CN111861777A - 一种园林养护用病虫害监测诊断系统 - Google Patents
一种园林养护用病虫害监测诊断系统 Download PDFInfo
- Publication number
- CN111861777A CN111861777A CN202010832706.XA CN202010832706A CN111861777A CN 111861777 A CN111861777 A CN 111861777A CN 202010832706 A CN202010832706 A CN 202010832706A CN 111861777 A CN111861777 A CN 111861777A
- Authority
- CN
- China
- Prior art keywords
- data
- pest
- module
- information
- acquiring
- 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 138
- 201000010099 disease Diseases 0.000 title claims abstract description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 238000012423 maintenance Methods 0.000 title claims abstract description 14
- 241000238631 Hexapoda Species 0.000 claims abstract description 110
- 238000003745 diagnosis Methods 0.000 claims abstract description 30
- 238000003860 storage Methods 0.000 claims abstract description 24
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 244000052769 pathogen Species 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 21
- 230000004083 survival effect Effects 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 16
- 230000001174 ascending effect Effects 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000001717 pathogenic effect Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- 230000000737 periodic effect Effects 0.000 claims description 8
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000009395 breeding Methods 0.000 claims description 3
- 230000001488 breeding effect Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 235000013601 eggs Nutrition 0.000 claims 5
- 230000001012 protector Effects 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 4
- 241000196324 Embryophyta Species 0.000 description 98
- 102000002322 Egg Proteins Human genes 0.000 description 6
- 108010000912 Egg Proteins Proteins 0.000 description 6
- 210000004681 ovum Anatomy 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000003071 parasitic effect Effects 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241001468265 Candidatus Phytoplasma Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- MJVAVZPDRWSRRC-UHFFFAOYSA-N Menadione Chemical compound C1=CC=C2C(=O)C(C)=CC(=O)C2=C1 MJVAVZPDRWSRRC-UHFFFAOYSA-N 0.000 description 1
- 241000244206 Nematoda Species 0.000 description 1
- 241000592344 Spermatophyta Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000001071 malnutrition Effects 0.000 description 1
- 235000000824 malnutrition Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000015380 nutritional deficiency disease Diseases 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种园林养护用病虫害监测诊断系统，包括注册登录模块、数据库、采集模块、数据分析模块、类型诊断模块、搜集单元以及预测模块；所述注册登录模块用于护林员通过手机终端提交护林员数据进行注册并将注册成功的护林员数据发送至数据库进行保存，所述采集模块用于对园林植物的信息进行采集，所述采集模块还用于对环境的信息进行采集，并将环境信息一同传输至数据分析模块，所述数据分析模块用于接收植物信息和环境信息；通过预测模块能够预测出虫害的发展趋势，使护林员能够提前做好应对措施，减少了虫害带来的危害，同时护林员可以观察趋势变化，从而检测系统应对措施的有效性，防止措施无效，避免带来更严重的影响。
Description
技术领域
本发明涉及园林中虫害监测诊断技术领域，具体为一种园林养护用病虫害监测诊断系统。
背景技术
园林植物在生长发育和贮运过程中，由于受到环境中物理化学因素的非正常影响，或受其他生物的侵染，导致生理，组织结构，形态上产生局部或整体的不正常变化，使植物的生长发育不良，品质变劣，甚至引起死亡，造成经济损失和降低绿化效果及观赏价值，这种现象称为园林植物病害；植物在生长过程中受到多种因素的影响，其中直接引起病害的因素称为病原，包括生物性和非生物性病原，其他因素统称为环境因子，生物性病原又称为病原物，包括真菌，细菌，病毒，植原体，寄生线虫，寄生性种子植物，藻类和螨类非生物性病原包括温度不宜，湿度失调，营养不良和有毒物质的毒害等，病原物引起的病害称为侵染性病害，非生物性病原引起的病害称为非侵染性病害，也叫生理病害；
园林植物在生长时，会受到多种类型的虫害威胁，影响植物的生长速率甚至导致植物死亡，在现有技术中，往往只能监测到虫害的存在，并不能对虫害的具体类型进行判定，也不能对虫害的趋势进行判定，导致园林内植物的死亡率增高，加大了生产成本，带来严重的损失。
发明内容
本发明的目的就在于提出一种园林养护用病虫害监测诊断系统；通过搜集单元搜集虫害植物的相关信息，并将搜集到的虫害植物信息发送至类型诊断模块，通过类型诊断模块接收诊断信号和虫害植物信息，并对植物存在的虫害类型进行诊断，获取虫害植物、虫卵数据以及落叶数据，通过公式获取到虫害类型系数，虫害类型系数与设定阈值比较，判定虫害类型，生成虫害类型数据，并将虫害类型数据发送至预测模块；通过类型诊断模块对虫害类型进行判定，判定出具体虫害类型有利于虫害的整治，降低护林员的工作强度，同时提高了工作效率。
本发明的目的可以通过以下技术方案实现：
一种园林养护用病虫害监测诊断系统，包括注册登录模块、数据库、采集模块、数据分析模块、类型诊断模块、搜集单元以及预测模块；
所述采集模块用于对园林植物的信息进行采集，并标记为植物信息，植物信息包括存活率数据、密度数据以及速度数据，具体获取步骤如下：
步骤一：获取存活率数据，并将存活率数据标记为Cz；
步骤二：获取密度数据，并将密度数据标记为Mz；
步骤三：获取速度数据，并将速度数据标记为Vz；
步骤四：通过公式
获取园林中植物的生长系数Sz，其中u、v以及w均为修正因子，且u、v以及w与存活率数据、密度数据以及速度数据一一对应，u＞v＞w且u+v+w＝2.2365698；
步骤五：将植物信息一同传输至数据分析模块；
所述采集模块还用于对环境的信息进行采集，并标记为环境信息，环境信息包括温度数据、PH值、雨水数据以及光照数据，具体获取步骤如下：
S1：获取温度数据，并将温度数据标记为Ty；
S2：获取PH值，并将PH值标记为Py；
S3：获取雨水数据，并将雨水数据标记为Jy；
S4：获取光照数据，并将光照数据标记为Gy；
S5：通过公式
获取十天内园林的环境影响系数Hy，其中，μ为误差修正因子，取值为0.958762，d1、d2、d3以及d4均为预设比例系数，d1＞d2＞d3＞d4且d1+d2+d3+d4＝1；
S6：将环境信息一同传输至数据分析模块；
所述数据分析模块用于接收植物信息和环境信息，并对植物的生长系数Sz和环境影响系数Hy进行分析，具体分析步骤如下：
SS1：通过公式
获取植物的发病率Fz，其中，β为误差修正因子，取值为0.986596，o和t均为修正因子，o＞t且o+t＝1；
SS2：将植物的发病率Fz与设定阈值进行比较，具体过程如下：
若植物的发病率Fz小于或等于设定阈值时，则判定植物不存在虫害，生成无虫害信号，并将无虫害信号发送至数据库进行保存，护林员可以通过手机终端进行登录并查询数据库内的无虫害信号；
若植物的发病率Fz大于设定阈值时，则判定植物存在虫害，生成诊断信号，并将诊断信号发送至类型诊断模块。
进一步地，所述注册登录模块用于护林员通过手机终端提交护林员数据进行注册并将注册成功的护林员数据发送至数据库进行保存，所述护林员数据包括护林员姓名、电话号码、入职时长以及治理擅长类型。
进一步地，所述搜集单元用于搜集虫害植物的信息，并标记为虫害植物信息，所述虫害植物信息包括增长数据、虫卵数据以及落叶数据，增长数据表示为虫害植物的数量增长速度，虫卵数据表示为虫害植物上存在的虫卵数量，落叶数据表示为虫害植物的落叶数量，并将搜集到的虫害植物信息发送至类型诊断模块，所述类型诊断模块用于接收诊断信号和虫害植物信息，并对植物存在的虫害类型进行诊断，具体诊断过程如下：
P1：获取虫害植物的增长数据，并将增长数据标记为Vf；
P2：获取虫害植物的虫卵数据，并将虫卵数据标记为Lf；
P3：获取虫害植物的落叶数据，并将落叶数据标记为Sf；
P4：通过公式
获取到虫害类型系数Qf，其中，c1、c2以及c3均为修正因子，c1＞c2＞c3且c1+c2+c3＝1，α为误差修正因子，α＝0.965823；
P5：通过虫害类型系数Qf与设定阈值比较，判定虫害类型，生成虫害类型数据，并将虫害类型数据发送至预测模块。
进一步地，所述搜集单元还用于搜集虫害趋势的相关信息，并标记为趋势信息，所述趋势信息表示为湿度数据、病原物数据以及周期数据，所述湿度数据表示为未来一个月环境的湿度情况，所述病原物数据表示为该害虫中病原物的数量，所述周期数据表示为害虫的繁殖周期，所述预测模块用于接收虫害类型数据，并对植物虫害趋势进行预测，具体趋势预测过程如下：
L1：通过互联网获取湿度数据，并将湿度数据标记为Sh；
L2：获取病原物数据，并将病原物数据标记为Bh；
L3：获取周期数据，并将周期数据标记为Zh；
L4：通过公式
获取趋势系数Rh，其中，r、n以及g均为修正因子，r＞n＞g且r+n+g＝1；
L5：将趋势系数Rh与设定阈值系数进行比较，具体比较内容如下：
若趋势系数Rh大于设定阈值系数，则判定趋势呈上升状态，生成趋势上升信号，并将趋势上升信号发送至数据库进行保存；
若趋势系数Rh小于设定阈值系数，则判定趋势呈下降状态，生成趋势下降信号，并将趋势下降信号发送至数据库进行保存；
若趋势系数Rh等于设定阈值系数，则判定趋势呈持平状态，生成趋势持平信号，并将趋势持平信号发送至数据库进行保存。
进一步地，所述存活率数据表示为园林内植物的存活率，所述密度数据表示为园林内植物的生长密度，所述速度数据表示为园林内植物的生长速度。
进一步地，所述温度数据表示为园林十天内的平均温度，所述PH值表示为园林十天内土壤PH值的平均值，所述雨水数据表示为十天内的降雨量，所述光照数据表示为十天内植物受到的光照强度。
与现有技术相比，本发明的有益效果是：
1、通过搜集单元搜集虫害植物的相关信息，并将搜集到的虫害植物信息发送至类型诊断模块，通过类型诊断模块接收诊断信号和虫害植物信息，并对植物存在的虫害类型进行诊断，获取虫害植物、虫卵数据以及落叶数据，通过公式获取到虫害类型系数，虫害类型系数与设定阈值比较，判定虫害类型，生成虫害类型数据，并将虫害类型数据发送至预测模块；通过类型诊断模块对虫害类型进行判定，判定出具体虫害类型有利于虫害的整治，降低护林员的工作强度，同时提高了工作效率；
2、通过搜集单元搜集虫害趋势的相关信息，并对植物虫害趋势进行预测，获取湿度数据、病原物数据以及周期数据，通过公式获取趋势系数Rh，若趋势系数Rh大于设定阈值系数，则判定趋势呈上升状态，生成趋势上升信号，并将趋势上升信号发送至数据库进行保存；若趋势系数Rh小于设定阈值系数，则判定趋势呈下降状态，生成趋势下降信号，并将趋势下降信号发送至数据库进行保存；若趋势系数Rh等于设定阈值系数，则判定趋势呈持平状态，生成趋势持平信号，并将趋势持平信号发送至数据库进行保存，通过预测模块能够预测出虫害的发展趋势，使护林员能够提前做好应对措施，减少了虫害带来的危害，同时护林员可以观察趋势变化，从而检测系统应对措施的有效性，防止措施无效，避免带来更严重的影响。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种园林养护用病虫害监测诊断系统，包括注册登录模块、数据库、采集模块、数据分析模块、类型诊断模块、搜集单元以及预测模块；
所述注册登录模块用于护林员通过手机终端提交护林员数据进行注册并将注册成功的护林员数据发送至数据库进行保存，所述护林员数据包括护林员姓名、电话号码、入职时长以及治理擅长类型；
所述采集模块用于对园林植物的信息进行采集，并标记为植物信息，植物信息包括存活率数据、密度数据以及速度数据，所述存活率数据表示为园林内植物的存活率，所述密度数据表示为园林内植物的生长密度，所述速度数据表示为园林内植物的生长速度，并将植物信息一同传输至数据分析模块，具体获取步骤如下：
步骤一：获取存活率数据，并将存活率数据标记为Cz；
步骤二：获取密度数据，并将密度数据标记为Mz；
步骤三：获取速度数据，并将速度数据标记为Vz；
步骤四：通过公式
获取园林中植物的生长系数Sz，其中u、v以及w均为修正因子，且u、v以及w与存活率数据、密度数据以及速度数据一一对应，u＞v＞w且u+v+w＝2.2365698；
所述采集模块还用于对环境的信息进行采集，并标记为环境信息，环境信息包括温度数据、PH值、雨水数据以及光照数据，所述温度数据表示为园林十天内的平均温度，所述PH值表示为园林十天内土壤PH值的平均值，所述雨水数据表示为十天内的降雨量，所述光照数据表示为十天内植物受到的光照强度，并将环境信息一同传输至数据分析模块，具体获取步骤如下：
S1：获取温度数据，并将温度数据标记为Ty；
S2：获取PH值，并将PH值标记为Py；
S3：获取雨水数据，并将雨水数据标记为Jy；
S4：获取光照数据，并将光照数据标记为Gy；
S5：通过公式
获取十天内园林的环境影响系数Hy，其中，μ为误差修正因子，取值为0.958762，d1、d2、d3以及d4均为预设比例系数，d1＞d2＞d3＞d4且d1+d2+d3+d4＝1；
所述数据分析模块用于接收植物信息和环境信息，并对植物的生长系数Sz和环境影响系数Hy进行分析，具体分析步骤如下：
SS1：通过公式
获取植物的发病率Fz，其中，β为误差修正因子，取值为0.986596，o和t均为修正因子，o＞t且o+t＝1；
SS2：将植物的发病率Fz与设定阈值进行比较，具体过程如下：
若植物的发病率Fz小于或等于设定阈值时，则判定植物不存在虫害，生成无虫害信号，并将无虫害信号发送至数据库进行保存，护林员可以通过手机终端进行登录并查询数据库内的无虫害信号；
若植物的发病率Fz大于设定阈值时，则判定植物存在虫害，生成诊断信号，并将诊断信号发送至类型诊断模块；
所述搜集单元用于搜集虫害植物的信息，并标记为虫害植物信息，所述虫害植物信息包括增长数据、虫卵数据以及落叶数据，增长数据表示为虫害植物的数量增长速度，虫卵数据表示为虫害植物上存在的虫卵数量，落叶数据表示为虫害植物的落叶数量，并将搜集到的虫害植物信息发送至类型诊断模块，所述类型诊断模块用于接收诊断信号和虫害植物信息，并对植物存在的虫害类型进行诊断，具体诊断过程如下：
P1：获取虫害植物的增长数据，并将增长数据标记为Vf；
P2：获取虫害植物的虫卵数据，并将虫卵数据标记为Lf；
P3：获取虫害植物的落叶数据，并将落叶数据标记为Sf；
P4：通过公式
获取到虫害类型系数Qf，其中，c1、c2以及c3均为修正因子，c1＞c2＞c3且c1+c2+c3＝1，α为误差修正因子，α＝0.965823；
P5：通过虫害类型系数Qf与设定阈值比较，判定虫害类型，生成虫害类型数据，并将虫害类型数据发送至预测模块；
所述搜集单元还用于搜集虫害趋势的相关信息，并标记为趋势信息，所述趋势信息表示为湿度数据、病原物数据以及周期数据，所述湿度数据表示为未来一个月环境的湿度情况，所述病原物数据表示为该害虫中病原物的数量，所述周期数据表示为害虫的繁殖周期，所述预测模块用于接收虫害类型数据，并对植物虫害趋势进行预测，具体趋势预测过程如下：
L1：通过互联网获取湿度数据，并将湿度数据标记为Sh；
L2：获取病原物数据，并将病原物数据标记为Bh；
L3：获取周期数据，并将周期数据标记为Zh；
L4：通过公式
获取趋势系数Rh，其中，r、n以及g均为修正因子，r＞n＞g且r+n+g＝1；
L5：将趋势系数Rh与设定阈值系数进行比较，具体比较内容如下：
若趋势系数Rh大于设定阈值系数，则判定趋势呈上升状态，生成趋势上升信号，并将趋势上升信号发送至数据库进行保存；
若趋势系数Rh小于设定阈值系数，则判定趋势呈下降状态，生成趋势下降信号，并将趋势下降信号发送至数据库进行保存；
若趋势系数Rh等于设定阈值系数，则判定趋势呈持平状态，生成趋势持平信号，并将趋势持平信号发送至数据库进行保存。
本发明工作原理：
一种园林养护用病虫害监测诊断系统，工作时，通过注册登录模块提交护林员数据进行注册并将注册成功的护林员数据发送至数据库进行保存，通过采集模块用于对园林的植物相关信息进行采集，并将植物信息一同传输至数据分析模块，获取存活率数据、密度数据以及速度数据，通过公式获取园林中植物的生长系数，通过采集模块对环境的相关信息进行采集，并将环境信息一同传输至数据分析模块，获取温度数据、PH值、雨水数据以及光照数据，通过公式获取十天内园林的环境影响系数；通过数据分析模块用于接收植物信息和环境信息，并对植物的生长系数和环境影响系数进行分析，通过公式获取植物的发病率；将植物的发病率与设定阈值进行比较，若植物的发病率小于或等于设定阈值时，则判定植物不存在虫害，生成无虫害信号，并将无虫害信号发送至数据库进行保存，护林员可以通过手机终端进行登录并查询数据库内的无虫害信号；若植物的发病率大于设定阈值时，则判定植物存在虫害，生成诊断信号，并将诊断信号发送至类型诊断模块；
通过搜集单元搜集虫害植物的相关信息，并将搜集到的虫害植物信息发送至类型诊断模块，所述类型诊断模块用于接收诊断信号和虫害植物信息，并对植物存在的虫害类型进行诊断，获取虫害植物、虫卵数据以及落叶数据，通过公式获取到虫害类型系数，虫害类型系数与设定阈值比较，判定虫害类型，生成虫害类型数据，并将虫害类型数据发送至预测模块；通过搜集单元搜集虫害趋势的相关信息，并对植物虫害趋势进行预测，获取湿度数据、病原物数据以及周期数据，通过公式获取趋势系数Rh，若趋势系数Rh大于设定阈值系数，则判定趋势呈上升状态，生成趋势上升信号，并将趋势上升信号发送至数据库进行保存；若趋势系数Rh小于设定阈值系数，则判定趋势呈下降状态，生成趋势下降信号，并将趋势下降信号发送至数据库进行保存；若趋势系数Rh等于设定阈值系数，则判定趋势呈持平状态，生成趋势持平信号，并将趋势持平信号发送至数据库进行保存。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明，优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式；显然，根据本说明书的内容，可作很多的修改和变化；本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明，本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种园林养护用病虫害监测诊断系统，其特征在于，包括注册登录模块、数据库、采集模块、数据分析模块、类型诊断模块、搜集单元以及预测模块；
所述采集模块用于对园林植物的信息进行采集，并标记为植物信息，植物信息包括存活率数据、密度数据以及速度数据，具体获取步骤如下：
步骤一：获取存活率数据，并将存活率数据标记为Cz；
步骤二：获取密度数据，并将密度数据标记为Mz；
步骤三：获取速度数据，并将速度数据标记为Vz；
步骤四：通过公式
获取园林中植物的生长系数Sz，其中u、v以及w均为修正因子，且u、v以及w与存活率数据、密度数据以及速度数据一一对应，u＞v＞w且u+v+w＝2.2365698；
步骤五：将植物信息一同传输至数据分析模块；
所述采集模块还用于对环境的信息进行采集，并标记为环境信息，环境信息包括温度数据、PH值、雨水数据以及光照数据，具体获取步骤如下：
S1：获取温度数据，并将温度数据标记为Ty；
S2：获取PH值，并将PH值标记为Py；
S3：获取雨水数据，并将雨水数据标记为Jy；
S4：获取光照数据，并将光照数据标记为Gy；
S5：通过公式
获取十天内园林的环境影响系数Hy，其中，μ为误差修正因子，取值为0.958762，d1、d2、d3以及d4均为预设比例系数，d1＞d2＞d3＞d4且d1+d2+d3+d4＝1；
S6：将环境信息一同传输至数据分析模块；
所述数据分析模块用于接收植物信息和环境信息，并对植物的生长系数Sz和环境影响系数Hy进行分析，具体分析步骤如下：
SS1：通过公式
获取植物的发病率Fz，其中，β为误差修正因子，取值为0.986596，o和t均为修正因子，o＞t且o+t＝1；
SS2：将植物的发病率Fz与设定阈值进行比较，具体过程如下：
若植物的发病率Fz小于或等于设定阈值时，则判定植物不存在虫害，生成无虫害信号，并将无虫害信号发送至数据库进行保存，护林员可以通过手机终端进行登录并查询数据库内的无虫害信号；
若植物的发病率Fz大于设定阈值时，则判定植物存在虫害，生成诊断信号，并将诊断信号发送至类型诊断模块。
2.根据权利要求1所述的一种园林养护用病虫害监测诊断系统，其特征在于，所述注册登录模块用于护林员通过手机终端提交护林员数据进行注册并将注册成功的护林员数据发送至数据库进行保存，所述护林员数据包括护林员姓名、电话号码、入职时长以及治理擅长类型。
3.根据权利要求1所述的一种园林养护用病虫害监测诊断系统，其特征在于，所述搜集单元用于搜集虫害植物的信息，并标记为虫害植物信息，所述虫害植物信息包括增长数据、虫卵数据以及落叶数据，增长数据表示为虫害植物的数量增长速度，虫卵数据表示为虫害植物上存在的虫卵数量，落叶数据表示为虫害植物的落叶数量，并将搜集到的虫害植物信息发送至类型诊断模块，所述类型诊断模块用于接收诊断信号和虫害植物信息，并对植物存在的虫害类型进行诊断，具体诊断过程如下：
P1：获取虫害植物的增长数据，并将增长数据标记为Vf；
P2：获取虫害植物的虫卵数据，并将虫卵数据标记为Lf；
P3：获取虫害植物的落叶数据，并将落叶数据标记为Sf；
P4：通过公式
获取到虫害类型系数Qf，其中，c1、c2以及c3均为修正因子，c1＞c2＞c3且c1+c2+c3＝1，α为误差修正因子，α＝0.965823；
P5：通过虫害类型系数Qf与设定阈值比较，判定虫害类型，生成虫害类型数据，并将虫害类型数据发送至预测模块。
4.根据权利要求1所述的一种园林养护用病虫害监测诊断系统，其特征在于，所述搜集单元还用于搜集虫害趋势的相关信息，并标记为趋势信息，所述趋势信息表示为湿度数据、病原物数据以及周期数据，所述湿度数据表示为未来一个月环境的湿度情况，所述病原物数据表示为该害虫中病原物的数量，所述周期数据表示为害虫的繁殖周期，所述预测模块用于接收虫害类型数据，并对植物虫害趋势进行预测，具体趋势预测过程如下：
L1：通过互联网获取湿度数据，并将湿度数据标记为Sh；
L2：获取病原物数据，并将病原物数据标记为Bh；
L3：获取周期数据，并将周期数据标记为Zh；
L4：通过公式
获取趋势系数Rh，其中，r、n以及g均为修正因子，r＞n＞g且r+n+g＝1；
L5：将趋势系数Rh与设定阈值系数进行比较，具体比较内容如下：
若趋势系数Rh大于设定阈值系数，则判定趋势呈上升状态，生成趋势上升信号，并将趋势上升信号发送至数据库进行保存；
若趋势系数Rh小于设定阈值系数，则判定趋势呈下降状态，生成趋势下降信号，并将趋势下降信号发送至数据库进行保存；
若趋势系数Rh等于设定阈值系数，则判定趋势呈持平状态，生成趋势持平信号，并将趋势持平信号发送至数据库进行保存。
5.根据权利要求1所述的一种园林养护用病虫害监测诊断系统，其特征在于，所述存活率数据表示为园林内植物的存活率，所述密度数据表示为园林内植物的生长密度，所述速度数据表示为园林内植物的生长速度。
6.根据权利要求1所述的一种园林养护用病虫害监测诊断系统，其特征在于，所述温度数据表示为园林十天内的平均温度，所述PH值表示为园林十天内土壤PH值的平均值，所述雨水数据表示为十天内的降雨量，所述光照数据表示为十天内植物受到的光照强度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010832706.XA CN111861777A (zh) | 2020-08-18 | 2020-08-18 | 一种园林养护用病虫害监测诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010832706.XA CN111861777A (zh) | 2020-08-18 | 2020-08-18 | 一种园林养护用病虫害监测诊断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111861777A true CN111861777A (zh) | 2020-10-30 |
Family
ID=72969212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010832706.XA Pending CN111861777A (zh) | 2020-08-18 | 2020-08-18 | 一种园林养护用病虫害监测诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861777A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114548438A (zh) * | 2022-02-23 | 2022-05-27 | 浙江大学 | 一种草坪自动管理方法及系统 |
| CN116862248A (zh) * | 2023-04-27 | 2023-10-10 | 北京健卫病媒有害生物防控中心 | 一种除虫灭鼠卫生安全防护系统及方法 |
-
2020
- 2020-08-18 CN CN202010832706.XA patent/CN111861777A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114548438A (zh) * | 2022-02-23 | 2022-05-27 | 浙江大学 | 一种草坪自动管理方法及系统 |
| CN114548438B (zh) * | 2022-02-23 | 2024-04-19 | 浙江大学 | 一种草坪自动管理方法及系统 |
| CN116862248A (zh) * | 2023-04-27 | 2023-10-10 | 北京健卫病媒有害生物防控中心 | 一种除虫灭鼠卫生安全防护系统及方法 |
| CN116862248B (zh) * | 2023-04-27 | 2024-04-19 | 北京健卫病媒有害生物防控中心 | 一种除虫灭鼠卫生安全防护系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115185220B (zh) | 一种基于物联网的农林病虫害监控系统 | |
| CN102954816B (zh) | 作物长势的监测方法 | |
| CN111861777A (zh) | 一种园林养护用病虫害监测诊断系统 | |
| Bulinski et al. | An experimental field study of the effects of mammalian herbivore damage on Eucalyptus nitens seedlings | |
| CN106871971A (zh) | 一种植物生长管理系统 | |
| CN104539916A (zh) | 一种用于芒果小齿螟虫害的远程预警系统 | |
| CN106718363A (zh) | 一种面向精细农业的灌溉试验方法及其试验平台 | |
| CN111310639B (zh) | 常绿人工林遥感识别方法及常绿人工林长势遥感监测方法 | |
| CN115526521A (zh) | 一种用于植物工厂的植物生长状态监控报警系统 | |
| CN116300608A (zh) | 一种基于大数据的智慧农业远程监控系统 | |
| DE202022103610U1 (de) | IoT-basiertes intelligentes Landwirtschaftssystem mit künstlicher Intelligenz | |
| CN109325630B (zh) | 一种基于形态参数的高温胁迫下水稻产量预测方法 | |
| CN108759912A (zh) | 一种基于物联网的农业大棚环境检测系统 | |
| CN117115813A (zh) | 基于深度相机的秧苗实时评价体系及方法 | |
| CN117172952A (zh) | 一种基于物联网和遥感技术的农业灾害监控系统 | |
| CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
| CN112001343A (zh) | 园艺病虫害防治管理系统 | |
| Anderson et al. | Recording within-cotton distribution of plant bug injury using plant mapping computer-based tools | |
| CN211153149U (zh) | 一种基于物联网的土壤湿度自动控制系统 | |
| CN112508508A (zh) | 智慧农场管理系统 | |
| Ribeiro et al. | A bioclimatic model for forecasting olive yield | |
| CN117911957B (zh) | 一种针对观赏葵病虫害的防治监控系统及方法 | |
| CN213661665U (zh) | 一种劳动力管理系统 | |
| CN106897828A (zh) | 一种花卉无土栽培技术员绩效计算系统 | |
| CN113326841B (zh) | 一种基于高光谱的作物虫害监测方法及设备 |
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: 20201030 |
|
| RJ01 | Rejection of invention patent application after publication |