CN118397463B - 一种高山蔬菜病虫害预警与识别方法及系统 - Google Patents

Abstract

本申请公开了一种高山蔬菜病虫害预警与识别方法及系统，涉及农业病虫害防治技术领域。包括由多个不同地区的数据库通信连接组成的通信网，任一地区识别出现病虫害时，将本次病虫害信息数据同步至通信网；获取通信网中所有地区的信息数据，根据本地区的信息数据关联参考区域；当通信网中同步病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的参考区域，则本地区进入第一预警状态，第一预警状态为在本地区根据参考区域发生的病虫害种类，采用对应防治措施，通过通信网减少地区之间距离导致的信息传递限制，如发生病虫害的地区为本地区的参考区域，进行提醒后对该病虫害进行应对，减少感染风险，以及感染后减少损失。

Description

一种高山蔬菜病虫害预警与识别方法及系统

技术领域

本申请涉及农业病虫害防治领域，具体涉及一种高山蔬菜病虫害预警与识别方法及系统。

背景技术

蔬菜作为人们日常所需的食物，蔬菜种类繁多且种植需求较大，而病虫害作为从播种到收获一直伴随着蔬菜的威胁，但是病虫害种类繁多、形态各异，发生规律也难以预知，而蔬菜一旦感染病虫害后极容易影响蔬菜品质，甚至导致蔬菜的减产绝产，对农户造成大量损失，因此有效预测判断某一区域某一时段可能会发生的病虫害种类，对指导种植生产至关重要。

目前，农户对病虫害的预警主要通过邻里之间的口头信息相传而得知，在何时、何处发生了什么种类的病虫害，进而判断是否需要对自家田地进行对应防治，但这种获取病虫害信息的途径方式不稳定，且效率低下，更重要的是邻里之间消息传播距离有限，难以得知更大范围的病虫害信息，很难适应现代化高效农业的需求，总体而言，现有病虫害风险预警方法还比较粗放，因此需要一种病虫害预警和识别的方法和系统，通过获取与自身位置相邻或环境数据相似的参考区域是否发生病虫害，进而可以提前对该种病虫害进行针对性的防治和识别，一方面有效减少蔬菜感染病虫害的风险，另一方面可以对该种病虫害进行针对性识别，实现病虫害的早发现早治疗，有效减少农户损失。

发明内容

本申请针对现有获取病虫害信息的途径方式不稳定，且效率低下，更重要的是邻里之间消息传播距离有限，难以得知更大范围的病虫害信息的问题，提供一种病虫害预警和识别的方法和系统，通过获取与自身位置相邻或环境数据相似的参考区域是否发生病虫害，进而可以提前对该种病虫害进行针对性的防治和识别，一方面有效减少蔬菜感染病虫害的风险，另一方面可以对该种病虫害进行针对性识别，实现病虫害的早发现早治疗，有效减少农户损失，具体技术方案如下：

在本申请的第一方面，提供一种高山蔬菜病虫害预警与识别方法，包括步骤：

建立通信网，所述通信网由多个不同地区的数据库通信连接组成，当所述通信网中任一地区识别出现病虫害时，将本次病虫害信息数据同步至所述通信网供其他地区获取；

具体通过获取各类病虫害的表现图像，所述表现图像用于训练第一识别模型，当所述通信网中的任一地区中出现病虫害时，通过训练好的第一识别模型自动识别出所述病虫害的种类，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网；

获取所述通信网中所有地区的信息数据，所述信息数据包括位置信息和环境信息，根据本地区的所述信息数据关联参考区域，所述参考区域为与本地区位置信息相邻的地区和/或与本地区所述环境信息相似的地区；

当所述通信网中同步所述病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的所述参考区域，则本地区进入第一预警状态，所述第一预警状态为在本地区根据所述参考区域发生的病虫害种类，采用对应防治措施。

在本申请一实施例中，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网的步骤中，还包括：

所述第一识别模型将识别出所述病虫害的种类时的图像进行保存，与所述病虫害的种类一同作为本次病虫害信息数据同步至所述通信网；

所述第一预警状态还包括：

获取所述参考区域发生的病虫害种类的表现图像，以及所述病虫害信息数据中图像，输入所述第二识别模型进行训练，通过训练好的第二识别模型在本地区内，对所述参考区域发生的病虫害种类进行识别。

在本申请一实施例中，还包括：

在本地区的田地中识别出病虫害，将识别出病虫害的位置作为初始点位，各地表与所述初始点位不同距离范围划分不同等级预警区，距离越近预警区等级越高；

对不同等级的预警区采用不同的防治频率，预警区等级越高防治频率越高，同时所述第二识别模型对预警区等级越高的区域调用更多的识别通道和/或更高的识别频率进行识别。

在本申请一实施例中，所述地表与所述初始点位不同距离范围划分不同等级预警区的步骤中，还包括对不同等级预警区与所述初始点位的距离范围进行动态仿真，具体为：

通过湿度传感器对田地范围内的土壤湿度以及空气湿度进行获取，当土壤湿度以及空气湿度越大，则各预警区的覆盖面积越大，且预警区等级越高，覆盖面积增大的越多；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风速偏移，风速越高偏移量越大，偏移方向根据风向确定；

保留各等级预警区在各方向上距离所述初始点位的最远距离作为各等级预警区的覆盖范围，保留时间为当前所患病虫害种类从感染蔬菜至蔬菜出现可识别出的病症所需时间。

在本申请一实施例中，对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，当所述初始点位在具有上下高度差高山蔬菜田地时，还包括：

所述第一识别模型获取高山蔬菜田地图像，通过高山蔬菜田地图像得出田地坡度值，所述湿度传感器识别出田地范围内出现降雨或灌溉时，各预警区的覆盖范围向田地低处偏移，降雨量或灌溉量越大，和/或坡度值越大，则偏移量越大。

在本申请一实施例中，所述对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类进行类型区分，所述病虫害的类型包括土传性病虫害和风传性病虫害，所述风传性病虫害在降雨量或灌溉量越大，和/或坡度值越大，所得到的偏移量，相对所述土传性病虫害的更大；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风向和风速进行偏移，风速越高偏移量越大；同时所述风传性病虫害在风速越高，所得到的偏移量，相对所述土传性病虫害的更大。

在本申请一实施例中，所述对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类获取该病虫害种类适宜生长的温度数据，通过温度传感器可分别获取田地的地表上和地表下的实时温度，如所述病虫害为所述土传性病虫害，则采用地表下的实时温度；如所述病虫害为所述风传性病虫害，则采用地表上的实时温度，所述实时温度与该病虫害适宜生长的温度数据越接近，则该病虫害活性越高，进而各预警区的覆盖面积越大。

在本申请一实施例中，所述防治措施中包括对已经患病和所述预警区内的蔬菜进行对应病虫害的消杀，具体的，获取不同所述预警区的防治频次，获取下一次消杀时间区间的温度预测数据，选择与所述病虫害种类适宜生长的温度数据差异最大的时间，进行消杀操作。

在本申请一实施例中，根据多处所述初始点位形成多组所述预警区，不同组的所述预警区的重合部分，按重合部分里所述预警区的最高等级，再上调一级确定为重合部分的等级。

在本申请的第二方面，提供一种高山蔬菜病虫害预警与识别系统，包括：

信息共享模块，建立通信网，所述通信网由多个不同地区的数据库通信连接组成，当所述通信网中任一地区识别出现病虫害时，将本次病虫害信息数据同步至所述通信网供其他地区获取；

第一识别子模块，具体通过获取各类病虫害的表现图像，所述表现图像用于训练第一识别模型，当所述通信网中的任一地区中出现病虫害时，通过训练好的第一识别模型自动识别出所述病虫害的种类，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网；

区域关联模块，获取所述通信网中所有地区的信息数据，所述信息数据包括位置信息和环境信息，根据本地区的所述信息数据关联参考区域，所述参考区域为与本地区位置信息相邻的地区和/或与本地区所述环境信息相似的地区；

预警防治模块，当所述通信网中同步所述病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的所述参考区域，则本地区进入第一预警状态，所述第一预警状态为在本地区根据所述参考区域发生的病虫害种类，采用对应防治措施。

本申请具有以下有益效果：

1、通过建立所述通信网将各个地区通信连接，减少了地区之间由于距离导致的信息传递限制，同时训练所述第一识别模型，对各地区的病虫害进行识别，当识别出病虫害后将病虫害种类作为病虫害数据第一时间共享至所述通信网，供其他地区获取，消息获取传递稳定，避免人为识别的主观影响和识别不及时，如发生病虫害的地区为自己地区的参考区域，则主动对工作人员进行提醒，使自己地区进入第一预警状态，可以早对该病虫害进行应对，最大程度减少感染风险，以及感染后最大程度减少损失。

2、获取识别出的病虫害的图像，与该种病虫害的现有图像一同作为训练集对所述第二识别图像进行训练，训练好的第二识别模型单独在对本地区内，对所述参考区域发生的病虫害种类进行识别，所述第一识别模型与所述第二识别模型可以位于同一图像采集器内，但使用不同的计算通道，本地区没有处于所述第一预警状态时，所述第二识别模型可以同所述第一识别模型一起对本地区进行监控识别，也可以节省资源，所述第二识别模型不进行识别，而本地区处于所述第一预警状态时，所述第二识别模型独立的对所述参考区域发生的病虫害种类进行识别，而第一识别模型依旧对各种病虫害进行大范围的识别，其中自然也包括所述参考区域发生的病虫害种类，通过占用更多识别通道，针对性的对所述参考区域发生的病虫害种类进行识别，而将参考区域的病虫害图像作为训练集对所述第二识别模型进行训练，增大本次病虫害的特征占比，实现如本地区发生所述参考区域同种的病虫害，可以尽早的发现，尽早开始治疗处理有利于降低损失。

3、由于害虫或病菌传播有传播限制，因此距离已经感染了病虫害的蔬菜植株越近越容易感染，因此以与感染蔬菜植株作为原点，也就是初始点位，以与所述初始点位的距离为所述预警区划分等级的依据，距离越近等级越高，等级越高的所述预警区采用更高的防治频率，例如最高为五级的五级预警区采用一天三次农药喷洒，而最低等级的一级预警区采用三天一次农药喷洒；另外所述第二识别模型对预警区等级越高的区域调用更多的识别通道和/或更高的识别频率进行识别，这里的识别通道可以理解为采用更多的算力用于等级更高的区域，或者如果有多台设备均设置有所述第二识别模型，则等级越高的区域采用更多的设备进行图像采集；进一步的病虫害开始传染后，田地内会有多处感染蔬菜植株，也就是有多个初始点位，而对于距离较近的初始点位进行多组预警区，则容易产生重合部分，将重合部分内预警区的最高等级再进行提高，因为重合部分将受到来着不止一处所述初始点位的传染风险，相对单一预警区需要更加高频率的防治措施。

4、通过引入湿度传感器得出的湿度数据和风向传感器的风向风速数据作为影响因子，对预警区域的范围进行动态仿真，湿度数据和风向风速数据实时变化，对应预警区域的范围也实时变化，然而对于变化的预警区，由于通常蔬菜植株感染病虫害后不会立即出现病症而被识别出，因此，将动态预警区的最大范围进行保留，保留时间为初始点位病虫害种类从感染到出现病症的时间，该时间可以通过互联网络进行获取。

5、由于高山蔬菜种植环境所限，考虑到坡度对病虫害传播的影响，引入坡度值，在下雨或灌溉时，水接触蔬菜叶面、根茎或地面后，由于重力的影响，水滴携带这病菌孢子更多的会向海拔低处移动，因此降雨或灌溉时，各预警区的覆盖范围向田地低处偏移，降雨量或灌溉量越大，和/或坡度值越大，则偏移量越大；进一步的识别病虫害种类，以及该病虫害的传播属性，在不同环境条件下，不同传播属性的病虫害的预警区偏移量不同。

6、通过温度传感器获取温度数据，而由于蔬菜品种不同，部分蔬菜叶面距离地面较远，同时由于蔬菜叶面对地面的遮挡，以及地面对蔬菜根部的遮挡，导致地表以上温度和地表以下温度具有差值，此时结合土传性病虫害和风传性病虫害的生存特性，土传性病虫害采用地表下实时温度，风传性病虫害使用地表上实时温度，当实时温度越接近病虫害自己适宜温度时，各预警区的覆盖面积越大；进一步的，获取不同所述预警区的防治频次，获取下一次消杀时间区间的温度预测数据，选择与所述病虫害种类适宜生长的温度数据差异最大的时间，例如，二级预警区需要在消杀后6-12小时内，进行下一次消杀，此时通过温度预测获取消杀后6小时到12小时之间的温度预测数据，选择与该种病虫害适宜温度差距最大的温度，该温度对应的时间进行消杀，而高山环境的昼夜温差较大，也更容易选择在病虫害活性最低时进行消杀操作。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本申请实施例涉及的硬件运行环境的电子设备结构示意图。

图2是本申请实施例提供的一种高山蔬菜病虫害预警与识别方法的步骤流程图。

图3是本申请实施例提供的一种高山蔬菜病虫害预警与识别方法的功能模块示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

下面结合附图对本申请的方案进一步说明。

如图1所示，该电子设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块、病虫害预警与识别系统以及存储器。

在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中，电子设备通过处理器1001调用存储器1005中存储的一种高山蔬菜病虫害预警与识别方法，并执行本申请实施例提供的一种高山蔬菜病虫害预警与识别系统。

基于前述硬件运行环境和系统架构，在本申请的第一方面，参照图2所示，提供一种高山蔬菜病虫害预警与识别方法，步骤包括：

建立通信网，所述通信网由多个不同地区的数据库通信连接组成，当所述通信网中任一地区识别出现病虫害时，将本次病虫害信息数据同步至所述通信网供其他地区获取；

需要说明的是，不同地区通过审核后加入所述通信网，在所述通信网内发布以及共享自己地区内的病虫害信息，多个不同地区的数据库通信互通，所述通信网内各地区均可以查看其他地区以及本地区的病虫害信息，所述病虫害信息包括当前和历史病虫害的种类、持续时间和防治措施及效果；不同地区的数据库可以选择主动或被动接收其他地区的病虫害信息，以作为本地区病虫害防治的参考信息；通过建立这种分布式的数据库，实现了统一的参数存储、兼容性高、灵活多变的参数机制及访问机制，最大限度解除参数结构及访问规则与应用代码之间的耦合。既避免了应用代码因参数调整而反复修改，也减少应用代码的开发复杂度，提高容错性。满足尽量少改代码甚至不改代码的情况下，通过参数配置便快速响应业务需要的要求；

具体通过获取各类病虫害的表现图像，所述表现图像用于训练第一识别模型，当所述通信网中的任一地区中出现病虫害时，通过训练好的第一识别模型自动识别出所述病虫害的种类，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网；

需要说明的是，所述病虫害信息可以通过人工对病虫害进行识别后，手动进行上传至所述通信网，但由于识别需要较长时间的经验积累以及带有主观性容易出现识别错误，且对于面积较广的地区，对整个区域进行识别费时费力，也容易出现疏漏，因此本实施方式中，通过训练所述第一识别模型，对各地区内进行各种病虫害的识别，识别出所述病虫害种类后直接上传所述通信网，方便快捷，信息更新及时，所述第一识别模型可以配置在监控摄像头、无人机摄像头以及遥感监控等可以采集图像的设备上；

获取所述通信网中所有地区的信息数据，所述信息数据包括位置信息和环境信息，根据本地区的所述信息数据关联参考区域，所述参考区域为与本地区位置信息相邻的地区和/或与本地区所述环境信息相似的地区；

当所述通信网中同步所述病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的所述参考区域，则本地区进入第一预警状态，所述第一预警状态为在本地区根据所述参考区域发生的病虫害种类，采用对应防治措施。

需要说明的是，所述位置信息包括地区内各位置的经纬度以及海拔高度，所述环境信息包括温度、湿度等影响病虫害生长的数据种类，通过经纬度以及海拔高度可得出与自己地区地理位置相邻的地区，如相邻地区发生病虫害，则有可能传播至自己地区，因此将地理位置相邻的地区作为参考区域，当参考区域出现病虫害时，自己地区进入所述第一预警状态，提前对相邻地区所发生的病虫害种类进行针对性防治；同理，通过环境信息可得出与自己地区环境相似的地区，如环境相似地区发生病虫害，则自己地区环境也适宜该病虫害的发生，因此将环境数据相似的地区也作为参考区域，当参考区域出现病虫害时，自己地区进入所述第一预警状态，提前对相邻地区所发生的病虫害种类进行针对性防治；而所述针对性防治包括提前使用针对该种病虫害的农药对农场周边进行喷洒、采用覆膜减少蔬菜接触到病虫害的可能、工作人员进入农场前进行消杀等方式，以及一些地区，例如，高山蔬菜种植区交通相对困难，距离集市也相对远，所述针对性防治还可以包括提前准备针对该种病虫害的农药；

在本实施方式中，通过建立所述通信网将各个地区通信连接，减少了地区之间由于距离导致的信息传递限制，同时训练所述第一识别模型，对各地区的病虫害进行识别，当识别出病虫害后将病虫害种类作为病虫害数据第一时间共享至所述通信网，供其他地区获取，消息获取传递稳定，避免人为识别的主观影响和识别不及时，如发生病虫害的地区为自己地区的参考区域，则主动对工作人员进行提醒，使自己地区进入第一预警状态，可以早对该病虫害进行应对，最大程度减少感染风险，以及感染后最大程度减少损失。

在本申请一实施例中，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网的步骤中，还包括：

所述第一识别模型将识别出所述病虫害的种类时的图像进行保存，与所述病虫害的种类一同作为本次病虫害信息数据同步至所述通信网；

所述第一预警状态还包括：

获取所述参考区域发生的病虫害种类的表现图像，以及所述病虫害信息数据中图像，输入所述第二识别模型进行训练，通过训练好的第二识别模型在本地区内，对所述参考区域发生的病虫害种类进行识别。

在本实施方式中，获取识别出的病虫害的图像，与该种病虫害的现有图像一同作为训练集对所述第二识别图像进行训练，训练好的第二识别模型单独在对本地区内，对所述参考区域发生的病虫害种类进行识别，所述第一识别模型与所述第二识别模型可以位于同一图像采集器内，但使用不同的计算通道，本地区没有处于所述第一预警状态时，所述第二识别模型可以同所述第一识别模型一起对本地区进行监控识别，也可以节省资源，所述第二识别模型不进行识别，而本地区处于所述第一预警状态时，所述第二识别模型独立的对所述参考区域发生的病虫害种类进行识别，而第一识别模型依旧对各种病虫害进行大范围的识别，其中自然也包括所述参考区域发生的病虫害种类，通过占用更多识别通道，针对性的对所述参考区域发生的病虫害种类进行识别，而将参考区域的病虫害图像作为训练集对所述第二识别模型进行训练，增大本次病虫害的特征占比，实现如本地区发生所述参考区域同种的病虫害，可以尽早的发现，尽早开始治疗处理有利于降低损失。

在本申请一实施例中，还包括：

在本地区的田地中识别出病虫害，将识别出病虫害的位置作为初始点位，各地表与所述初始点位不同距离范围划分不同等级预警区，距离越近预警区等级越高；

对不同等级的预警区采用不同的防治频率，预警区等级越高防治频率越高，同时所述第二识别模型对预警区等级越高的区域调用更多的识别通道和/或更高的识别频率进行识别。

在本申请一实施例中，根据多处所述初始点位形成多组所述预警区，不同组的所述预警区的重合部分，按重合部分里所述预警区的最高等级，再上调一级确定为重合部分的等级。

需要说明的是，通常而言，由于害虫或病菌传播有传播限制，因此距离已经感染了病虫害的蔬菜植株越近越容易感染，因此以与感染蔬菜植株作为原点，也就是初始点位，以与所述初始点位的距离为所述预警区划分等级的依据，距离越近等级越高，等级越高的所述预警区采用更高的防治频率，例如最高为五级的五级预警区采用一天三次农药喷洒，而最低等级的一级预警区采用三天一次农药喷洒；另外所述第二识别模型对预警区等级越高的区域调用更多的识别通道和/或更高的识别频率进行识别，这里的识别通道可以理解为采用更多的算力用于等级更高的区域，或者如果有多台设备均设置有所述第二识别模型，则等级越高的区域采用更多的设备进行图像采集；

进一步的病虫害开始传染后，田地内会有多处感染蔬菜植株，也就是有多个初始点位，而对于距离较近的初始点位进行多组预警区，则容易产生重合部分，将重合部分内预警区的最高等级再进行提高，因为重合部分将受到来着不止一处所述初始点位的传染风险，相对单一预警区需要更加高频率的防治措施。

在本申请一实施例中，所述地表与所述初始点位不同距离范围划分不同等级预警区的步骤中，还包括对不同等级预警区与所述初始点位的距离范围进行动态仿真，具体为：

通过湿度传感器对田地范围内的土壤湿度以及空气湿度进行获取，当土壤湿度以及空气湿度越大，则各预警区的覆盖面积越大，且预警区等级越高，覆盖面积增大的越多；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风速偏移，风速越高偏移量越大，偏移方向根据风向确定；

需要说明的是，病虫害的繁殖需要适宜温度和水分，通常高湿的环境更适宜病虫害繁殖传播，而对于更大湿度，例如下雨和灌溉时，病菌孢子可以随水珠传播，造成其他植株的感染；同时病虫害成熟后，也可以随风进行传播，风速越高，传播越远；

保留各等级预警区在各方向上距离所述初始点位的最远距离作为各等级预警区的覆盖范围，保留时间为当前所患病虫害种类从感染蔬菜至蔬菜出现可识别出的病症所需时间。

在本实施方式中，通过引入湿度传感器得出的湿度数据和风向传感器的风向风速数据作为影响因子，对预警区域的范围进行动态仿真，湿度数据和风向风速数据实时变化，对应预警区域的范围也实时变化，然而对于变化的预警区，由于通常蔬菜植株感染病虫害后不会立即出现病症而被识别出，因此，将动态预警区的最大范围进行保留，保留时间为初始点位病虫害种类从感染到出现病症的时间，该时间可以通过互联网络进行获取。

在本申请一实施例中，对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，当所述初始点位在具有上下高度差高山蔬菜田地时，还包括：

所述第一识别模型获取高山蔬菜田地图像，通过高山蔬菜田地图像得出田地坡度值，所述湿度传感器识别出田地范围内出现降雨或灌溉时，各预警区的覆盖范围向田地低处偏移，降雨量或灌溉量越大，和/或坡度值越大，则偏移量越大。

需要说明的是，高山蔬菜相对平原可以受到更强的光照，以及更大的昼夜温差，这些独特的种植环境使一些高山蔬菜相对平原蔬菜更清甜可口，具有不错的市场，同时由于高山海拔较高，温度相对低，因此通常高山蔬菜上市更晚，与平原大规模种植的上市时间错开，农户可获得不错的经济收入；不过由于高山的环境限制，通常难以获得大范围的平整田地，更多的是具有上下高度差的坡面种植，以及梯田种植；

在本申请一实施例中，所述对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类进行类型区分，所述病虫害的类型包括土传性病虫害和风传性病虫害，所述风传性病虫害在降雨量或灌溉量越大，和/或坡度值越大，所得到的偏移量，相对所述土传性病虫害的更大；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风向和风速进行偏移，风速越高偏移量越大；同时所述风传性病虫害在风速越高，所得到的偏移量，相对所述土传性病虫害的更大。

需要说明的是，将蔬菜的病虫害分为土传性病虫害和风传性病虫害，其中土传性病虫害也就是在土壤以及蔬菜根部繁殖传播的病虫害，而风传性病虫害则是在蔬菜叶面以及茎部繁殖，通过飞行或随风传播的病虫害；

在本实施方式中，由于高山蔬菜种植环境所限，考虑到坡度对病虫害传播的影响，引入坡度值，在下雨或灌溉时，水接触蔬菜叶面、根茎或地面后，由于重力的影响，水滴携带这病菌孢子更多的会向海拔低处移动，因此降雨或灌溉时，各预警区的覆盖范围向田地低处偏移，降雨量或灌溉量越大，和/或坡度值越大，则偏移量越大；进一步的识别病虫害种类，以及该病虫害的传播属性，在不同环境条件下，不同传播属性的病虫害的预警区偏移量不同。

在本申请一实施例中，所述对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类获取该病虫害种类适宜生长的温度数据，通过温度传感器可分别获取田地的地表上和地表下的实时温度，如所述病虫害为所述土传性病虫害，则采用地表下的实时温度；如所述病虫害为所述风传性病虫害，则采用地表上的实时温度，所述实时温度与该病虫害适宜生长的温度数据越接近，则该病虫害活性越高，进而各预警区的覆盖面积越大。

在本申请一实施例中，所述防治措施中包括对已经患病和所述预警区内的蔬菜进行对应病虫害的消杀，具体的，获取不同所述预警区的防治频次，获取下一次消杀时间区间的温度预测数据，选择与所述病虫害种类适宜生长的温度数据差异最大的时间，进行消杀操作。

需要说明的是，每种病虫害均有自己适宜的生存繁殖温度，当环境温度越接近适宜温度，病虫害活性越高，此时的传播可能越高；对应的，在距离病虫害适宜温度越远时，病虫害的活性越低，而病虫害活性越低时进行病虫害的消杀，消杀效果越好；

在本实施方式中，通过温度传感器获取温度数据，而由于蔬菜品种不同，部分蔬菜叶面距离地面较远，同时由于蔬菜叶面对地面的遮挡，以及地面对蔬菜根部的遮挡，导致地表以上温度和地表以下温度具有差值，此时结合土传性病虫害和风传性病虫害的生存特性，土传性病虫害采用地表下实时温度，风传性病虫害使用地表上实时温度，当实时温度越接近病虫害自己适宜温度时，各预警区的覆盖面积越大；进一步的，获取不同所述预警区的防治频次，获取下一次消杀时间区间的温度预测数据，选择与所述病虫害种类适宜生长的温度数据差异最大的时间，例如，二级预警区需要在消杀后6-12小时内，进行下一次消杀，此时通过温度预测获取消杀后6小时到12小时之间的温度预测数据，选择与该种病虫害适宜温度差距最大的温度，该温度对应的时间进行消杀，而高山环境的昼夜温差较大，也更容易选择在病虫害活性最低时进行消杀操作。

在本申请的第二方面，参见图3所示，提供一种高山蔬菜病虫害预警与识别系统，包括：

信息共享模块，建立通信网，所述通信网由多个不同地区的数据库通信连接组成，当所述通信网中任一地区识别出现病虫害时，将本次病虫害信息数据同步至所述通信网供其他地区获取；

第一识别子模块，具体通过获取各类病虫害的表现图像，所述表现图像用于训练第一识别模型，当所述通信网中的任一地区中出现病虫害时，通过训练好的第一识别模型自动识别出所述病虫害的种类，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网；

区域关联模块，获取所述通信网中所有地区的信息数据，所述信息数据包括位置信息和环境信息，根据本地区的所述信息数据关联参考区域，所述参考区域为与本地区位置信息相邻的地区和/或与本地区所述环境信息相似的地区；

预警防治模块，当所述通信网中同步所述病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的所述参考区域，则本地区进入第一预警状态，所述第一预警状态为在本地区根据所述参考区域发生的病虫害种类，采用对应防治措施。

在本申请一实施例中，所述第一识别子模块，将病虫害的种类作为本次病虫害信息数据同步至所述通信网中，还包括：

图像获取子模块，所述第一识别模型将识别出所述病虫害的种类时的图像进行保存，与所述病虫害的种类一同作为本次病虫害信息数据同步至所述通信网；

第二识别子模块，所述第一预警状态还包括：

获取所述参考区域发生的病虫害种类的表现图像，以及所述病虫害信息数据中图像，输入所述第二识别模型进行训练，通过训练好的第二识别模型在本地区内，对所述参考区域发生的病虫害种类进行识别。

在本申请一实施例中，还包括预警等级划分模块：

在本地区的田地中识别出病虫害，将识别出病虫害的位置作为初始点位，各地表与所述初始点位不同距离范围划分不同等级预警区，距离越近预警区等级越高；

对不同等级的预警区采用不同的防治频率，预警区等级越高防治频率越高，同时所述第二识别模型对预警区等级越高的区域调用更多的识别通道和/或更高的识别频率进行识别。

在本申请一实施例中，所述预警等级划分模块，还包括动态仿真子模块，对不同等级预警区与所述初始点位的距离范围进行动态仿真，具体为：

湿度传感子模块，通过湿度传感器对田地范围内的土壤湿度以及空气湿度进行获取，当土壤湿度以及空气湿度越大，则各预警区的覆盖面积越大，且预警区等级越高，覆盖面积增大的越多；

风向传感子模块，通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风速偏移，风速越高偏移量越大，偏移方向根据风向确定；

预警时间子模块，保留各等级预警区在各方向上距离所述初始点位的最远距离作为各等级预警区的覆盖范围，保留时间为当前所患病虫害种类从感染蔬菜至蔬菜出现病症可以识别出的时间。

在本申请一实施例中，所述动态仿真子模块对不同等级预警区与所述初始点位的距离范围进行动态仿真中，当所述初始点位在具有上下高度差高山蔬菜田地时，还包括：

偏移子模块，所述第一识别模型获取高山蔬菜田地图像，通过高山蔬菜田地图像得出田地坡度值，所述湿度传感器识别出田地范围内出现降雨或灌溉时，各预警区的覆盖范围向田地低处偏移，降雨量或灌溉量越大，和/或坡度值越大，则偏移量越大。

在本申请一实施例中，所述动态仿真子模块对不同等级预警区与所述初始点位的距离范围进行动态仿真中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类进行类型区分，所述病虫害的类型包括土传性病虫害和风传性病虫害，所述风传性病虫害在降雨量或灌溉量越大，和/或坡度值越大，所得到的偏移量，相对所述土传性病虫害的更大；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风向和风速进行偏移，风速越高偏移量越大；同时所述风传性病虫害在风速越高，所得到的偏移量，相对所述土传性病虫害的更大。

在本申请一实施例中，所述动态仿真子模块对不同等级预警区与所述初始点位的距离范围进行动态仿真中，还包括：

温度传感子模块，根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类获取该病虫害种类适宜生长的温度数据，通过温度传感器可分别获取田地的地表上和地表下的实时温度，如所述病虫害为所述土传性病虫害，则采用地表下的实时温度；如所述病虫害为所述风传性病虫害，则采用地表上的实时温度，所述实时温度与该病虫害适宜生长的温度数据越接近，则该病虫害活性越高，进而各预警区的覆盖面积越大。

在本申请一实施例中，所述预警防治模块还包括消杀子模块，所述防治措施中包括对已经患病和所述预警区内的蔬菜进行对应病虫害的消杀，具体的，获取不同所述预警区的防治频次，获取下一次消杀时间区间的温度预测数据，选择与所述病虫害种类适宜生长的温度数据差异最大的时间，进行消杀操作。

在本申请一实施例中，所述预警等级划分模块还包括预警重合子模块，根据多处所述初始点位形成多组所述预警区，不同组的所述预警区的重合部分，按重合部分里所述预警区的最高等级，再上调一级确定为重合部分的等级。

需要说明的是，本申请实施例的一种高山蔬菜病虫害预警与识别系统的具体实施方式参照前述本申请实施例第一方面提出的一种高山蔬菜病虫害预警与识别方法的具体实施方式，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的物品或者设备中还存在另外的相同要素。

以上对所提供的一种高山蔬菜病虫害预警与识别方法，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的一种高山蔬菜病虫害预警与识别方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种高山蔬菜病虫害预警与识别方法，其特征在于，包括步骤：

建立通信网，所述通信网由多个不同地区的数据库通信连接组成，当所述通信网中任一地区识别出现病虫害时，将本次病虫害信息数据同步至所述通信网供其他地区获取；

具体通过获取各类病虫害的表现图像，所述表现图像用于训练第一识别模型，当所述通信网中的任一地区中出现病虫害时，通过训练好的第一识别模型自动识别出所述病虫害的种类，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网；

获取所述通信网中所有地区的信息数据，所述信息数据包括位置信息和环境信息，根据本地区的所述信息数据关联参考区域，所述参考区域为与本地区位置信息相邻的地区和/或与本地区所述环境信息相似的地区；

当所述通信网中同步所述病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的所述参考区域，则本地区进入第一预警状态，所述第一预警状态为在本地区根据所述参考区域发生的病虫害种类，采用对应防治措施。

2.根据权利要求1所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网的步骤中，还包括：

所述第一识别模型将识别出所述病虫害的种类时的图像进行保存，与所述病虫害的种类一同作为本次病虫害信息数据同步至所述通信网；

所述第一预警状态还包括：

获取所述参考区域发生的病虫害种类的表现图像，以及所述病虫害信息数据中图像，输入第二识别模型进行训练，通过训练好的第二识别模型在本地区内，对所述参考区域发生的病虫害种类进行识别。

3.根据权利要求2所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，还包括：

在本地区的田地中识别出病虫害，将识别出病虫害的位置作为初始点位，各地表与所述初始点位不同距离范围划分不同等级预警区，距离越近预警区等级越高；

对不同等级的预警区采用不同的防治频率，预警区等级越高防治频率越高，同时所述第二识别模型对预警区等级越高的区域调用更多的识别通道和/或更高的识别频率进行识别。

4.根据权利要求3所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，所述地表与所述初始点位不同距离范围划分不同等级预警区的步骤中，还包括对不同等级预警区与所述初始点位的距离范围进行动态仿真，具体为：

通过湿度传感器对田地范围内的土壤湿度以及空气湿度进行获取，当土壤湿度以及空气湿度越大，则各预警区的覆盖面积越大，且预警区等级越高，覆盖面积增大的越多；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风速偏移，风速越高偏移量越大，偏移方向根据风向确定；

保留各等级预警区在各方向上距离所述初始点位的最远距离作为各等级预警区的覆盖范围，保留时间为当前所患病虫害种类从感染蔬菜至蔬菜出现可识别出的病症所需时间。

5.根据权利要求4所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，当所述初始点位在具有上下高度差高山蔬菜田地时，还包括：

所述第一识别模型获取高山蔬菜田地图像，通过高山蔬菜田地图像得出田地坡度值，所述湿度传感器识别出田地范围内出现降雨或灌溉时，各预警区的覆盖范围向田地低处偏移，降雨量或灌溉量越大，和/或坡度值越大，则偏移量越大。

6.根据权利要求4所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，所述对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类进行类型区分，所述病虫害的类型包括土传性病虫害和风传性病虫害，所述风传性病虫害在降雨量或灌溉量越大，和/或坡度值越大，所得到的偏移量，相对所述土传性病虫害的更大；

通过风向传感器获取田地范围内的风向和风速，各预警区的覆盖范围根据风向和风速进行偏移，风速越高偏移量越大；同时所述风传性病虫害在风速越高，所得到的偏移量，相对所述土传性病虫害的更大。

7.根据权利要求6所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，所述对不同等级预警区与所述初始点位的距离范围进行动态仿真的步骤中，还包括：

根据所述第一识别模型或所述第二识别模型对识别出的病虫害种类获取该病虫害种类适宜生长的温度数据，通过温度传感器可分别获取田地的地表上和地表下的实时温度，如所述病虫害为所述土传性病虫害，则采用地表下的实时温度；如所述病虫害为所述风传性病虫害，则采用地表上的实时温度，所述实时温度与该病虫害适宜生长的温度数据越接近，则该病虫害活性越高，进而各预警区的覆盖面积越大。

8.根据权利要求3所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，所述防治措施中包括对已经患病和所述预警区内的蔬菜进行对应病虫害的消杀，具体的，获取不同所述预警区的防治频次，获取下一次消杀时间区间的温度预测数据，选择与所述病虫害种类适宜生长的温度数据差异最大的时间，进行消杀操作。

9.根据权利要求6所述的一种高山蔬菜病虫害预警与识别方法，其特征在于，根据多处所述初始点位形成多组所述预警区，不同组的所述预警区的重合部分，按重合部分里所述预警区的最高等级，再上调一级确定为重合部分的等级。

10.一种高山蔬菜病虫害预警与识别系统，其特征在于，包括：

信息共享模块，建立通信网，所述通信网由多个不同地区的数据库通信连接组成，当所述通信网中任一地区识别出现病虫害时，将本次病虫害信息数据同步至所述通信网供其他地区获取；

第一识别子模块，具体通过获取各类病虫害的表现图像，所述表现图像用于训练第一识别模型，当所述通信网中的任一地区中出现病虫害时，通过训练好的第一识别模型自动识别出所述病虫害的种类，所述病虫害的种类作为本次病虫害信息数据同步至所述通信网；

区域关联模块，获取所述通信网中所有地区的信息数据，所述信息数据包括位置信息和环境信息，根据本地区的所述信息数据关联参考区域，所述参考区域为与本地区位置信息相邻的地区和/或与本地区所述环境信息相似的地区；

预警防治模块，当所述通信网中同步所述病虫害信息数据时，获取发生病虫害的地区，如发生病虫害的地区为本地区的所述参考区域，则本地区进入第一预警状态，所述第一预警状态为在本地区根据所述参考区域发生的病虫害种类，采用对应防治措施。