CN113849724A - 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 - Google Patents
基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 Download PDFInfo
- Publication number
- CN113849724A CN113849724A CN202110696145.XA CN202110696145A CN113849724A CN 113849724 A CN113849724 A CN 113849724A CN 202110696145 A CN202110696145 A CN 202110696145A CN 113849724 A CN113849724 A CN 113849724A
- Authority
- CN
- China
- Prior art keywords
- association rule
- medication
- acquiring
- pest
- crop
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 113
- 229940079593 drug Drugs 0.000 title claims abstract description 90
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 201000010099 disease Diseases 0.000 claims description 73
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 73
- 239000000575 pesticide Substances 0.000 claims description 64
- 241000238631 Hexapoda Species 0.000 claims description 39
- 230000001717 pathogenic effect Effects 0.000 claims description 14
- 244000052769 pathogen Species 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 208000022372 Reading disease Diseases 0.000 claims description 6
- 240000007124 Brassica oleracea Species 0.000 description 30
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 30
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 30
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 30
- 239000005889 Cyantraniliprole Substances 0.000 description 20
- 239000000375 suspending agent Substances 0.000 description 20
- 239000004563 wettable powder Substances 0.000 description 20
- 241000233679 Peronosporaceae Species 0.000 description 18
- 239000005823 Propineb Substances 0.000 description 18
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 14
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 14
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 14
- 241000985245 Spodoptera litura Species 0.000 description 14
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 12
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 12
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 12
- 241000256248 Spodoptera Species 0.000 description 10
- 230000002265 prevention Effects 0.000 description 9
- 241000219193 Brassicaceae Species 0.000 description 6
- 241000894007 species Species 0.000 description 6
- 206010061217 Infestation Diseases 0.000 description 4
- DVBUIBGJRQBEDP-UHFFFAOYSA-N cyantraniliprole Chemical compound CNC(=O)C1=CC(C#N)=CC(C)=C1NC(=O)C1=CC(Br)=NN1C1=NC=CC=C1Cl DVBUIBGJRQBEDP-UHFFFAOYSA-N 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 2
- 241000256259 Noctuidae Species 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003071 parasitic effect Effects 0.000 description 2
- KKMLIVYBGSAJPM-UHFFFAOYSA-L propineb Chemical compound [Zn+2].[S-]C(=S)NC(C)CNC([S-])=S KKMLIVYBGSAJPM-UHFFFAOYSA-L 0.000 description 2
- 206010059866 Drug resistance Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 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
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Toxicology (AREA)
- Economics (AREA)
- Environmental Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明涉及农业技术领域，特别涉及基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备。所述基于规则关联的特色小作物病虫害防治用药推荐方法，包括步骤：输入目标特色小宗作物至预先建立的关联规则库；在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。通过预先建立一个关联规则库，然后在所述关联规则库中来获取用药推荐，使得用药推荐有据可循，可更精准地进行科学用药推荐。
Description
技术领域
本发明涉及植物保护领域，特别涉及基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备。
背景技术
农药是目前农业生产中使用最广泛的防治作物病虫害的手段，实现农药的科学使用，不仅关系到农产品数量安全，也与农产品质量密切相关。病虫害防控仍是目前农业生产过程中用工最多、强度最大、技术要求最高的环节之一。一方面某一病虫害有多种农药可以防治，另一种方面许多农药又具有防治多种病虫害的作用。这虽然给使用者带来更多的选择，但大大增加了农民乃至植保工作者准确选择的难度。
长期大量使用化学农药，使得抗药病虫害种类不断增加，且抗药性也越来越厉害，农民很难全面把握各种农药的适用对象与安全使用方法。特别是特色小作物品种，因为国家登记的农药种类较少，不能满足实际的特色小作物生病时的需要，当特色小作物发生病害虫害时，实际生产上多以文献报道和经验用药为主，农药使用风险大，如何更精准地为特色小作物品种提供用药信息则成了亟需解决的问题。
发明内容
为此，需要提供一种基于规则关联的特色小作物病虫害防治用药推荐方法，用以解决特色小作物品种用药以经验用药为主，无法更精准地为特色小作物品种提供用药信息的问题。具体技术方案如下：
基于规则关联的特色小作物病虫害防治用药推荐方法，包括步骤：
输入目标特色小宗作物至预先建立的关联规则库；
在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。
进一步的，所述“输入目标特色小宗作物至预先建立的关联规则库”，具体还包括步骤：
从病虫害数据库中获取病害信息和虫害信息，构建第一集合；
从农药数据库中获取防治对象用药信息，构建第二集合；
从农药数据库中读取登记作物信息，并结合所述作物科属分类树，构建第三集合；
通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合；
由第三集合的关联规则和第四集合的关联规则构建关联规则库。
进一步的，所述“在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐”，具体还包括步骤：
通过第三集合的关联规则获取目标特色小宗作物同科分类下的用药配方范围；
通过第四集合的关联规则进行目标特色小宗作物病虫害相同病原或害虫的用药推荐。
进一步的，所述“通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合”，具体还包括步骤：
通过关联规则算法计算防治对象用药配方频繁项集及频繁项集支持度，通过频繁项集支持度筛选获得适合的用药配方频繁项集，利用筛选获得的用药配方频繁项集确定适合的关联规则，组成第四集合。
进一步的，所述“从病虫害数据库中获取病害信息和虫害信息，构建第一集合”，具体还包括步骤：
从病虫害数据库中读取病害信息，获取病害名称及其病原的所属分类，从病虫害数据库中读取虫害信息，获取虫害名称及其害虫的所属分类，构建第一集合；
所述“从农药数据库中获取防治对象用药信息，构建第二集合”，具体还包括步骤：
从农药数据库中读取防治对象信息，获取防治对象名称及用药配方，组成第二集合。
为解决上述技术问题，还提供了一种存储设备，具体技术方案如下：
一种存储设备，其中存储有指令集，所述指令集用于执行：
输入目标特色小宗作物至预先建立的关联规则库；
在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。
进一步的，所述指令集还用于执行：所述“输入目标特色小宗作物至预先建立的关联规则库”，具体还包括步骤：
从病虫害数据库中获取病害信息和虫害信息，构建第一集合；
从农药数据库中获取防治对象用药信息，构建第二集合；
从农药数据库中读取登记作物信息，并结合所述作物科属分类树，构建第三集合；
通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合；
由第三集合的关联规则和第四集合的关联规则构建关联规则库。
进一步的，所述指令集还用于执行：所述“在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐”，具体还包括步骤：
通过第三集合的关联规则获取目标特色小宗作物同科分类下的用药配方范围；
通过第四集合的关联规则进行目标特色小宗作物病虫害相同病原或害虫的用药推荐。
进一步的，所述指令集还用于执行：所述“通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合”，具体还包括步骤：
通过关联规则算法计算防治对象用药配方频繁项集及频繁项集支持度，通过频繁项集支持度筛选获得适合的用药配方频繁项集，利用筛选获得的用药配方频繁项集确定适合的关联规则，组成第四集合。
进一步的，所述指令集还用于执行：所述“从病虫害数据库中获取病害信息和虫害信息，构建第一集合”，具体还包括步骤：
从病虫害数据库中读取病害信息，获取病害名称及其病原的所属分类，从病虫害数据库中读取虫害信息，获取虫害名称及其害虫的所属分类，构建第一集合；
所述“从农药数据库中获取防治对象用药信息，构建第二集合”，具体还包括步骤：
从农药数据库中读取防治对象信息，获取防治对象名称及用药配方，组成第二集合。
本发明的有益效果是：基于规则关联的特色小作物病虫害防治用药推荐方法，包括步骤：输入目标特色小宗作物至预先建立的关联规则库；在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。通过预先建立一个关联规则库，然后在所述关联规则库中来获取用药推荐，使得用药推荐有据可循，可更精准地进行科学用药推荐。
附图说明
图1为具体实施方式所述基于规则关联的特色小作物病虫害防治用药推荐方法流程图；
图2为具体实施方式所述建立关联规则库的流程图；
图3为具体实施方式所述基于规则关联的特色小作物病虫害防治用药推荐方法示意图；
图4为具体实施方式所述一种存储设备的模块示意图。
附图标记说明：
400、存储设备。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
请参阅图1至图3，在本实施方式中，基于规则关联的特色小作物病虫害防治用药推荐方法可应用在一种存储设备上，所述存储设备包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端等。具体技术方案可如下：
步骤S101：输入目标特色小宗作物至预先建立的关联规则库。
步骤S102：在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。
基于规则关联的特色小作物病虫害防治用药推荐方法，包括步骤：输入目标特色小宗作物至预先建立的关联规则库；在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。通过预先建立一个关联规则库，然后在所述关联规则库中来获取用药推荐，使得用药推荐有据可循，可更精准地进行科学用药推荐。
如图2所示，以下会对如何预先建立关联规则库进行详细说明：
步骤S201：从病虫害数据库中获取病害信息和虫害信息，构建第一集合。具体还包括步骤：从病虫害数据库中读取病害信息，获取病害名称及其病原的所属分类，从病虫害数据库中读取虫害信息，获取虫害名称及其害虫的所属分类，构建第一集合。其中病原所属分类包括种名和属名，害虫的所属分类包括种名和科名，组成第一集合(病害-病原关联规则，虫害-昆虫关联规则)。
示例一(病害)：从病虫害数据库中读取白菜霜霉病，获取病害名称“白菜霜霉病”、病原属名“霜霉属”、种名“寄生霜霉”，组成第一集合(关联规则：白菜霜霉病-霜霉属)；
示例二(虫害)：从病虫害数据库中读取白菜斜纹夜蛾，获取虫害名称“白菜斜纹夜蛾”、害虫分类科名“夜蛾科”、种名“斜纹夜蛾”，组成第一集合(关联规则：白菜斜纹夜蛾-夜蛾科)。
步骤S202：从农药数据库中获取防治对象用药信息，构建第二集合。从农药数据库中读取防治对象信息，获取防治对象(病害、虫害)名称及用药配方，组成第二集合(病害-用药配方、虫害-用药配方数据集)。
示例三(病害)：从农药数据库中读取白菜霜霉病、甘蓝霜霉病农药防治信息，获取防治对象“白菜霜霉病”、“甘蓝霜霉病”、用药配方“丙森锌(70％可湿性粉剂)”，组成第二集合(白菜霜霉病-丙森锌(70％可湿性粉剂)，甘蓝霜霉病-丙森锌(70％可湿性粉剂))；
示例四(虫害)：从农药数据库中读取白菜斜纹夜蛾农药防治信息，获取防治对象“白菜斜纹夜蛾”、“甘蓝斜纹夜蛾”、用药配方“溴氰虫酰胺(10％可分散油悬浮剂)”，组成第二集合(白菜斜纹夜蛾-溴氰虫酰胺(10％可分散油悬浮剂)；甘蓝斜纹夜蛾-溴氰虫酰胺(10％可分散油悬浮剂))。
步骤S203：从农药数据库中读取登记作物信息，并结合所述作物科属分类树，构建第三集合。所述第三集合包括：作物-用药配方关联规则数据集。
示例五(病虫害)：从农药防治数据集中读取登记作物“白菜”，结合作物科属分类树(十字花科)，组成第三集合(十字花科-丙森锌(70％可湿性粉剂)，十字花科-溴氰虫酰胺(10％可分散油悬浮剂))。
步骤S204：通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合。具体还包括步骤：
从第一集合、第二集合中获取防治对象(病害名称、虫害名称)的病原分类树-用药配方、害虫分类树-用药配方，并通过关联规则算法计算防治对象用药配方频繁项集及频繁项集支持度，通过频繁项集支持度筛选获得适合的用药配方频繁项集，利用筛选获得的用药配方频繁项集确定适合的关联规则，组成第四集合。
示例六(病害)：从第一集合、第二集合中获取防治对象的病原分类树“白菜霜霉病-霜霉属-丙森锌(70％可湿性粉剂)”；“甘蓝霜霉病-霜霉属-丙森锌 (70％可湿性粉剂)”；利用关联规则算法筛选出关联规则“霜霉属-丙森锌(70％可湿性粉剂)”，组成第四集合；
示例七(虫害)：从第一集合、第二集合中获取防治对象的害虫分类树“白菜斜纹夜蛾-夜蛾科-溴氰虫酰胺(10％可分散油悬浮剂)”、“甘蓝斜纹夜蛾-夜蛾科-溴氰虫酰胺(10％可分散油悬浮剂)”；利用关联规则算法筛选出关联规则“夜蛾科-溴氰虫酰胺(10％可分散油悬浮剂)”，组成第四集合。
所述关联规则算法包括但不限于：Apriori算法、FP-树频集算法。
步骤S205：由第三集合的关联规则和第四集合的关联规则构建关联规则库。
构建好关联规则库后，步骤S102具体还包括步骤：
通过第三集合的关联规则获取目标特色小宗作物同科分类下的用药配方范围；
通过第四集合的关联规则进行目标特色小宗作物病虫害相同病原或害虫的用药推荐。
示例八(病害)：利用第三集合的关联规则，获取特色小宗作物“青花菜 (西兰花)”同科“十字花科”分类下的用药配方范围“十字花科-丙森锌(70％可湿性粉剂)，十字花科-溴氰虫酰胺(10％可分散油悬浮剂)”；再利用从第四集合的关联规则进行当前的特色小宗作物“青花菜霜霉病”的防治用药推荐“丙森锌(70％可湿性粉剂)”；
示例九(虫害)：利用第三集合的关联规则，获取特色小宗作物“青花菜 (西兰花)”同科“十字花科”分类下的用药配方范围“十字花科-丙森锌(70％可湿性粉剂)，十字花科-溴氰虫酰胺(10％可分散油悬浮剂)”；再利用从第四集合的关联规则进行当前的特色小宗作物“青花菜斜纹夜蛾”的防治用药推荐“溴氰虫酰胺(10％可分散油悬浮剂)”。
以上方法，利用关联规则算法从现有的病虫害数据库和农药数据库中获得病原与用药配方、害虫与用药配方关联规则，进行当前的特色小宗作物病虫害相同病原或害虫的防治用药推荐，以满足我国特色小作物品种科学用药的需要。整体过程示意图如图3所示。
请参阅图3至图4，在本实施方式中，一种存储设备400的具体实施方式如下：
一种存储设备400，其中存储有指令集，所述指令集用于执行：
输入目标特色小宗作物至预先建立的关联规则库；
在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。
通过预先建立一个关联规则库，然后在所述关联规则库中来获取用药推荐，使得用药推荐有据可循，可更精准地进行科学用药推荐。
进一步的，所述指令集还用于执行：所述“输入目标特色小宗作物至预先建立的关联规则库”，具体还包括步骤：
从病虫害数据库中获取病害信息和虫害信息，构建第一集合。具体还包括步骤：从病虫害数据库中读取病害信息，获取病害名称及其病原的所属分类，从病虫害数据库中读取虫害信息，获取虫害名称及其害虫的所属分类，构建第一集合。其中病原所属分类包括种名和属名，害虫的所属分类包括种名和科名，组成第一集合(病害-病原关联规则，虫害-昆虫关联规则)。
示例一(病害)：从病虫害数据库中读取白菜霜霉病，获取病害名称“白菜霜霉病”、病原属名“霜霉属”、种名“寄生霜霉”，组成第一集合(关联规则：白菜霜霉病-霜霉属)；
示例二(虫害)：从病虫害数据库中读取白菜斜纹夜蛾，获取虫害名称“白菜斜纹夜蛾”、害虫分类科名“夜蛾科”、种名“斜纹夜蛾”，组成第一集合(关联规则：白菜斜纹夜蛾-夜蛾科)。
从农药数据库中获取防治对象用药信息，构建第二集合。从农药数据库中读取防治对象信息，获取防治对象(病害、虫害)名称及用药配方，组成第二集合(病害-用药配方、虫害-用药配方数据集)。
示例三(病害)：从农药数据库中读取白菜霜霉病、甘蓝霜霉病农药防治信息，获取防治对象“白菜霜霉病”、“甘蓝霜霉病”、用药配方“丙森锌(70％可湿性粉剂)”，组成第二集合(白菜霜霉病-丙森锌(70％可湿性粉剂)，甘蓝霜霉病-丙森锌(70％可湿性粉剂))；
示例四(虫害)：从农药数据库中读取白菜斜纹夜蛾农药防治信息，获取防治对象“白菜斜纹夜蛾”、“甘蓝斜纹夜蛾”、用药配方“溴氰虫酰胺(10％可分散油悬浮剂)”，组成第二集合(白菜斜纹夜蛾-溴氰虫酰胺(10％可分散油悬浮剂)；甘蓝斜纹夜蛾-溴氰虫酰胺(10％可分散油悬浮剂))。
从农药数据库中读取登记作物信息，并结合所述作物科属分类树，构建第三集合。所述第三集合包括：作物-用药配方关联规则数据集。
示例五(病虫害)：从农药防治数据集中读取登记作物“白菜”，结合作物科属分类树(十字花科)，组成第三集合(十字花科-丙森锌(70％可湿性粉剂)，十字花科-溴氰虫酰胺(10％可分散油悬浮剂))。
通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合。具体还包括步骤：
从第一集合、第二集合中获取防治对象(病害名称、虫害名称)的病原分类树-用药配方、害虫分类树-用药配方，并通过关联规则算法计算防治对象用药配方频繁项集及频繁项集支持度，通过频繁项集支持度筛选获得适合的用药配方频繁项集，利用筛选获得的用药配方频繁项集确定适合的关联规则，组成第四集合。
示例六(病害)：从第一集合、第二集合中获取防治对象的病原分类树“白菜霜霉病-霜霉属-丙森锌(70％可湿性粉剂)”；“甘蓝霜霉病-霜霉属-丙森锌 (70％可湿性粉剂)”；利用关联规则算法筛选出关联规则“霜霉属-丙森锌(70％可湿性粉剂)”，组成第四集合；
示例七(虫害)：从第一集合、第二集合中获取防治对象的害虫分类树“白菜斜纹夜蛾-夜蛾科-溴氰虫酰胺(10％可分散油悬浮剂)”、“甘蓝斜纹夜蛾-夜蛾科-溴氰虫酰胺(10％可分散油悬浮剂)”；利用关联规则算法筛选出关联规则“夜蛾科-溴氰虫酰胺(10％可分散油悬浮剂)”，组成第四集合。
所述关联规则算法包括但不限于：Apriori算法、FP-树频集算法。
由第三集合的关联规则和第四集合的关联规则构建关联规则库。构建好关联规则库后，进一步的，所述指令集还用于执行：所述“在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐”，具体还包括步骤：
通过第三集合的关联规则获取目标特色小宗作物同科分类下的用药配方范围；
通过第四集合的关联规则进行目标特色小宗作物病虫害相同病原或害虫的用药推荐。
示例八(病害)：利用第三集合的关联规则，获取特色小宗作物“青花菜 (西兰花)”同科“十字花科”分类下的用药配方范围“十字花科-丙森锌(70％可湿性粉剂)，十字花科-溴氰虫酰胺(10％可分散油悬浮剂)”；再利用从第四集合的关联规则进行当前的特色小宗作物“青花菜霜霉病”的防治用药推荐“丙森锌(70％可湿性粉剂)”；
示例九(虫害)：利用第三集合的关联规则，获取特色小宗作物“青花菜(西兰花)”同科“十字花科”分类下的用药配方范围“十字花科-丙森锌(70％可湿性粉剂)，十字花科-溴氰虫酰胺(10％可分散油悬浮剂)”；再利用从第四集合的关联规则进行当前的特色小宗作物“青花菜斜纹夜蛾”的防治用药推荐“溴氰虫酰胺(10％可分散油悬浮剂)”。
以上指令集执行命令过程，利用关联规则算法从现有的病虫害数据库和农药数据库中获得病原与用药配方、害虫与用药配方关联规则，进行当前的特色小宗作物病虫害相同病原或害虫的防治用药推荐，以满足我国特色小作物品种科学用药的需要。整体过程示意图如图3所示。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。
Claims (10)
1.基于规则关联的特色小作物病虫害防治用药推荐方法，其特征在于，包括步骤：
输入目标特色小宗作物至预先建立的关联规则库；
在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。
2.根据权利要求1所述的基于规则关联的特色小作物病虫害防治用药推荐方法，其特征在于，所述“输入目标特色小宗作物至预先建立的关联规则库”，具体还包括步骤：
从病虫害数据库中获取病害信息和虫害信息，构建第一集合；
从农药数据库中获取防治对象用药信息，构建第二集合；
从农药数据库中读取登记作物信息，并结合所述作物科属分类树，构建第三集合；
通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合；
由第三集合的关联规则和第四集合的关联规则构建关联规则库。
3.根据权利要求2所述的基于规则关联的特色小作物病虫害防治用药推荐方法，其特征在于，所述“在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐”，具体还包括步骤：
通过第三集合的关联规则获取目标特色小宗作物同科分类下的用药配方范围；
通过第四集合的关联规则进行目标特色小宗作物病虫害相同病原或害虫的用药推荐。
4.根据权利要求2所述的基于规则关联的特色小作物病虫害防治用药推荐方法，其特征在于，所述“通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合”，具体还包括步骤：
通过关联规则算法计算防治对象用药配方频繁项集及频繁项集支持度，通过频繁项集支持度筛选获得适合的用药配方频繁项集，利用筛选获得的用药配方频繁项集确定适合的关联规则，组成第四集合。
5.根据权利要求2所述的基于规则关联的特色小作物病虫害防治用药推荐方法，其特征在于，所述“从病虫害数据库中获取病害信息和虫害信息，构建第一集合”，具体还包括步骤：
从病虫害数据库中读取病害信息，获取病害名称及其病原的所属分类，从病虫害数据库中读取虫害信息，获取虫害名称及其害虫的所属分类，构建第一集合；
所述“从农药数据库中获取防治对象用药信息，构建第二集合”，具体还包括步骤：
从农药数据库中读取防治对象信息，获取防治对象名称及用药配方，组成第二集合。
6.一种存储设备，其中存储有指令集，其特征在于，所述指令集用于执行：
输入目标特色小宗作物至预先建立的关联规则库；
在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐。
7.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“输入目标特色小宗作物至预先建立的关联规则库”，具体还包括步骤：
从病虫害数据库中获取病害信息和虫害信息，构建第一集合；
从农药数据库中获取防治对象用药信息，构建第二集合；
从农药数据库中读取登记作物信息，并结合所述作物科属分类树，构建第三集合；
通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合；
由第三集合的关联规则和第四集合的关联规则构建关联规则库。
8.根据权利要求7所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“在所述预先建立的关联规则库中获取目标特色小宗作物同科分类下的用药配方范围，并对所述目标特色小宗作物进行用药推荐”，具体还包括步骤：
通过第三集合的关联规则获取目标特色小宗作物同科分类下的用药配方范围；
通过第四集合的关联规则进行目标特色小宗作物病虫害相同病原或害虫的用药推荐。
9.根据权利要求7所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“通过关联规则算法对第一集合和第二集合进行计算，将计算结果构建第四集合”，具体还包括步骤：
通过关联规则算法计算防治对象用药配方频繁项集及频繁项集支持度，通过频繁项集支持度筛选获得适合的用药配方频繁项集，利用筛选获得的用药配方频繁项集确定适合的关联规则，组成第四集合。
10.根据权利要求7所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“从病虫害数据库中获取病害信息和虫害信息，构建第一集合”，具体还包括步骤：
从病虫害数据库中读取病害信息，获取病害名称及其病原的所属分类，从病虫害数据库中读取虫害信息，获取虫害名称及其害虫的所属分类，构建第一集合；
所述“从农药数据库中获取防治对象用药信息，构建第二集合”，具体还包括步骤：
从农药数据库中读取防治对象信息，获取防治对象名称及用药配方，组成第二集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110696145.XA CN113849724A (zh) | 2021-06-23 | 2021-06-23 | 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110696145.XA CN113849724A (zh) | 2021-06-23 | 2021-06-23 | 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113849724A true CN113849724A (zh) | 2021-12-28 |
Family
ID=78975085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110696145.XA Pending CN113849724A (zh) | 2021-06-23 | 2021-06-23 | 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113849724A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114550848A (zh) * | 2022-02-21 | 2022-05-27 | 北京京东尚科信息技术有限公司 | 作物病害处理方法、装置、电子设备及计算机可读介质 |
| CN115982472A (zh) * | 2023-03-21 | 2023-04-18 | 中化现代农业有限公司 | 农药用药推荐方法、装置和电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108197266A (zh) * | 2017-12-29 | 2018-06-22 | 深圳春沐源控股有限公司 | 一种农产品用药的推荐方法和系统 |
| CN108550401A (zh) * | 2018-03-20 | 2018-09-18 | 昆明理工大学 | 一种基于Apriori的病症数据关联方法 |
| KR20200030149A (ko) * | 2018-09-11 | 2020-03-20 | 대한민국(농촌진흥청장) | 해충 예보 시스템의 방제 농약 추천 방법 |
| CN111599487A (zh) * | 2020-05-12 | 2020-08-28 | 成都睿明医疗信息技术有限公司 | 一种基于关联分析的中药配伍辅助决策方法 |
| CN111914163A (zh) * | 2020-06-20 | 2020-11-10 | 武汉海云健康科技股份有限公司 | 一种药品组合推荐方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-23 CN CN202110696145.XA patent/CN113849724A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108197266A (zh) * | 2017-12-29 | 2018-06-22 | 深圳春沐源控股有限公司 | 一种农产品用药的推荐方法和系统 |
| CN108550401A (zh) * | 2018-03-20 | 2018-09-18 | 昆明理工大学 | 一种基于Apriori的病症数据关联方法 |
| KR20200030149A (ko) * | 2018-09-11 | 2020-03-20 | 대한민국(농촌진흥청장) | 해충 예보 시스템의 방제 농약 추천 방법 |
| CN111599487A (zh) * | 2020-05-12 | 2020-08-28 | 成都睿明医疗信息技术有限公司 | 一种基于关联分析的中药配伍辅助决策方法 |
| CN111914163A (zh) * | 2020-06-20 | 2020-11-10 | 武汉海云健康科技股份有限公司 | 一种药品组合推荐方法、装置、电子设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114550848A (zh) * | 2022-02-21 | 2022-05-27 | 北京京东尚科信息技术有限公司 | 作物病害处理方法、装置、电子设备及计算机可读介质 |
| CN115982472A (zh) * | 2023-03-21 | 2023-04-18 | 中化现代农业有限公司 | 农药用药推荐方法、装置和电子设备 |
| CN115982472B (zh) * | 2023-03-21 | 2023-08-08 | 中化现代农业有限公司 | 农药用药推荐方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schinasi et al. | Non-Hodgkin lymphoma and occupational exposure to agricultural pesticide chemical groups and active ingredients: a systematic review and meta-analysis | |
| Kalogiannidis et al. | Role of crop-protection technologies in sustainable agricultural productivity and management | |
| Ramírez-Gil et al. | Causes of Hass avocado fruit rejection in preharvest, harvest, and packinghouse: economic losses and associated variables | |
| CN113849724A (zh) | 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 | |
| Fermaud et al. | New multipest damage indicator to assess protection strategies in grapevine cropping systems | |
| Garcerá et al. | Sustainable use of pesticide applications in citrus: A support tool for volume rate adjustment | |
| Son et al. | Assessment of tomato (Solanum lycopersicum L.) producers’ exposure level to pesticides, in Kouka and Toussiana (Burkina Faso) | |
| US20230360150A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product | |
| Ouédraogo et al. | Morphological and molecular characterization of Zanthoxylum zanthoxyloides (Rutaceae) from Burkina Faso | |
| Imperatore et al. | Evaluation of a fixed spraying system for phytosanitary treatments in heroic viticulture in north-eastern Italy | |
| Ng et al. | Ant community responses to farmland use and revegetation in a fragmented agricultural landscape | |
| JP6973834B1 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラム | |
| EP4422393A1 (en) | Monitoring the treatment of an agricultural field | |
| JP6718186B1 (ja) | 薬物候補検索用データベースサーバー装置、及びそれを用いた薬物候補検索システム | |
| Yin et al. | Mitigating Ecotoxicity Risks of Pesticides on Ornamental Plants Based on Life Cycle Assessment | |
| Smith et al. | Chlorantraniliprole residual control and concentration determination in cotton | |
| JP7029864B2 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラム | |
| JP7122783B1 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラムを用いた薬物候補検索方法 | |
| JP7122782B1 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラム | |
| JP7089309B2 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラム | |
| JP7002794B1 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラム | |
| JP7002795B1 (ja) | 薬物候補検索システム、及びそれに用いる薬物候補検索プログラム | |
| US20230360149A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests for yield, gross margin, efficacy and/or effects on vegetation indices on a field for different rates or application modes of one product | |
| Pethybridge et al. | Quantifying the effects of uniconazole on growth and yield of pyrethrum in Australia | |
| CN118805604A (zh) | 一种防治水稻恶苗病的方法及应用 |
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 |