处理,形成病虫害地理信息,然后存储至数据存储数据库中的地理信息(GIS)数据制作步骤。
9.根据权利要求6所述基于人工智能的病虫害预报与诊断方法,其特征在于,所述病虫害监测管理步骤包括:
用于通过卫星遥感技术,根据不同地点和物质的光谱响应特征不同,并通过发射光波辨别其反射率的方法,区分作物出现病虫害的区域和作物正常生长区域,然后通过数据处理步骤形成遥感监测信息,并存储至数据存储数据库的遥感监测步骤;
用于通过在监测区域、观测点布置虫子捕捉设备,对虫子进行捕捉并分析其危害,通过数据处理步骤形成设备仪器捕捉信息,然后存储至数据存储数据库中的设备仪器捕捉步骤;
用于通过农业技术人员定期定时在监测区域、观测点使用智能终端中病虫害上报应用程序记录疑似病虫害名称、种植作物种类品种、作物生长阶段、现场照片、现场视频,然后通过智能终端的全球定位方法自动获取病虫害发生地点的经纬度进行准确定位并通过数据处理步骤形成智能终端上报信息,然后存储至数据存储数据库的智能终端上报步骤。
10.根据权利要求6所述基于人工智能的病虫害预报与诊断方法,其特征在于,所述病虫害分析诊断步骤包括:
用于利用卷积神经网络算法分析通过卫星遥感监测、虫子捕捉设备、智能终端上报获取的病虫害情况,得到疑似病虫害,给出治理方案,再其存储至数据存储数据库中用以完成病虫害初步诊断的人工智能诊断步骤;
用于在线进行病虫害分析诊断得出结论,通过数据处理步骤形成病虫害分析诊断信息并将诊断分析及结论存储至数据存储数据库中,为地理信息管理提供数据支持的专家在线诊断步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910729649.XA CN110472784A (zh) | 2019-08-08 | 2019-08-08 | 一种基于人工智能的病虫害预报与诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910729649.XA CN110472784A (zh) | 2019-08-08 | 2019-08-08 | 一种基于人工智能的病虫害预报与诊断系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110472784A true CN110472784A (zh) | 2019-11-19 |
Family
ID=68510450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910729649.XA Pending CN110472784A (zh) | 2019-08-08 | 2019-08-08 | 一种基于人工智能的病虫害预报与诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472784A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080524A (zh) * | 2019-12-19 | 2020-04-28 | 吉林农业大学 | 基于深度学习的植物病虫害识别方法 |
CN112001343A (zh) * | 2020-08-31 | 2020-11-27 | 严钦武 | 园艺病虫害防治管理系统 |
CN112903010A (zh) * | 2021-01-15 | 2021-06-04 | 启源渔业科技有限公司 | 一种智能化的病虫害监测预防方法 |
CN113377062A (zh) * | 2021-07-08 | 2021-09-10 | 深圳市汉品景观工程有限公司 | 一种具有病虫害和旱情监控的多功能预警系统 |
CN115277364A (zh) * | 2022-07-18 | 2022-11-01 | 浙江鼎昆环境科技有限公司 | 虫害监测系统控制方法和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426043A (zh) * | 2012-05-18 | 2013-12-04 | 乔广行 | 一种农作物监测预警与应急管理系统 |
CN205334168U (zh) * | 2016-04-21 | 2016-06-22 | 贾如春 | 基于大数据病虫害监测预警系统 |
CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
CN107711762A (zh) * | 2017-10-19 | 2018-02-23 | 上海中信信息发展股份有限公司 | 智能虫情监测方法和智能虫情监测装置 |
KR20180053003A (ko) * | 2016-11-11 | 2018-05-21 | 전북대학교산학협력단 | 딥 러닝을 이용한 작물 병충해 검출 및 진단 방법 및 장치 |
-
2019
- 2019-08-08 CN CN201910729649.XA patent/CN110472784A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426043A (zh) * | 2012-05-18 | 2013-12-04 | 乔广行 | 一种农作物监测预警与应急管理系统 |
CN205334168U (zh) * | 2016-04-21 | 2016-06-22 | 贾如春 | 基于大数据病虫害监测预警系统 |
KR20180053003A (ko) * | 2016-11-11 | 2018-05-21 | 전북대학교산학협력단 | 딥 러닝을 이용한 작물 병충해 검출 및 진단 방법 및 장치 |
CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
CN107711762A (zh) * | 2017-10-19 | 2018-02-23 | 上海中信信息发展股份有限公司 | 智能虫情监测方法和智能虫情监测装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080524A (zh) * | 2019-12-19 | 2020-04-28 | 吉林农业大学 | 基于深度学习的植物病虫害识别方法 |
CN112001343A (zh) * | 2020-08-31 | 2020-11-27 | 严钦武 | 园艺病虫害防治管理系统 |
CN112903010A (zh) * | 2021-01-15 | 2021-06-04 | 启源渔业科技有限公司 | 一种智能化的病虫害监测预防方法 |
CN113377062A (zh) * | 2021-07-08 | 2021-09-10 | 深圳市汉品景观工程有限公司 | 一种具有病虫害和旱情监控的多功能预警系统 |
CN113377062B (zh) * | 2021-07-08 | 2021-12-21 | 深圳市汉品景观工程有限公司 | 一种具有病虫害和旱情监控的多功能预警系统 |
CN115277364A (zh) * | 2022-07-18 | 2022-11-01 | 浙江鼎昆环境科技有限公司 | 虫害监测系统控制方法和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472784A (zh) | 一种基于人工智能的病虫害预报与诊断系统及方法 | |
US8938218B2 (en) | Mobile based advisory system and a method thereof | |
CN106991619A (zh) | 一种农作物病虫害智能诊断系统及诊断方法 | |
CN107944596A (zh) | 一种基于物联网的甜瓜生长管理专家系统 | |
CN106657401A (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
Panpatte | Artificial intelligence in agriculture: An emerging era of research | |
CN112461828A (zh) | 一种基于卷积神经网络的病虫害智能测报预警系统 | |
CN107229999A (zh) | 作物产量的预测方法、系统、计算机设备及可读存储介质 | |
CN107908689A (zh) | 一种烟叶生长环境数据采集装置及其方法 | |
CN116300608A (zh) | 一种基于大数据的智慧农业远程监控系统 | |
CN116645232A (zh) | 一种农业栽培智慧管理系统 | |
CN103336509A (zh) | 小麦四情监控调度系统 | |
AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
KR102467508B1 (ko) | 촬영 이미지 및 gps 분석 기반의 스마트 잔디 병충해 관리 시스템 | |
Jagyasi et al. | Event based experiential computing in agro-advisory system for rural farmers | |
CN116863410A (zh) | 基于有害生物防治的数据采集处理方法及系统 | |
Tadesse et al. | The vegetation outlook (VegOut): a new tool for providing outlooks of general vegetation conditions using data mining techniques | |
Jagyasi et al. | Applications of mobile sensing technologies in precision agriculture | |
Serino et al. | Sensing multi-agent system for anomaly detection on crop fields exploiting the phenological and historical context | |
CN109377239A (zh) | 一种产品质量溯源管控方法及系统 | |
Wilkinson et al. | Change detection techniques for use in a statewide forest inventory program | |
Sarangi et al. | Effective plantation management with crowd-sensing and data-driven insights: A case study on tea | |
CN113903151A (zh) | 农业生物灾害监测预警信息化应用方法 | |
Ekanayaka et al. | IoT-Based Disease Diagnosis and Knowledge Dissemination System for Coconut Plants | |
CN109598636A (zh) | 一种终端,设备及基于物联网的农业种植信息管控平台 |
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 |
Application publication date: 20191119 |
|
RJ01 | Rejection of invention patent application after publication |