CN117877024A - 一种基于大数据的苦瓜枯萎病监测方法及系统 - Google Patents
一种基于大数据的苦瓜枯萎病监测方法及系统 Download PDFInfo
- Publication number
- CN117877024A CN117877024A CN202410282958.8A CN202410282958A CN117877024A CN 117877024 A CN117877024 A CN 117877024A CN 202410282958 A CN202410282958 A CN 202410282958A CN 117877024 A CN117877024 A CN 117877024A
- Authority
- CN
- China
- Prior art keywords
- balsam pear
- monitoring
- data
- wilt
- leaf
- 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.)
- Granted
Links
- 244000302512 Momordica charantia Species 0.000 title claims abstract description 611
- 235000009811 Momordica charantia Nutrition 0.000 title claims abstract description 572
- UHPMCKVQTMMPCG-UHFFFAOYSA-N 5,8-dihydroxy-2-methoxy-6-methyl-7-(2-oxopropyl)naphthalene-1,4-dione Chemical compound CC1=C(CC(C)=O)C(O)=C2C(=O)C(OC)=CC(=O)C2=C1O UHPMCKVQTMMPCG-UHFFFAOYSA-N 0.000 title claims abstract description 267
- 241000223218 Fusarium Species 0.000 title claims abstract description 267
- 238000012544 monitoring process Methods 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 59
- 235000009812 Momordica cochinchinensis Nutrition 0.000 claims abstract description 331
- 235000018365 Momordica dioica Nutrition 0.000 claims abstract description 331
- 235000008322 Trichosanthes cucumerina Nutrition 0.000 claims abstract description 209
- 241000196324 Embryophyta Species 0.000 claims abstract description 97
- 240000008067 Cucumis sativus Species 0.000 claims abstract description 62
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 230000002015 leaf growth Effects 0.000 claims abstract description 47
- 201000010099 disease Diseases 0.000 claims abstract description 35
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 35
- 230000012010 growth Effects 0.000 claims description 48
- 238000005286 illumination Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 7
- 239000003570 air Substances 0.000 claims description 6
- 239000012080 ambient air Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 241000519995 Stachys sylvatica Species 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 241000219122 Cucurbita Species 0.000 claims 1
- 235000009852 Cucurbita pepo Nutrition 0.000 claims 1
- 241000220324 Pyrus Species 0.000 claims 1
- 235000014443 Pyrus communis Nutrition 0.000 claims 1
- 241000607479 Yersinia pestis Species 0.000 abstract description 20
- 241000238631 Hexapoda Species 0.000 abstract description 17
- 238000007726 management method Methods 0.000 description 19
- 238000007689 inspection Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 230000008506 pathogenesis Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 241000219112 Cucumis Species 0.000 description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 2
- 241000223221 Fusarium oxysporum Species 0.000 description 2
- 241000134365 Psychodinae Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 235000007173 Abies balsamea Nutrition 0.000 description 1
- 239000004857 Balsam Substances 0.000 description 1
- 206010058314 Dysplasia Diseases 0.000 description 1
- 244000018716 Impatiens biflora Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003337 fertilizer Substances 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
- 238000009335 monocropping Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明涉及农业种植病虫害管理的技术领域，公开了一种基于大数据的苦瓜枯萎病监测方法及系统，所述系统包括苦瓜枯萎病监测路径管理模块、苦瓜枯萎病识别管理模块和苦瓜枯萎病植株信息管理模块；该方法通过使用拍摄镜头精确采集每个监测点的苦瓜植株的叶片生长状态图像参数，同时结合智能识别算法与预设苦瓜叶枯萎状态图像参数进行苦瓜叶片状态分析，实现高效智能分析苦瓜枯萎病初步表现特征判断；通过拍摄镜头精确采集苦瓜叶枯萎状态叶片表面图像参数，并结合智能识别算法与苦瓜叶枯萎病斑点图像参数进行苦瓜枯萎病斑点表现特征识别分析。本发明通过苦瓜叶片的枯萎状态、枯萎病斑点特征多维度有序分析，实现苦瓜种植智能化、科学管理。
Description
技术领域
本发明涉及农业种植病虫害管理的技术领域，具体为一种基于大数据的苦瓜枯萎病监测方法及系统。
背景技术
苦瓜枯萎病是由尖孢镰刀菌苦瓜专化型（Fusarium oxysporum f.sp.momodicae）引起的、发生在苦瓜的病害。患病植株生长缓慢，下面叶片发黄并逐渐向上发展，初期植株白天呈现枯萎状，夜间恢复正常。危害严重时，地上部全株表现枯萎，病株茎基部及根部维管束组织变褐，患部软化缢缩以至腐烂，最终全株死亡，苦瓜枯萎病是苦瓜的一种主要病害，在中国各地均有分布，发生普遍。一般天气湿闷发病重；连作地或施用未充分腐熟的土杂肥，地势低洼，植株根系发育不良易发病，苦瓜整个生长期都能发病，但一般在植株开花结果后发生。幼苗发病时，茎基部变褐色并缢缩，子叶萎蔫下垂，严重时猝倒死亡。成株发病时，病株生长缓慢，中午萎蔫，早晚恢复，持续几天后，全株萎蔫枯死。有的病株茎基部表皮粗糙且多纵裂，有时在病茎上溢出琥珀色胶质物；有些呈水渍状腐烂或呈褐色，潮湿时长有粉红色霉状物，切开根茎，可见维管束组织变成黄褐色。苦瓜枯萎病的防治方法主要为选用抗病品种，播种前进行种子处理，加强栽培管理，收获后彻底清除瓜类作物病残体等。发病初期，及时拔除病株，并喷施合适的化学药剂，也可以防治该病；现有的苦瓜枯萎病病虫害监测大都依赖人工定期巡检或者借助远程巡检机器人进行远程苦瓜枯萎病观察监测，然而以上通过人工或借助巡检机器人执行苦瓜枯萎病监测过程，增加了种植人员工作量，降低了苦瓜枯萎病的监测结果精度和效率，也无法实现对苦瓜种植区的苦瓜枯萎病的自主巡检、多维分析，也不能对发生苦瓜枯萎病的苦瓜植株的位置以及监测位置的种植气象条件进行采集反馈，增加了种植人员对发生苦瓜枯萎病植株治理的工作量。
公开号为CN117078456B的中国发明专利公开了一种农林业病虫害监测管理系统，通过采集布设模块，用于将目标监测农林区域按照预设尺寸划分为各子区域，获取各子区域对应的种植物高度，由此按照预设高度间隔布设各高度层，进而在各子区域的各高度层中安装监测设备；信息采集模块，用于按照预设时间间隔布设各采集时间点，进而通过各子区域中各高度层的监测设备采集各子区域中各高度层在各采集时间点对应的病虫害信息，同时获取各子区域中各高度层在各采集时间点对应的温度和湿度；病虫害分析模块，用于根据各子区域中各高度层在各采集时间点对应的病虫害信息，统计各子区域中各高度层在各采集时间点对应各病虫害类型的病虫害数量，并根据各子区域中各高度层在各采集时间点对应的温度和湿度，计算各病虫害类型在各子区域中各高度层对应各采集时间点的环境影响因子，同时获取各子区域中种植物对应的类型，由此计算各子区域对应的病虫害危害评估系数，并判断各子区域对应的病虫害状态，将病虫害状态处于危急状态的各子区域记为各目标子区域；通过以上技术方案实现了病虫害智能化和自动化的监测与分析，大大的保障了病虫害信息监测的完整性，进而提高后续病虫害防护的精准性，也有效减少了种植物的损失，同时提高了种植物的产量和质量；然而技术方案实现对林业种植病虫害进行自主巡检、分析，也不能对发生病虫害的植物坐标和气象条件进行采集反馈。
发明内容
（一）解决的技术问题
为解决上述现有的苦瓜枯萎病病虫害监测大都依赖人工定期巡检或者借助远程巡检机器人进行远程苦瓜枯萎病观察监测，通过人工或借助巡检机器人执行苦瓜枯萎病监测过程，增加了种植人员工作量，降低了苦瓜枯萎病的监测结果精度和效率，也无法实现对苦瓜种植区的苦瓜枯萎病的自主巡检、多维分析，也不能对发生苦瓜枯萎病的苦瓜植株的位置以及监测位置的种植气象条件进行采集反馈，增加了种植人员对发生苦瓜枯萎病植株治理的工作量的问题，实现以上自主规划苦瓜枯萎病巡检路径、多维度可靠分析苦瓜枯萎病结果、苦瓜枯萎病植株坐标和气象条件精准反馈的目的。
（二）技术方案
本发明通过以下技术方案予以实现：一种基于大数据的苦瓜枯萎病监测方法，所述方法包括如下步骤：
S1、采集苦瓜种植区域地理空间模型数据；
S2、对所述苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据；
S3、采用数据识别算法对所述苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据；
S4、监测设备依据所述苦瓜种植枯萎病监测最优路径坐标数据到达苦瓜枯萎病监测点时，采集监测点苦瓜叶生长状态图像特征数据；
S5、采用数据识别算法将所述监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；
S6、当所述苦瓜叶生长状态分析结果数据为枯萎状态时，采集苦瓜叶枯萎状态叶片表面图像特征数据；采用数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据；
S7、当所述苦瓜叶枯萎病判断结果数据为枯萎病时，获取所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据，并采集苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据；将所述苦瓜枯萎病植株综合监测数据反馈到苦瓜种植监测中心。
优选的，所述采集苦瓜种植区域地理空间模型数据的操作步骤如下：
S11、通过三维激光扫描仪扫描苦瓜种植区域的三维空间模型并生成苦瓜种植区
域地理空间模型数据，所述苦瓜种植区域地理空间模型数据包括苦瓜种植地层和苦瓜
植株。
优选的，对所述苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据的操作步骤如下：
S21、对所述苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面
采用边长为的正方形进行平面网格划分；
S22、以所述苦瓜种植区域地理空间模型数据的底面作为坐标系的基面建立空
间直角坐标系，计量平面网格划分的正方形网格交点在所述空间直角坐标系中的坐标值并
生成苦瓜种植区域枯萎病监测点坐标数据集合。
优选的，所述采用数据识别算法对所述苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据的操作步骤如下：
S31、采用数据识别算法对所述苦瓜种植区域枯萎病监测点坐标数据集合进行
分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植
枯萎病监测最优路径坐标数据集合，；其中表示
苦瓜种植枯萎病监测最优路径坐标数据中第个坐标数据；表示苦瓜种植枯萎病监测最
优路径坐标数据数量的最大值；采用数据识别算法计量出所述苦瓜种植枯萎病监测最优路
径坐标数据集合包括以下步骤：
S311、初始化基本控制参数：蛾群体规模N，最大迭代次数T；
S312、初始化蛾群种群：在蛾群初始化阶段，在苦瓜种植区域枯萎病监测点坐标数
据集合的搜索空间中，蛾种群数目为N，随机生成的N只蛾将遵循以下的数学公式：,初始化蛾群个体在苦瓜种植区域枯萎病监测点坐标
数据集合搜索空间的位置；其中表示第个蛾在维搜索空间中位置，即第个蛾在
苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的位置，表示随机函数，和分别表示苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的上界和
下界；
S313、根据目标函数计算适应度值，即在苦瓜种植区域枯萎病监测点坐标数据集
合搜索空间中搜索完成所有的苦瓜种植区域枯萎病监测点的枯萎病监测作业的最优路
径的适应度值，开始算法迭代过程；
S314、根据探路蛾位置，进行探路蛾的位置更新，基于目标函数计算探路蛾个体在
苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中搜索的完成所有的苦瓜种植区域
枯萎病监测点的枯萎病监测作业的最优路径的适应度值，与初始种群适应度值作比较，选
择数值最匹配的蛾个体作为光源，即引导蛾群主体的移动；
S315、在勘探蛾阶段随着迭代次数增加，勘探蛾数目减少，勘探蛾绕探路蛾阶段找
到的光源移动，勘探蛾位置更新计算公式如下：，其中表示在次迭代次数中第
个蛾在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的位置，表示在次迭
代次数中第个蛾在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的位置，
表示在次迭代次数中在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的最优
位置；为螺旋形状常数定义蛾盘旋的形状，其取值范围为之间的随机数，，其中当前迭代次数，表示最大迭代次数，表示的对数值，本算法
中每只蛾的分类是随着迭代次数的变化而变化的，每只蛾找到光源强度值最优的位置时，
将变换为探路蛾，在这个阶段会产生新的光源；蛾依据光源对数螺旋线飞行，计算目标函数
适应度值，如果适应度值优于光源位置的适应度值，勘探蛾将转化为探路蛾；
S316、随着勘探蛾数目的减少，观察蛾的数目增多，观察蛾阶段观察蛾以高斯游走
和学习机制来更新位置，将更新的位置根据目标函数计算适应度函数值，与勘探蛾阶段计
算的适应度值作比较，适应度值大于或等于的观察蛾转化为勘探蛾，适应度值小于的
作为探路蛾；
S317、当达到最大迭代次数时，输出苦瓜种植枯萎病监测最优路径坐标数据集合，否则进入S313步骤继续进入下一代搜索；
优选的，所述监测设备依据所述苦瓜种植枯萎病监测最优路径坐标数据到达苦瓜枯萎病监测点时，采集监测点苦瓜叶生长状态图像特征数据的操作步骤如下：
S41、监测设备依据所述苦瓜种植枯萎病监测最优路径坐标数据集合中的苦瓜
种植枯萎病监测最优路径坐标数据有序到达苦瓜枯萎病监测点时，通过拍摄镜头采集
监测点的苦瓜植株的苦瓜叶生长状态图像并生成监测点苦瓜叶生长状态图像特征数据集
合，；其中表示采集第幅监测点苦瓜叶生长状
态图像特征数据；表示监测点苦瓜叶生长状态图像特征数据数量的最大值；所述监测设
备包括无人机搭载拍摄镜头。
优选的，所述采用数据识别算法将所述监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据的操作步骤如下：
S51、建立苦瓜叶枯萎状态图像特征数据集合， ；其中表示第幅苦瓜叶枯萎状态图像特征数据；表示苦瓜叶枯萎状
态图像特征数据数量的最大值；所述苦瓜叶枯萎状态包括苦瓜叶缺水枯萎状态、苦瓜叶枯
萎病枯萎状态中任意一种；
S52、采用如S31步骤中的数据识别算法将所述监测点苦瓜叶生长状态图像特征数
据集合中的监测点苦瓜叶生长状态图像特征数据有序与苦瓜叶枯萎状态图像特征
数据集合中的苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，
依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；
当与未匹配成功，表示苦瓜叶生长状态处于正常状态，则输出苦瓜叶生长
状态分析结果数据为正常状态；
当与匹配成功，表示苦瓜叶生长状态处于枯萎状态，则输出苦瓜叶生长状
态分析结果数据为枯萎状态。
优选的，当所述苦瓜叶生长状态分析结果数据为枯萎状态时，采集苦瓜叶枯萎状态叶片表面图像特征数据；采用数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据的操作步骤如下：
S61、当所述苦瓜叶生长状态分析结果数据为枯萎状态时，通过拍摄镜头采集枯萎
状态下的苦瓜叶的叶片表面图像特征并建立苦瓜叶枯萎状态叶片表面图像特征数据集合，；其中表示采集的第幅苦瓜叶枯萎状态叶片
表面图像特征数据；表示苦瓜叶枯萎状态叶片表面图像特征数据数量的最大值；
S62、建立苦瓜叶枯萎病斑点图像特征数据集合，；其中表示第幅苦瓜叶枯萎病斑点图像特征数据；表示苦瓜叶枯萎病
斑点图像特征数据数量的最大值，所述苦瓜叶枯萎病斑点表示苦瓜植株发生枯萎病表现特
征为苦瓜叶片表面出现白色斑点；
S63、采用如S31步骤中的数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征
数据集合中的苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征
数据集合中的苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜
叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间
的匹配结果生成苦瓜叶枯萎病判断结果数据；
当与未匹配成功，表示枯萎状态苦瓜叶片表面未出现枯萎病表现特征的斑
点，则输出苦瓜叶枯萎病判断结果数据为非枯萎病，执行按照所述苦瓜种植枯萎病监测
最优路径坐标数据执行下一路径坐标位置的苦瓜植株枯萎病监测作业；
当与匹配成功，表示枯萎状态苦瓜叶片表面出现枯萎病表现特征的斑点，则
输出苦瓜叶枯萎病判断结果数据为枯萎病。
优选的，当所述苦瓜叶枯萎病判断结果数据为枯萎病时，获取所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据，并采集苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据；将所述苦瓜枯萎病植株综合监测数据反馈到苦瓜种植监测中心的操作步骤如下：
S71、当所述苦瓜叶枯萎病判断结果数据为枯萎病时，获取所述苦瓜叶枯萎病判断
结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据，同时分别通过无人机搭载温
度传感器、湿度传感器、光照强度传感器采集所述苦瓜种植枯萎病监测最优路径坐标数据对应位置的发生苦瓜枯萎病植株周围环境的空气温度、空气湿度、太阳光照强度；分别
生成苦瓜枯萎病植株环境数据，其中表示苦
瓜枯萎病植株环境空气温度数据；表示苦瓜枯萎病植株环境空气湿度数据；表示苦瓜枯萎病植株环境太阳光照强度数据；
S72、将所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径
坐标数据、所述苦瓜枯萎病植株环境数据组合生成苦瓜枯萎病植株综合监测数据，将所述苦瓜枯萎病植株综合监测数据通过物联网通信推送反馈到苦
瓜种植监测中心。
实现所述一种基于大数据的苦瓜枯萎病监测方法的系统，所述系统包括苦瓜枯萎病监测路径管理模块、苦瓜枯萎病识别管理模块、苦瓜枯萎病植株信息管理模块；
所述苦瓜枯萎病监测路径管理模块包括苦瓜种植区域地理模型采集单元、苦瓜种植区域地理模型网格化坐标处理单元、苦瓜枯萎病监测路径计量单元；
所述苦瓜种植区域地理模型采集单元，通过三维激光扫描仪采集苦瓜种植区域地理空间模型数据；所述苦瓜种植区域地理模型网格化坐标处理单元，对所述苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据；所述苦瓜枯萎病监测路径计量单元，采用数据识别算法对所述苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据；
所述苦瓜枯萎病识别管理模块包括苦瓜叶生长状态图像采集单元、苦瓜叶枯萎状态图像存储单元、苦瓜叶生长状态结果分析单元、苦瓜叶枯萎状态图像采集单元、苦瓜叶枯萎病斑点图像存储单元、苦瓜枯萎病结果判断单元；
所述苦瓜叶生长状态图像采集单元，通过拍摄镜头采集监测点苦瓜叶生长状态图像特征数据；所述苦瓜叶枯萎状态图像存储单元，用于存储苦瓜叶枯萎状态图像特征数据；所述苦瓜叶生长状态结果分析单元，采用数据识别算法将所述监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；所述苦瓜叶枯萎状态图像采集单元，通过拍摄镜头采集苦瓜叶枯萎状态叶片表面图像特征数据；所述苦瓜叶枯萎病斑点图像存储单元，用于存储苦瓜叶枯萎病斑点图像特征数据；所述苦瓜枯萎病结果判断单元，采用数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据；
所述苦瓜枯萎病植株信息管理模块包括苦瓜枯萎病结果获取单元，苦瓜枯萎病植株空间坐标获取单元，苦瓜枯萎病植株所在空间的温度、湿度、光照强度采集单元，苦瓜枯萎病植株综合信息反馈单元；
所述苦瓜枯萎病结果获取单元，获取所述苦瓜叶枯萎病判断结果数据；所述苦瓜枯萎病植株空间坐标获取单元，获取所述苦瓜种植枯萎病监测最优路径坐标数据；所述苦瓜枯萎病植株所在空间的温度、湿度、光照强度采集单元，分别通过温度传感器、湿度传感器、光照强度传感器采集苦瓜枯萎病植株所在空间温度、湿度、光照强度；所述苦瓜枯萎病植株综合信息反馈单元，将所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据，所述苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据并反馈到苦瓜种植监测中心。
（三）有益效果
本发明提供了一种基于大数据的苦瓜枯萎病监测方法及系统。具备以下有益效果：
一、通过苦瓜种植区域地理模型采集单元和苦瓜种植区域地理模型网格化坐标处理单元相互配合，通过三维激光扫描仪采集苦瓜种植区域三维地理模型并进行水平面方向网格化坐标处理，为实现苦瓜种植区域枯萎病自主监测提供数据支撑；苦瓜枯萎病监测路径计量单元，利用智能识别算法计量出完成苦瓜种植区域枯萎病监测的最短路径，提高了苦瓜种植枯萎病监测作业的效率，实现苦瓜枯萎病监测的智能化作业。
二、通过苦瓜叶生长状态图像采集单元和苦瓜叶生长状态结果分析单元相互配合，使用拍摄镜头精确采集每个监测点的苦瓜植株的叶片生长状态图像参数，同时结合智能识别算法与预设苦瓜叶枯萎状态图像参数进行苦瓜叶片状态分析，实现高效智能分析苦瓜枯萎病初步表现特征判断；苦瓜叶枯萎状态图像采集单元和苦瓜枯萎病结果判断单相互配合，通过拍摄镜头精确采集苦瓜叶枯萎状态叶片表面图像参数，并结合智能识别算法与苦瓜叶枯萎病斑点图像参数进行苦瓜枯萎病斑点表现特征识别分析，通过苦瓜叶片的枯萎状态、枯萎病斑点特征多维度有序分析，不仅提高了苦瓜种植枯萎病识别速度，也提高了苦瓜枯萎病判断结果的可靠性，实现苦瓜种植智能化、科学管理。
三、通过苦瓜枯萎病结果获取单元和苦瓜枯萎病植株空间坐标获取单元相互配合，在线获取发生枯萎病苦瓜植株的识别结果和发病苦瓜植株的空间位置坐标，提高了发病苦瓜植株特征信息灵活、便捷获取；苦瓜枯萎病植株所在空间的温度、湿度、光照强度采集单元，准确通过温度、湿度、光照强度传感器分别采集发病苦瓜植株周围环境的温度、湿度、光照强度参数，有助于发病苦瓜植株的枯萎病发病原因的可靠性分析；苦瓜枯萎病植株综合信息反馈单元，对苦瓜枯萎病植株发病结果、位置、周围环境气象参数进行综合精确反馈，提高了苦瓜枯萎病监测结果的全面性和科学性，提高苦瓜种植的产量和质量。
附图说明
图1为本发明提供的一种基于大数据的苦瓜枯萎病监测系统的模块示意图；
图2为本发明提供的一种基于大数据的苦瓜枯萎病监测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。
该一种基于大数据的苦瓜枯萎病监测方法及系统的实施例如下：
请参阅图1－图2，一种基于大数据的苦瓜枯萎病监测方法，方法包括如下步骤：
S1、采集苦瓜种植区域地理空间模型数据；
S2、对苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据；
S3、采用数据识别算法对苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据；
S4、监测设备依据苦瓜种植枯萎病监测最优路径坐标数据到达苦瓜枯萎病监测点时，采集监测点苦瓜叶生长状态图像特征数据；
S5、采用数据识别算法将监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；
S6、当苦瓜叶生长状态分析结果数据为枯萎状态时，采集苦瓜叶枯萎状态叶片表面图像特征数据；采用数据识别算法将苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据；
S7、当苦瓜叶枯萎病判断结果数据为枯萎病时，获取苦瓜叶枯萎病判断结果数据、苦瓜种植枯萎病监测最优路径坐标数据，并采集苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据；将苦瓜枯萎病植株综合监测数据反馈到苦瓜种植监测中心。
进一步的，请参阅图1－图2，采集苦瓜种植区域地理空间模型数据的操作步骤如下：
S11、通过三维激光扫描仪扫描苦瓜种植区域的三维空间模型并生成苦瓜种植区
域地理空间模型数据，苦瓜种植区域地理空间模型数据包括苦瓜种植地层和苦瓜植株。
对苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据的操作步骤如下：
S21、对苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面采用
边长为的正方形进行平面网格划分；
S22、以苦瓜种植区域地理空间模型数据的底面作为坐标系的基面建立空间直
角坐标系，计量平面网格划分的正方形网格交点在空间直角坐标系中的坐标值并生成苦瓜
种植区域枯萎病监测点坐标数据集合。
采用数据识别算法对苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据的操作步骤如下：
S31、采用数据识别算法对苦瓜种植区域枯萎病监测点坐标数据集合进行分析，
计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎
病监测最优路径坐标数据集合，；其中表示苦瓜
种植枯萎病监测最优路径坐标数据中第个坐标数据；表示苦瓜种植枯萎病监测最优路
径坐标数据数量的最大值；采用数据识别算法计量出苦瓜种植枯萎病监测最优路径坐标数
据集合包括以下步骤：
S311、初始化基本控制参数：蛾群体规模N，最大迭代次数T；
S312、初始化蛾群种群：在蛾群初始化阶段，在苦瓜种植区域枯萎病监测点坐标数
据集合的搜索空间中，蛾种群数目为N，随机生成的N只蛾将遵循以下的数学公式：,初始化蛾群个体在苦瓜种植区域枯萎病监测点坐标
数据集合搜索空间的位置；其中表示第个蛾在维搜索空间中位置，即第个蛾在
苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的位置，表示随机函数，和分别表示苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的上界和
下界；
S313、根据目标函数计算适应度值，即在苦瓜种植区域枯萎病监测点坐标数据集
合搜索空间中搜索完成所有的苦瓜种植区域枯萎病监测点的枯萎病监测作业的最优路
径的适应度值，开始算法迭代过程；
S314、根据探路蛾位置，进行探路蛾的位置更新，基于目标函数计算探路蛾个体在
苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中搜索的完成所有的苦瓜种植区域
枯萎病监测点的枯萎病监测作业的最优路径的适应度值，与初始种群适应度值作比较，选
择数值最匹配的蛾个体作为光源，即引导蛾群主体的移动；
S315、在勘探蛾阶段随着迭代次数增加，勘探蛾数目减少，勘探蛾绕探路蛾阶段找
到的光源移动，勘探蛾位置更新计算公式如下：，其中表示在次迭代次数中第
个蛾在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的位置，表示在次迭
代次数中第个蛾在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的位置，
表示在次迭代次数中在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中的最优
位置；为螺旋形状常数定义蛾盘旋的形状，其取值范围为之间的随机数，，其中当前迭代次数，表示最大迭代次数，表示的对数值，本算法
中每只蛾的分类是随着迭代次数的变化而变化的，每只蛾找到光源强度值最优的位置时，
将变换为探路蛾，在这个阶段会产生新的光源；蛾依据光源对数螺旋线飞行，计算目标函数
适应度值，如果适应度值优于光源位置的适应度值，勘探蛾将转化为探路蛾；
S316、随着勘探蛾数目的减少，观察蛾的数目增多，观察蛾阶段观察蛾以高斯游走
和学习机制来更新位置，将更新的位置根据目标函数计算适应度函数值，与勘探蛾阶段计
算的适应度值作比较，适应度值大于或等于的观察蛾转化为勘探蛾，适应度值小于的
作为探路蛾；
S317、当达到最大迭代次数时，输出苦瓜种植枯萎病监测最优路径坐标数据集合，否则进入S313步骤继续进入下一代搜索；
通过苦瓜种植区域地理模型采集单元和苦瓜种植区域地理模型网格化坐标处理单元相互配合，通过三维激光扫描仪采集苦瓜种植区域三维地理模型并进行水平面方向网格化坐标处理，为实现苦瓜种植区域枯萎病自主监测提供数据支撑；苦瓜枯萎病监测路径计量单元，利用智能识别算法计量出完成苦瓜种植区域枯萎病监测的最短路径，提高了苦瓜种植枯萎病监测作业的效率，实现苦瓜枯萎病监测的智能化作业。
进一步的，请参阅图1－图2，监测设备依据苦瓜种植枯萎病监测最优路径坐标数据到达苦瓜枯萎病监测点时，采集监测点苦瓜叶生长状态图像特征数据的操作步骤如下：
S41、监测设备依据苦瓜种植枯萎病监测最优路径坐标数据集合中的苦瓜种植
枯萎病监测最优路径坐标数据有序到达苦瓜枯萎病监测点时，通过拍摄镜头采集监测
点的苦瓜植株的苦瓜叶生长状态图像并生成监测点苦瓜叶生长状态图像特征数据集合，；其中表示采集第幅监测点苦瓜叶生长状态
图像特征数据；表示监测点苦瓜叶生长状态图像特征数据数量的最大值；监测设备包括
无人机搭载拍摄镜头。
采用数据识别算法将监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据的操作步骤如下：
S51、建立苦瓜叶枯萎状态图像特征数据集合， ；其中表示第幅苦瓜叶枯萎状态图像特征数据；表示苦瓜叶枯萎状
态图像特征数据数量的最大值；苦瓜叶枯萎状态包括苦瓜叶缺水枯萎状态、苦瓜叶枯萎病
枯萎状态中任意一种；
S52、采用如S31步骤中的数据识别算法将监测点苦瓜叶生长状态图像特征数据集
合中的监测点苦瓜叶生长状态图像特征数据有序与苦瓜叶枯萎状态图像特征数据
集合中的苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据
苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；
当与未匹配成功，表示苦瓜叶生长状态处于正常状态，则输出苦瓜叶生长
状态分析结果数据为正常状态；
当与匹配成功，表示苦瓜叶生长状态处于枯萎状态，则输出苦瓜叶生长状
态分析结果数据为枯萎状态。
当苦瓜叶生长状态分析结果数据为枯萎状态时，采集苦瓜叶枯萎状态叶片表面图像特征数据；采用数据识别算法将苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据的操作步骤如下：
S61、当苦瓜叶生长状态分析结果数据为枯萎状态时，通过拍摄镜头采集枯萎状态
下的苦瓜叶的叶片表面图像特征并建立苦瓜叶枯萎状态叶片表面图像特征数据集合，；其中表示采集的第幅苦瓜叶枯萎状态叶片
表面图像特征数据；表示苦瓜叶枯萎状态叶片表面图像特征数据数量的最大值；
S62、建立苦瓜叶枯萎病斑点图像特征数据集合，；其中表示第幅苦瓜叶枯萎病斑点图像特征数据；表示苦瓜叶枯萎病
斑点图像特征数据数量的最大值，所述苦瓜叶枯萎病斑点表示苦瓜植株发生枯萎病表现特
征为苦瓜叶片表面出现白色斑点；
S63、采用如S31步骤中的数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征
数据集合中的苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征
数据集合中的苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜
叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间
的匹配结果生成苦瓜叶枯萎病判断结果数据；
当与未匹配成功，表示枯萎状态苦瓜叶片表面未出现枯萎病表现特征的斑
点，则输出苦瓜叶枯萎病判断结果数据为非枯萎病，执行按照所述苦瓜种植枯萎病监测
最优路径坐标数据执行下一路径坐标位置的苦瓜植株枯萎病监测作业；
当与匹配成功，表示枯萎状态苦瓜叶片表面出现枯萎病表现特征的斑点，则
输出苦瓜叶枯萎病判断结果数据为枯萎病。
通过苦瓜叶生长状态图像采集单元和苦瓜叶生长状态结果分析单元相互配合，使用拍摄镜头精确采集每个监测点的苦瓜植株的叶片生长状态图像参数，同时结合智能识别算法与预设苦瓜叶枯萎状态图像参数进行苦瓜叶片状态分析，实现高效智能分析苦瓜枯萎病初步表现特征判断；苦瓜叶枯萎状态图像采集单元和苦瓜枯萎病结果判断单相互配合，通过拍摄镜头精确采集苦瓜叶枯萎状态叶片表面图像参数，并结合智能识别算法与苦瓜叶枯萎病斑点图像参数进行苦瓜枯萎病斑点表现特征识别分析，通过苦瓜叶片的枯萎状态、枯萎病斑点特征多维度有序分析，不仅提高了苦瓜种植枯萎病识别速度，也提高了苦瓜枯萎病判断结果的可靠性，实现苦瓜种植智能化、科学管理。
进一步的，请参阅图1－图2，当苦瓜叶枯萎病判断结果数据为枯萎病时，获取苦瓜叶枯萎病判断结果数据、苦瓜种植枯萎病监测最优路径坐标数据，并采集苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据；将苦瓜枯萎病植株综合监测数据反馈到苦瓜种植监测中心的操作步骤如下：
S71、当苦瓜叶枯萎病判断结果数据为枯萎病时，获取苦瓜叶枯萎病判断结果数据、苦瓜种植枯萎病监测最优路径坐标数据，同时分别通过无人机搭载温度传感器、湿
度传感器、光照强度传感器采集苦瓜种植枯萎病监测最优路径坐标数据对应位置的发
生苦瓜枯萎病植株周围环境的空气温度、空气湿度、太阳光照强度；分别生成苦瓜枯萎病植
株环境数据，其中表示苦瓜枯萎病植株环境
空气温度数据；表示苦瓜枯萎病植株环境空气湿度数据；表示苦瓜
枯萎病植株环境太阳光照强度数据；
S72、将苦瓜叶枯萎病判断结果数据、苦瓜种植枯萎病监测最优路径坐标数据、苦瓜枯萎病植株环境数据组合生成苦瓜枯萎病植株综合监测数据，将苦瓜枯萎病植株综合监测数据通过物联网通信推送反馈到苦瓜种
植监测中心。
通过苦瓜枯萎病结果获取单元和苦瓜枯萎病植株空间坐标获取单元相互配合，在线获取发生枯萎病苦瓜植株的识别结果和发病苦瓜植株的空间位置坐标，提高了发病苦瓜植株特征信息灵活、便捷获取；苦瓜枯萎病植株所在空间的温度、湿度、光照强度采集单元，准确通过温度、湿度、光照强度传感器分别采集发病苦瓜植株周围环境的温度、湿度、光照强度参数，有助于发病苦瓜植株的枯萎病发病原因的可靠性分析；苦瓜枯萎病植株综合信息反馈单元，对苦瓜枯萎病植株发病结果、位置、周围环境气象参数进行综合精确反馈，提高了苦瓜枯萎病监测结果的全面性和科学性，提高苦瓜种植的产量和质量。
实现一种基于大数据的苦瓜枯萎病监测方法的系统，参阅图1，系统包括苦瓜枯萎病监测路径管理模块、苦瓜枯萎病识别管理模块、苦瓜枯萎病植株信息管理模块；
苦瓜枯萎病监测路径管理模块包括苦瓜种植区域地理模型采集单元、苦瓜种植区域地理模型网格化坐标处理单元、苦瓜枯萎病监测路径计量单元；
苦瓜种植区域地理模型采集单元，通过三维激光扫描仪采集苦瓜种植区域地理空间模型数据；苦瓜种植区域地理模型网格化坐标处理单元，对苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据；苦瓜枯萎病监测路径计量单元，采用数据识别算法对苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据；
苦瓜枯萎病识别管理模块包括苦瓜叶生长状态图像采集单元、苦瓜叶枯萎状态图像存储单元、苦瓜叶生长状态结果分析单元、苦瓜叶枯萎状态图像采集单元、苦瓜叶枯萎病斑点图像存储单元、苦瓜枯萎病结果判断单元；
苦瓜叶生长状态图像采集单元，通过拍摄镜头采集监测点苦瓜叶生长状态图像特征数据；苦瓜叶枯萎状态图像存储单元，用于存储苦瓜叶枯萎状态图像特征数据；苦瓜叶生长状态结果分析单元，采用数据识别算法将监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；苦瓜叶枯萎状态图像采集单元，通过拍摄镜头采集苦瓜叶枯萎状态叶片表面图像特征数据；苦瓜叶枯萎病斑点图像存储单元，用于存储苦瓜叶枯萎病斑点图像特征数据；苦瓜枯萎病结果判断单元，采用数据识别算法将苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据；
苦瓜枯萎病植株信息管理模块包括苦瓜枯萎病结果获取单元，苦瓜枯萎病植株空间坐标获取单元，苦瓜枯萎病植株所在空间的温度、湿度、光照强度采集单元，苦瓜枯萎病植株综合信息反馈单元；
苦瓜枯萎病结果获取单元，获取苦瓜叶枯萎病判断结果数据；苦瓜枯萎病植株空间坐标获取单元，获取苦瓜种植枯萎病监测最优路径坐标数据；苦瓜枯萎病植株所在空间的温度、湿度、光照强度采集单元，分别通过温度传感器、湿度传感器、光照强度传感器采集苦瓜枯萎病植株所在空间温度、湿度、光照强度；苦瓜枯萎病植株综合信息反馈单元，将苦瓜叶枯萎病判断结果数据、苦瓜种植枯萎病监测最优路径坐标数据，苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据并反馈到苦瓜种植监测中心。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于大数据的苦瓜枯萎病监测方法，其特征在于，所述方法包括如下步骤：
S1、采集苦瓜种植区域地理空间模型数据；
S2、对所述苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面进行平面网格划分，建立空间直角坐标系计量平面网格交点的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据；
S3、采用数据识别算法对所述苦瓜种植区域枯萎病监测点坐标数据进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据；
S4、监测设备依据所述苦瓜种植枯萎病监测最优路径坐标数据到达苦瓜枯萎病监测点时，采集监测点苦瓜叶生长状态图像特征数据；
S5、采用数据识别算法将所述监测点苦瓜叶生长状态图像特征数据与苦瓜叶枯萎状态图像特征数据进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；
S6、当所述苦瓜叶生长状态分析结果数据为枯萎状态时，采集苦瓜叶枯萎状态叶片表面图像特征数据；采用数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征数据与苦瓜叶枯萎病斑点图像特征数据进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据；
S7、当所述苦瓜叶枯萎病判断结果数据为枯萎病时，获取所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据，并采集苦瓜枯萎病植株所在空间温度、湿度、光照强度组合生成苦瓜枯萎病植株综合监测数据；将所述苦瓜枯萎病植株综合监测数据反馈到苦瓜种植监测中心。
2.根据权利要求1所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S1包括以下步骤：
S11、通过三维激光扫描仪扫描苦瓜种植区域的三维空间模型并生成苦瓜种植区域地理空间模型数据，所述苦瓜种植区域地理空间模型数据包括苦瓜种植地层和苦瓜植株。
3.根据权利要求2所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S2包括以下步骤：
S21、对所述苦瓜种植区域地理空间模型数据沿着苦瓜植株高度方向的水平面采用边长为/>的正方形进行平面网格划分；
S22、以所述苦瓜种植区域地理空间模型数据的底面作为坐标系的基面建立空间直角坐标系，计量平面网格划分的正方形网格交点在所述空间直角坐标系中的坐标值并生成苦瓜种植区域枯萎病监测点坐标数据集合/>。
4.根据权利要求3所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S3包括以下步骤：
S31、采用数据识别算法对所述苦瓜种植区域枯萎病监测点坐标数据集合进行分析，计量出完成苦瓜种植区间所有监测点的枯萎病监测作业的最短路径并生成苦瓜种植枯萎病监测最优路径坐标数据集合/>，/>；其中/>表示苦瓜种植枯萎病监测最优路径坐标数据中第/>个坐标数据；/>表示苦瓜种植枯萎病监测最优路径坐标数据数量的最大值；采用数据识别算法计量出所述苦瓜种植枯萎病监测最优路径坐标数据集合/>包括以下步骤：
S311、初始化基本控制参数：蛾群体规模N，最大迭代次数T；
S312、初始化蛾群种群：在蛾群初始化阶段，在苦瓜种植区域枯萎病监测点坐标数据集合的搜索空间中，蛾种群数目为N，随机生成的N只蛾；
S313、根据目标函数计算适应度值，即在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中搜索完成所有的苦瓜种植区域枯萎病监测点的枯萎病监测作业的最优路径的适应度值，开始算法迭代过程；
S314、根据探路蛾位置，进行探路蛾的位置更新，基于目标函数计算探路蛾个体在苦瓜种植区域枯萎病监测点坐标数据集合搜索空间中搜索的完成所有的苦瓜种植区域枯萎病监测点的枯萎病监测作业的最优路径的适应度值，与初始种群适应度值作比较，选择数值最匹配的蛾个体作为光源，即引导蛾群主体的移动；
S315、在勘探蛾阶段随着迭代次数增加，勘探蛾数目减少，勘探蛾绕探路蛾阶段找到的光源移动；
S316、随着勘探蛾数目的减少，观察蛾的数目增多，观察蛾阶段观察蛾以高斯游走和学习机制来更新位置，将更新的位置根据目标函数计算适应度函数值，与勘探蛾阶段计算的适应度值作比较，适应度值大于或等于的观察蛾转化为勘探蛾，适应度值小于/>的作为探路蛾；
S317、当达到最大迭代次数时，输出苦瓜种植枯萎病监测最优路径坐标数据集合，否则进入S313步骤继续进入下一代搜索。
5.根据权利要求4所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S4包括以下步骤：
S41、监测设备依据所述苦瓜种植枯萎病监测最优路径坐标数据集合中的苦瓜种植枯萎病监测最优路径坐标数据/>有序到达苦瓜枯萎病监测点时，通过拍摄镜头采集监测点的苦瓜植株的苦瓜叶生长状态图像并生成监测点苦瓜叶生长状态图像特征数据集合，/>；其中/>表示采集第/>幅监测点苦瓜叶生长状态图像特征数据；/>表示监测点苦瓜叶生长状态图像特征数据数量的最大值；所述监测设备包括无人机搭载拍摄镜头。
6.根据权利要求5所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S5包括以下步骤：
S51、建立苦瓜叶枯萎状态图像特征数据集合，/> ；其中/>表示第/>幅苦瓜叶枯萎状态图像特征数据；/>表示苦瓜叶枯萎状态图像特征数据数量的最大值；所述苦瓜叶枯萎状态包括苦瓜叶缺水枯萎状态、苦瓜叶枯萎病枯萎状态中任意一种；
S52、采用如S31步骤中的数据识别算法将所述监测点苦瓜叶生长状态图像特征数据集合中的监测点苦瓜叶生长状态图像特征数据/>有序与苦瓜叶枯萎状态图像特征数据集合/>中的苦瓜叶枯萎状态图像特征数据/>进行苦瓜叶生长状态的图像特征匹配，依据苦瓜叶生长状态的图像特征匹配结果生成苦瓜叶生长状态分析结果数据；
当与/>未匹配成功，表示苦瓜叶生长状态处于正常状态，则输出苦瓜叶生长状态分析结果数据为正常状态；
当与/>匹配成功，表示苦瓜叶生长状态处于枯萎状态，则输出苦瓜叶生长状态分析结果数据为枯萎状态。
7.根据权利要求6所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S6包括以下步骤：
S61、当所述苦瓜叶生长状态分析结果数据为枯萎状态时，通过拍摄镜头采集枯萎状态下的苦瓜叶的叶片表面图像特征并建立苦瓜叶枯萎状态叶片表面图像特征数据集合，/>；其中/>表示采集的第/>幅苦瓜叶枯萎状态叶片表面图像特征数据；/>表示苦瓜叶枯萎状态叶片表面图像特征数据数量的最大值；
S62、建立苦瓜叶枯萎病斑点图像特征数据集合，；其中/>表示第/>幅苦瓜叶枯萎病斑点图像特征数据；/>表示苦瓜叶枯萎病斑点图像特征数据数量的最大值，所述苦瓜叶枯萎病斑点表示苦瓜植株发生枯萎病表现特征为苦瓜叶片表面出现白色斑点；
S63、采用如S31步骤中的数据识别算法将所述苦瓜叶枯萎状态叶片表面图像特征数据集合中的苦瓜叶枯萎状态叶片表面图像特征数据/>与苦瓜叶枯萎病斑点图像特征数据集合/>中的苦瓜叶枯萎病斑点图像特征数据/>进行苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像特征匹配，依据苦瓜叶叶片表面图像特征、苦瓜叶枯萎病斑点图像之间的匹配结果生成苦瓜叶枯萎病判断结果数据/>；
当与/>未匹配成功，表示枯萎状态苦瓜叶片表面未出现枯萎病表现特征的斑点，则输出苦瓜叶枯萎病判断结果数据/>为非枯萎病，执行按照所述苦瓜种植枯萎病监测最优路径坐标数据/>执行下一路径坐标位置的苦瓜植株枯萎病监测作业；
当与/>匹配成功，表示枯萎状态苦瓜叶片表面出现枯萎病表现特征的斑点，则输出苦瓜叶枯萎病判断结果数据/>为枯萎病。
8.根据权利要求7所述的一种基于大数据的苦瓜枯萎病监测方法，其特征在于：所述S7包括以下步骤：
S71、当所述苦瓜叶枯萎病判断结果数据为枯萎病时，获取所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据/>，同时分别通过无人机搭载温度传感器、湿度传感器、光照强度传感器采集所述苦瓜种植枯萎病监测最优路径坐标数据/>对应位置的发生苦瓜枯萎病植株周围环境的空气温度、空气湿度、太阳光照强度；分别生成苦瓜枯萎病植株环境数据/>，其中/>表示苦瓜枯萎病植株环境空气温度数据；/>表示苦瓜枯萎病植株环境空气湿度数据；表示苦瓜枯萎病植株环境太阳光照强度数据；
S72、将所述苦瓜叶枯萎病判断结果数据、所述苦瓜种植枯萎病监测最优路径坐标数据/>、所述苦瓜枯萎病植株环境数据/>组合生成苦瓜枯萎病植株综合监测数据，将所述苦瓜枯萎病植株综合监测数据/>通过物联网通信推送反馈到苦瓜种植监测中心。
9.实现如权利要求1-8中任意一项所述的一种基于大数据的苦瓜枯萎病监测方法的系统，其特征在于：所述系统包括苦瓜枯萎病监测路径管理模块、苦瓜枯萎病识别管理模块、苦瓜枯萎病植株信息管理模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410282958.8A CN117877024B (zh) | 2024-03-13 | 2024-03-13 | 一种基于大数据的苦瓜枯萎病监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410282958.8A CN117877024B (zh) | 2024-03-13 | 2024-03-13 | 一种基于大数据的苦瓜枯萎病监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117877024A true CN117877024A (zh) | 2024-04-12 |
| CN117877024B CN117877024B (zh) | 2024-08-20 |
Family
ID=90590439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410282958.8A Active CN117877024B (zh) | 2024-03-13 | 2024-03-13 | 一种基于大数据的苦瓜枯萎病监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117877024B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109871029A (zh) * | 2019-02-21 | 2019-06-11 | 华南农业大学 | 一种基于图像处理技术的植保无人机航线规划优化方法 |
| CN110852282A (zh) * | 2019-11-13 | 2020-02-28 | 榆林学院 | 一种基于机器视觉的农田病害监测系统 |
| CN111061322A (zh) * | 2019-12-04 | 2020-04-24 | 山东沐雨天禾智慧农业有限公司 | 一种基于人工智能水肥一体化系统 |
| CN111624929A (zh) * | 2020-06-16 | 2020-09-04 | 许辉 | 一种基于大数据的高压配电室安全智能监测调控系统 |
| CN112364725A (zh) * | 2020-10-27 | 2021-02-12 | 广东技术师范大学 | 基于小型无人机群的棉花虫害立体监测方法与系统 |
| CN112883230A (zh) * | 2021-02-08 | 2021-06-01 | 山东省农业科学院科技信息研究所 | 马铃薯生产管理系统 |
| CN112903710A (zh) * | 2021-01-22 | 2021-06-04 | 山东高速工程检测有限公司 | 桥梁表观病害的监测方法、系统及装置 |
| CA3170566A1 (en) * | 2020-03-11 | 2021-09-16 | Viewnetic Ltd. | Systems and methods for monitoring plants in plant growing areas |
| CN114529816A (zh) * | 2022-02-18 | 2022-05-24 | 重庆市农业科学院 | 一种基于图像识别的茶园病虫害监测系统 |
| CN114565242A (zh) * | 2022-02-15 | 2022-05-31 | 石河子大学 | 一种综合低碳能源基地选址智能优化方法及装置 |
| CN115330189A (zh) * | 2022-08-11 | 2022-11-11 | 杭州电子科技大学 | 一种基于改进飞蛾火焰算法的工作流优化调度方法 |
| CN115952935A (zh) * | 2022-11-30 | 2023-04-11 | 淮阴工学院 | 一种基于改进袋獾优化算法的无人机路径规划方法 |
-
2024
- 2024-03-13 CN CN202410282958.8A patent/CN117877024B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109871029A (zh) * | 2019-02-21 | 2019-06-11 | 华南农业大学 | 一种基于图像处理技术的植保无人机航线规划优化方法 |
| CN110852282A (zh) * | 2019-11-13 | 2020-02-28 | 榆林学院 | 一种基于机器视觉的农田病害监测系统 |
| CN111061322A (zh) * | 2019-12-04 | 2020-04-24 | 山东沐雨天禾智慧农业有限公司 | 一种基于人工智能水肥一体化系统 |
| CA3170566A1 (en) * | 2020-03-11 | 2021-09-16 | Viewnetic Ltd. | Systems and methods for monitoring plants in plant growing areas |
| CN111624929A (zh) * | 2020-06-16 | 2020-09-04 | 许辉 | 一种基于大数据的高压配电室安全智能监测调控系统 |
| CN112364725A (zh) * | 2020-10-27 | 2021-02-12 | 广东技术师范大学 | 基于小型无人机群的棉花虫害立体监测方法与系统 |
| CN112903710A (zh) * | 2021-01-22 | 2021-06-04 | 山东高速工程检测有限公司 | 桥梁表观病害的监测方法、系统及装置 |
| CN112883230A (zh) * | 2021-02-08 | 2021-06-01 | 山东省农业科学院科技信息研究所 | 马铃薯生产管理系统 |
| CN114565242A (zh) * | 2022-02-15 | 2022-05-31 | 石河子大学 | 一种综合低碳能源基地选址智能优化方法及装置 |
| CN114529816A (zh) * | 2022-02-18 | 2022-05-24 | 重庆市农业科学院 | 一种基于图像识别的茶园病虫害监测系统 |
| CN115330189A (zh) * | 2022-08-11 | 2022-11-11 | 杭州电子科技大学 | 一种基于改进飞蛾火焰算法的工作流优化调度方法 |
| CN115952935A (zh) * | 2022-11-30 | 2023-04-11 | 淮阴工学院 | 一种基于改进袋獾优化算法的无人机路径规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117877024B (zh) | 2024-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12082541B2 (en) | Plant treatment based on morphological and physiological measurements | |
| Narvaez et al. | A survey of ranging and imaging techniques for precision agriculture phenotyping | |
| JP7086203B2 (ja) | 植物体耕作データ測定方法、作業経路計画方法及び装置、システム | |
| US11432470B2 (en) | Information processing apparatus, information processing method, and vegetation management system | |
| US20160302351A1 (en) | Agronomic systems, methods and apparatuses | |
| JP6616378B2 (ja) | 情報処理システム及びプログラム | |
| US20220272907A1 (en) | Automated plant monitoring systems and methods | |
| WO2021198731A1 (en) | An artificial-intelligence-based method of agricultural and horticultural plants' physical characteristics and health diagnosing and development assessment. | |
| CN108633533A (zh) | 树木自动抚育方法、装置、电子设备及存储介质 | |
| Kurtser et al. | RGB-D datasets for robotic perception in site-specific agricultural operations—A survey | |
| CN117877024B (zh) | 一种基于大数据的苦瓜枯萎病监测方法及系统 | |
| US20230359889A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
| KR20220107428A (ko) | 정밀농업 관리 시스템 | |
| JP6616377B2 (ja) | 情報処理システム及びプログラム | |
| Avtar et al. | Applications of UAVs in plantation health and area management in Malaysia | |
| Jyothi et al. | Tree Mulberry Crop Acreage and Leaf Yield Estimation Using Remote Sensing and Geographical Information System | |
| WO2023247209A1 (en) | Apparatus and method for measuring insect activity | |
| Lopez | Regression analysis of UAV collected cotton crop data for yield prediction | |
| Xin et al. | Melon Growth Detection Strategy Using Artificial Intellegence in Greenhouse Cultivation | |
| WO2023170673A1 (en) | System and method for controlling plant reproductive structures thinning | |
| WO2024069631A1 (en) | Plant phenotyping | |
| CN117911517A (zh) | 一种旱地荞麦授粉方法 | |
| Bargoti et al. | Trunk localisation in trellis structured orchards | |
| Chouhan et al. | UTILITY OF RS, GIS AND GPS IN AGRICULTURE AND ALLIED SCIENCES |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |