CN115185220A - 一种基于物联网的农林病虫害监控系统 - Google Patents

Abstract

本发明公开了一种基于物联网的农林病虫害监控系统，涉及农业物联网技术领域，包括数据分析模块、病虫害监测模块、病虫害进程演化模块以及病虫害防治中心；所述数据分析模块用于对接收到的农作物生长数据进行虫害防治系数分析，判断是否要进行病虫害预防措施；所述病虫害监测模块用于对病虫害的灾害进程进行实时监测，确定病虫害所对应的农作物的生长地点和生长候期；所述病虫害进程演化模块用于将病虫害监测模块的监测数据输入至对应的演化模型，进行病虫害发展过程的演化，建立病虫害发展时间轴，对时间、节点进行预判，得到病虫害波及范围分析评估结果，以提醒农林管理员在灾害未波及时提前进行预防措施，减少病虫害造成的经济损失。

Description

一种基于物联网的农林病虫害监控系统

技术领域

本发明涉及农业物联网技术领域，具体是一种基于物联网的农林病虫害监控系统。

背景技术

农业物联网一般应用是将大量的传感器节点构成监控网络，通过各种传感器采集信息实时显示或作为自动控制的参变量参与到自动控制中，其可以为温室精准调控提供科学依据，达到增产、改善品质、调节生长周期、提高经济效益的目的；但是作物从种植到收获的整个生长周期常面临各种虫害的侵袭，如果防治不及时，不仅会引起产量和质量的下降，严重时甚至会造成很重大的经济损失。

传统的防治方式需要植保技术员进入田间实地观察作物有无虫害侵染现象，这种方法费时费力，并且有的虫害是可防不可治，当被发现时已经有可能错过了最佳施药时间，并不能起到病虫害预警的作用，无法使农林管理员及时获知病虫害动态并及时采取必要的抗灾措施，以减少病虫害造成的经济损失；因此，目前迫切需要一种切实有效的农林病虫害监控方案，以提高病虫害预警的及时性，帮助用户直观、清晰地了解病虫害发生的全过程，辅助管理者做好防护措施、修正策略，提高病虫害应急响应与防范能力，减少病虫害造成的经济损失。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于物联网的农林病虫害监控系统。

为实现上述目的，根据本发明的第一方面的实施例提出一种基于物联网的农林病虫害监控系统，包括信息采集模块、病虫害监测模块、病虫害汇总模块、病虫害进程演化模块、演化修正模块以及病虫害防治中心；

所述信息采集模块用于通过物联网监控节点采集农作物生长数据，并将采集的农作物生长数据传输至数据分析模块；所述数据分析模块用于对接收到的农作物生长数据进行虫害防治系数分析，判断是否要进行病虫害预防措施；若虫害防治系数FZ大于对应的防治阈值F1，则判定对应农作物存在病虫害风险，生成虫害预防信号；

所述病虫害监测模块用于对病虫害的灾害进程进行实时监测，确定病虫害所对应的农作物的生长地点和生长候期，并将监测数据上传至云平台进行存储；所述病虫害进程演化模块用于将病虫害监测模块的监测数据输入至对应的演化模型，进行病虫害发展过程的演化，建立病虫害发展时间轴，对时间、节点进行预判，得到病虫害波及范围分析评估结果；

所述演化修正模块与病虫害进程演化模块相连接，用于对演化得到的病虫害波及范围分析评估结果进行修正，并将修正后的病虫害波及范围分析评估结果反馈至病虫害防治中心，供农林管理员实时查询；所述病虫害防治中心用于根据病虫害波及范围分析评估结果对灾害波及区域进行预警，以提醒农林管理员在灾害未波及时提前进行预防措施。

进一步地，所述数据分析模块的具体分析步骤为：

获取农作物的种类信息，并通过图像采集单元获取所述农作物各个观测部位的图像集合；将所述图像集合中的图像信息输入农作物候期识别模型，确定对应农作物的生长候期；

获取该生长候期所需的标准环境信息；将标准环境信息中对应的温度、湿度以及光照数据依次标记为Wb、Mb以及Gb；将生长环境信息中对应的温度、湿度、光照数据以及昆虫数量标记为Wi、Mi、Gi以及Ki；

利用公式Qi＝Ki×[(Wi-Wb)/Wb+2×(Mi-Mb)/Mb+3×(Gi-Gb)/Gb]×u计算得到虫害值Qi，其中u为预设补偿因子；根据虫害值Qi的时空变化趋势对虫害防治系数FZ进行评估。

进一步地，其中，虫害防治系数FZ的具体评估过程为：

建立虫害值Qi随时间变化的曲线图；将Qi与预设第一阈值相比较；若Qi大于预设第一阈值，则在对应的曲线图中截取对应的曲线段并进行标注，记为偏离曲线段；在预设时间段内，统计偏离曲线段的数量为P1；

将偏离曲线段上对应Qi与预设第一阈值的差值对时间进行积分并进行求和偏离参考能量E1；利用公式FZ＝P1×a1+E1×a2计算得到虫害防治系数FZ，其中a1、a2均为系数因子。

进一步地，所述农作物候期识别模型是基于农作物特征数据库用于深度神经网络进行训练得到的，所述农作物特征数据库内存储有各种类农作物图像以及农作物不同生长候期的观测部位图像。

进一步地，根据对应农作物的生长候期确定对应的防治阈值为F1，具体为：农作物特征数据库内还预存有生长候期与防治阈值的对照表。

进一步地，所述信息采集模块包括环境信息采集单元以及图像采集单元，农作物生长数据包括农作物种类和田间生产环节的可追溯信息；田间生产环节的可追溯信息包括农作物生长环境信息和农作物的生长情况。

进一步地，其中，演化模型的获取方法为：

建立神经网络模型，通过互联网调取各类病虫害的历史发展过程和对应的监测数据；所述监测数据包括病虫害类型、灾害过程中的环境要素、受灾区域的农作物损毁情况以及应急资源情况；

将同一类型病虫害的历史发展过程和对应的监测数据整合标记为训练集，其中监测数据为输入数据，对应的病虫害历史发展过程为输出数据，通过训练集对神经网络模型进行训练，将训练后的神经网络模型标记为对应类型的演化模型。

进一步地，病虫害汇总模块用于采集受灾农作物的生长环境信息、微地形数据以及农作物分布情况布置拓扑关系，同时收集受灾农作物历史受灾情况的详细数据以及相近条件农作物的受灾情况，建立病虫害数据平台。

进一步地，所述演化修正模块的具体修正过程为：

首次演化完成后，快速筛选出农作物损毁面积/数量超过对应阈值的区域，再进行反演推算，利用反演结果与病虫害监测模块监测到的真实结果相比较，参考病虫害数据平台中的相近历史数据，分析成因，修正演化模型再次演化，随着实际监测到的病虫害演化改变灾害波及区域，多次演化更正，直至灾害结束。

与现有技术相比，本发明的有益效果是：

1、本发明中数据分析模块用于对接收到的农作物生长数据进行虫害防治系数分析，判断是否要进行病虫害预防措施；获取农作物的种类信息，并通过图像采集单元获取农作物各个观测部位的图像集合输入农作物候期识别模型，确定对应农作物的生长候期；获取该生长候期所需的标准环境信息与当前农作物的生长环境信息进行对比，计算得到虫害值Qi，根据虫害值Qi的时空变化趋势计算得到虫害防治系数FZ，若FZ大于防治阈值F1，则判定对应农作物存在病虫害风险，生成虫害预防信号；以提醒农林管理员执行病虫害预防措施，减少病虫害造成的经济损失；

2、本发明中病虫害监测模块用于对病虫害的灾害进程进行实时监测，确定病虫害所对应的农作物的生长地点和生长候期，然后病虫害进程演化模块用于将病虫害监测模块的监测数据输入至对应的演化模型，进行病虫害发展过程的演化，建立病虫害发展时间轴，对时间、节点进行预判，得到病虫害波及范围分析评估结果，并反馈至病虫害防治中心，供农林管理员实时查询；方便农林管理员在灾害未波及时提前进行预防措施，缩短各个环节的衔接时间及运作时间，实现病虫害防治链整体效率的提升。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于物联网的农林病虫害监控系统的系统框图。

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做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。

如图1所示，一种基于物联网的农林病虫害监控系统，包括信息采集模块、数据分析模块、农作物特征数据库、报警模块、病虫害监测模块、云平台、病虫害汇总模块、病虫害进程演化模块、演化修正模块以及病虫害防治中心；

信息采集模块包括环境信息采集单元以及图像采集单元，用于通过物联网监控节点采集农作物生长数据，并将采集的农作物生长数据传输至数据分析模块；农作物生长数据包括农作物种类和田间生产环节的可追溯信息；田间生产环节的可追溯信息包括农作物生长环境信息和农作物的生长情况；其中，环境信息采集单元包括温度传感器、湿度传感器、光照传感器以及昆虫计数器；图像采集单元包括内设GPS定位装置的图像传感器；

农作物特征数据库内存储有各种类农作物图像以及农作物不同生长候期的观测部位图像；基于农作物特征数据库用于深度神经网络进行训练，得到农作物候期识别模型；

数据分析模块用于对接收到的农作物生长数据进行虫害防治系数分析，判断是否要进行病虫害预防措施；具体分析步骤为：

获取农作物的种类信息，并通过图像采集单元获取农作物各个观测部位的图像集合；将图像集合中的图像信息输入农作物候期识别模型，确定对应农作物的生长候期；

根据对应农作物的生长候期自动与大数据平台进行比对，获取该生长候期所需的标准环境信息；将标准环境信息中对应的温度、湿度以及光照数据依次标记为Wb、Mb以及Gb；

获取农作物的生长环境信息，生长环境信息包括环境信息采集单元的各传感器采集到的温度、湿度、光照数据以及昆虫数量；

将采集的温度、湿度、光照数据以及昆虫数量标记为Wi、Mi、Gi以及Ki；利用公式Qi＝Ki×[(Wi-Wb)/Wb+2×(Mi-Mb)/Mb+3×(Gi-Gb)/Gb]×u计算得到虫害值Qi，其中u为预设补偿因子；

建立虫害值Qi随时间变化的曲线图；将Qi与预设第一阈值相比较；若Qi大于预设第一阈值，则在对应的曲线图中截取对应的曲线段并进行标注，记为偏离曲线段；

在预设时间段内，统计偏离曲线段的数量为P1；将偏离曲线段上对应Qi与预设第一阈值的差值对时间进行积分并进行求和偏离参考能量E1；利用公式FZ＝P1×a1+E1×a2计算得到虫害防治系数FZ，其中a1、a2均为系数因子；

根据对应农作物的生长候期确定对应的防治阈值为F1，具体为：农作物特征数据库内还预存有生长候期与防治阈值的对照表；

将虫害防治系数FZ与对应的防治阈值F1相比较；若FZ大于防治阈值F1，则判定对应农作物存在病虫害风险，生成虫害预防信号；

数据分析模块用于将虫害预防信号上传至病虫害防治中心，病虫害防治中心接收到虫害预防信号后控制报警模块发出警报，以提醒农林管理员执行病虫害预防措施，以减少病虫害造成的经济损失；

病虫害监测模块用于对病虫害的灾害进程进行实时监测，确定病虫害所对应的农作物的生长地点和生长候期，并将监测数据上传至云平台进行存储，供农林管理员对病虫害灾害事件进行复现，辅助回顾总结经验，修正策略，提高病虫害灾害应急响应与防范能力；监测数据包括病虫害类型、灾害过程中的环境要素、受灾区域的农作物损毁情况以及应急资源情况；

病虫害汇总模块用于采集受灾农作物的生长环境信息、微地形数据以及农作物分布情况布置拓扑关系，同时收集受灾农作物历史受灾情况的详细数据以及相近条件农作物的受灾情况，建立病虫害数据平台；历史受灾情况携带有受灾时长以及灾害影响程度；其中灾害影响程度由病虫害防治中心根据病虫害类型、农作物损毁情况以及应急资源投入三个维度的数据评估得出；

病虫害进程演化模块用于将病虫害监测模块的监测数据输入至对应的演化模型，进行病虫害发展过程的演化，建立病虫害发展时间轴，对时间、节点进行预判，得到病虫害波及范围分析评估结果；其中病虫害波及范围分析评估结果包括灾害波及区域、对应的波及时刻以及对应的灾害波及等级；

其中，演化模型的获取方法为：

建立神经网络模型，通过互联网调取各类病虫害的历史发展过程和对应的监测数据；监测数据包括病虫害类型、灾害过程中的环境要素、受灾区域的农作物损毁情况以及应急资源情况；

将同一类型病虫害的历史发展过程和对应的监测数据整合标记为训练集，其中监测数据为输入数据，对应的病虫害历史发展过程为输出数据，通过训练集对神经网络模型进行训练，将训练后的神经网络模型标记为对应类型的演化模型；

演化修正模块与病虫害进程演化模块相连接，用于对演化得到的病虫害波及范围分析评估结果进行修正，具体为：

首次演化完成后，快速筛选出农作物损毁面积/数量超过对应阈值的区域，再进行反演推算，利用反演结果与病虫害监测模块监测到的真实结果相比较，参考病虫害数据平台中的相近历史数据，分析成因，修正演化模型再次演化，随着实际监测到的病虫害演化改变灾害波及区域，多次演化更正，直至灾害结束；

病虫害进程演化模块用于将修正后的病虫害波及范围分析评估结果反馈至病虫害防治中心，供农林管理员实时查询；病虫害防治中心还用于根据病虫害波及范围分析评估结果对灾害波及区域进行预警，方便农林管理员在灾害未波及时提前进行预防措施，缩短各个环节的衔接时间及运作时间，实现病虫害防治链整体效率的提升。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

一种基于物联网的农林病虫害监控系统，在工作时，信息采集模块通过物联网监控节点采集农作物生长数据，数据分析模块用于对接收到的农作物生长数据进行虫害防治系数分析，判断是否要进行病虫害预防措施；获取农作物的种类信息，并通过图像采集单元获取农作物各个观测部位的图像集合输入农作物候期识别模型，确定对应农作物的生长候期；获取该生长候期所需的标准环境信息与当前农作物的生长环境信息进行对比，计算得到虫害值Qi，根据虫害值Qi的时空变化趋势计算得到虫害防治系数FZ，若FZ大于防治阈值F1，则判定对应农作物存在病虫害风险，生成虫害预防信号；以提醒农林管理员执行病虫害预防措施，减少病虫害造成的经济损失；

病虫害监测模块用于对病虫害的灾害进程进行实时监测，确定病虫害所对应的农作物的生长地点和生长候期，然后病虫害进程演化模块用于将病虫害监测模块的监测数据输入至对应的演化模型，进行病虫害发展过程的演化，建立病虫害发展时间轴，对时间、节点进行预判，得到病虫害波及范围分析评估结果，并反馈至病虫害防治中心，供农林管理员实时查询；方便农林管理员在灾害未波及时提前进行预防措施，缩短各个环节的衔接时间及运作时间，实现病虫害防治链整体效率的提升。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

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 (9)

1.一种基于物联网的农林病虫害监控系统，其特征在于，包括信息采集模块、病虫害监测模块、病虫害汇总模块、病虫害进程演化模块、演化修正模块以及病虫害防治中心；

所述信息采集模块用于通过物联网监控节点采集农作物生长数据，并将采集的农作物生长数据传输至数据分析模块；所述数据分析模块用于对接收到的农作物生长数据进行虫害防治系数分析，判断是否要进行病虫害预防措施；若虫害防治系数FZ大于对应的防治阈值F1，则判定对应农作物存在病虫害风险，生成虫害预防信号；

所述病虫害监测模块用于对病虫害的灾害进程进行实时监测，确定病虫害所对应的农作物的生长地点和生长候期，并将监测数据上传至云平台进行存储；所述病虫害进程演化模块用于将病虫害监测模块的监测数据输入至对应的演化模型，进行病虫害发展过程的演化，建立病虫害发展时间轴，对时间、节点进行预判，得到病虫害波及范围分析评估结果；

所述演化修正模块与病虫害进程演化模块相连接，用于对演化得到的病虫害波及范围分析评估结果进行修正，并将修正后的病虫害波及范围分析评估结果反馈至病虫害防治中心，供农林管理员实时查询；所述病虫害防治中心用于根据病虫害波及范围分析评估结果对灾害波及区域进行预警，以提醒农林管理员在灾害未波及时提前进行预防措施。

2.根据权利要求1所述的一种基于物联网的农林病虫害监控系统，其特征在于，所述数据分析模块的具体分析步骤为：

获取农作物的种类信息，并通过图像采集单元获取所述农作物各个观测部位的图像集合；将所述图像集合中的图像信息输入农作物候期识别模型，确定对应农作物的生长候期；

获取该生长候期所需的标准环境信息；将标准环境信息中对应的温度、湿度以及光照数据依次标记为Wb、Mb以及Gb；将生长环境信息中对应的温度、湿度、光照数据以及昆虫数量标记为Wi、Mi、Gi以及Ki；

利用公式Qi＝Ki×[(Wi-Wb)/Wb+2×(Mi-Mb)/Mb+3×(Gi-Gb)/Gb]×u计算得到虫害值Qi，其中u为预设补偿因子；根据虫害值Qi的时空变化趋势对虫害防治系数FZ进行评估。

3.根据权利要求2所述的一种基于物联网的农林病虫害监控系统，其特征在于，其中，虫害防治系数FZ的具体评估过程为：

建立虫害值Qi随时间变化的曲线图；将Qi与预设第一阈值相比较；若Qi大于预设第一阈值，则在对应的曲线图中截取对应的曲线段并进行标注，记为偏离曲线段；在预设时间段内，统计偏离曲线段的数量为P1；

将偏离曲线段上对应Qi与预设第一阈值的差值对时间进行积分并进行求和偏离参考能量E1；利用公式FZ＝P1×a1+E1×a2计算得到虫害防治系数FZ，其中a1、a2均为系数因子。

4.根据权利要求2所述的一种基于物联网的农林病虫害监控系统，其特征在于，所述农作物候期识别模型是基于农作物特征数据库用于深度神经网络进行训练得到的，所述农作物特征数据库内存储有各种类农作物图像以及农作物不同生长候期的观测部位图像。

5.根据权利要求4所述的一种基于物联网的农林病虫害监控系统，其特征在于，根据对应农作物的生长候期确定对应的防治阈值为F1，具体为：农作物特征数据库内还预存有生长候期与防治阈值的对照表。

6.根据权利要求1所述的一种基于物联网的农林病虫害监控系统，其特征在于，所述信息采集模块包括环境信息采集单元以及图像采集单元，所述农作物生长数据包括农作物种类和田间生产环节的可追溯信息；田间生产环节的可追溯信息包括农作物生长环境信息和农作物的生长情况。

7.根据权利要求1所述的一种基于物联网的农林病虫害监控系统，其特征在于，其中，演化模型的获取方法为：

建立神经网络模型，通过互联网调取各类病虫害的历史发展过程和对应的监测数据；所述监测数据包括病虫害类型、灾害过程中的环境要素、受灾区域的农作物损毁情况以及应急资源情况；

将同一类型病虫害的历史发展过程和对应的监测数据整合标记为训练集，其中监测数据为输入数据，对应的病虫害历史发展过程为输出数据，通过训练集对神经网络模型进行训练，将训练后的神经网络模型标记为对应类型的演化模型。

8.根据权利要求7所述的一种基于物联网的农林病虫害监控系统，其特征在于，所述病虫害汇总模块用于采集受灾农作物的生长环境信息、微地形数据以及农作物分布情况布置拓扑关系，同时收集受灾农作物历史受灾情况的详细数据以及相近条件农作物的受灾情况，建立病虫害数据平台。

9.根据权利要求8所述的一种基于物联网的农林病虫害监控系统，其特征在于，所述演化修正模块的具体修正过程为：

首次演化完成后，快速筛选出农作物损毁面积/数量超过对应阈值的区域，再进行反演推算，利用反演结果与病虫害监测模块监测到的真实结果相比较，参考病虫害数据平台中的相近历史数据，分析成因，修正演化模型再次演化，随着实际监测到的病虫害演化改变灾害波及区域，多次演化更正，直至灾害结束。

Images