CN107992828A - 病害防治方法及装置、电子设备和计算机可读存储介质 - Google Patents
病害防治方法及装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN107992828A CN107992828A CN201711269086.8A CN201711269086A CN107992828A CN 107992828 A CN107992828 A CN 107992828A CN 201711269086 A CN201711269086 A CN 201711269086A CN 107992828 A CN107992828 A CN 107992828A
- Authority
- CN
- China
- Prior art keywords
- current
- disease
- kind plant
- damage types
- plant
- 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
Classifications
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Environmental Sciences (AREA)
- Catching Or Destruction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种病害防治方法及装置、电子设备和计算机可读存储介质。所述病害防治方法包括：获取目标区域的当前种植物的图像；通过对所述图像进行图像识别，确定所述当前种植物是否异常；在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；获取预先配置的所述当前种植物的防治策略集；根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。本发明能通过以防为主，以治为辅的防治手段实现对种植物病害的有效防治，并对种植物病害采取快速且有针对性的治疗措施。
Description
技术领域
本发明涉及病变防控技术领域，尤其涉及一种病害防治方法及装置、电子设备和计算机可读存储介质。
背景技术
随着农业种植现代化、规模化的发展，集约式的大面积种植农作物也造成农作物的管理问题凸显，并且对农作物病害的防治手段落后，病变过程控制响应速度慢，处理措施也无针对性。
现有技术方案中，通常采用纯物理防治手段，例如在种植物的全生命周期内开启杀虫灯，这种方式将对种植物的生长造成一定影响。因此，应该设计一种以防为主，以治为辅的病害防治措施。
发明内容
鉴于以上内容，有必要提供一种病害防治方法及装置、电子设备和计算机可读存储介质，能通过以防为主，以治为辅的防治手段实现对种植物病害的有效防治，并对种植物病害采取快速且有针对性的治疗措施。
一种病害防治方法，所述方法包括：
获取目标区域的当前种植物的图像；
通过对所述图像进行图像识别，确定所述当前种植物是否异常；
在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；
从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；
获取预先配置的所述当前种植物的防治策略集；
根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
根据本发明优选实施例，所述从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级包括：
获取当前时间，将当前时间与预先配置的生长周期时间段进行匹配，确定所述当前种植物对应的当前生长周期，从当前种植物的病害数据集中获取当前生长周期的病害数据，将所述图像与所述当前生长周期的病害数据进行匹配，并确定所述当前种植物的当前病害类型；或
获取当前时间，将当前时间与预先配置的病害高峰时间段进行匹配，在确定所述当前时间处于一个匹配的病害高峰时间段内时，从当前种植物的病害数据集中获取所述匹配的病害高峰时间段内的病害数据，将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
根据本发明优选实施例，所述将所述图像与所述当前生长周期的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述当前生长周期的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述当前种植物的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级；或
所述将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
根据本发明优选实施例，所述根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害类型的防治策略包括：
根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，获取与所述当前病害类型对应的病害等级匹配的防治策略，将获取的防治策略作为所述当前病害类型的防治策略。
根据本发明优选实施例，所述方法还包括：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前病害的药品用量预测值；
根据所述当前病害的药品用量预测值生成药品出库单及/或采购需求单。
根据本发明优选实施例，所述方法还包括：
接收药品出库请求单；
在确定所述药品出库请求单中的请求量与所述当前病害的药品用量预测值相同时，发出出库指令。
根据本发明优选实施例，所述方法还包括：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前种植物的农药安全期；
在所述当前种植物的农药安全期内，发出禁止采摘所述当前种植物的指令。
一种病害防治装置，所述装置包括：
获取单元，用于获取目标区域的当前种植物的图像；
确定单元，用于通过对所述图像进行图像识别，确定所述当前种植物是否异常；
所述获取单元，还用于在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；
所述确定单元，还用于从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；
所述获取单元，还用于获取预先配置的所述当前种植物的防治策略集；
所述确定单元，还用于根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
根据本发明优选实施例，所述确定单元从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级包括：
获取当前时间，将当前时间与预先配置的生长周期时间段进行匹配，确定所述当前种植物对应的当前生长周期，从当前种植物的病害数据集中获取当前生长周期的病害数据，将所述图像与所述当前生长周期的病害数据进行匹配，并确定所述当前种植物的当前病害类型；或
获取当前时间，将当前时间与预先配置的病害高峰时间段进行匹配，在确定所述当前时间处于一个匹配的病害高峰时间段内时，从当前种植物的病害数据集中获取所述匹配的病害高峰时间段内的病害数据，将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
根据本发明优选实施例，所述确定单元将所述图像与所述当前生长周期的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述当前生长周期的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述当前种植物的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级；或
所述确定单元将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
根据本发明优选实施例，所述确定单元根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害类型的防治策略包括：
根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，获取与所述当前病害类型对应的病害等级匹配的防治策略，将获取的防治策略作为所述当前病害类型的防治策略。
根据本发明优选实施例，所述确定单元，还用于：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前病害的药品用量预测值；
生成单元，用于根据所述当前病害的药品用量预测值生成药品出库单及/或采购需求单。
根据本发明优选实施例，所述装置还包括：
接收单元，用于接收药品出库请求单；
出库单元，用于在确定所述药品出库请求单中的请求量与所述当前病害的药品用量预测值相同时，发出出库指令。
根据本发明优选实施例，所述确定单元，还用于：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前种植物的农药安全期；
禁止单元，还用于在所述当前种植物的农药安全期内，发出禁止采摘所述当前种植物的指令。
一种电子设备，所述电子设备包括：
处理器；及
存储器，存储在所述存储器中的指令被所述处理器执行以实现所述病害防治方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储的指令被电子设备中的处理器执行以实现所述病害防治方法。
由以上技术方案可以看出，本发明可以通过判断当前种植物的当前病害类型及与所述当前病害类型对应的病害等级确定所述当前病害的防治策略。利用本发明能通过以防为主，以治为辅的防治手段实现对种植物病害的有效防治，并对种植物病害采取快速且有针对性的治疗措施。
附图说明
图1是本发明病害防治方法的较佳实施例的流程图。
图2是本发明病害防治装置的较佳实施例的功能模块图。
图3是本发明实现病害防治方法的较佳实施例的电子设备的结构示意图。
主要元件符号说明
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明病害防治方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述病害防治方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，所述电子设备获取目标区域的当前种植物的图像。
在本发明的至少一个实施例中，所述电子设备获取目标区域的当前种植物的图像包括：
所述电子设备获取当前时间，在确定所述当前时间处于预先配置的病害高峰时间段内时，根据指定频率获取目标区域的当前种植物的图像。
在本发明的至少一个实施例中，所述目标区域包括需要对种植物进行病害防治的区域，本发明不做限制。
在本发明的至少一个实施例中，所述指定频率可以由相关技术人员根据经验进行合理的设置，本发明不做限制。
在本发明的至少一个实施例中，所述电子设备通过对以往所述当前种植物的病害发生时间的大量数据的分析，预先配置病害高峰时间段。优选地，所述预先配置的病害高峰时间段可以包括多个。
通过以上实施方式，所述电子设备可以根据所述当前种植物所处的时间灵活配置获取所述目标区域的所述当前种植物的图像的频率。
具体地，当所述当前种植物处于所述预先配置的病害高峰时间段时，所述电子设备可以将获取所述目标区域的所述当前种植物的图像的频率提高，以便达到更好的预防效果；或者是，当所述当前种植物不处于所述预先配置的病害高峰时间段时，所述电子设备可以将获取所述目标区域的所述当前种植物的图像的频率降低，以便在起到预防作用的同时减少不必要的能源浪费。
例如：当所述电子设备获取当前时间后，确定所述当前时间在预先配置的病害高峰时间段内时，则所述电子设备可以设置每半小时获取一次目标区域的当前种植物的图像；或者是，当所述电子设备获取当前时间后，确定所述当前时间不在预先配置的病害高峰时间段内时，则所述电子设备可以降低所述指定频率，设置为每小时获取一次目标区域的当前种植物的图像。
S11，所述电子设备通过对所述图像进行图像识别，确定所述当前种植物是否异常。
在本发明的至少一个实施例中，所述电子设备可以通过识别像素的颜色值对所述图像进行图像识别，或者采取其他图像识别方式，本发明不做限制。
例如：所述电子设备可以将所述图像中的各个像素与预先配置的标准图像中的各个像素进行对比，得到差异像素的数量。当所述差异像素的数量大于或者等于预设值时，所述电子设备确定所述当前种植物异常。
优选地，所述预先配置的标准图像可以由相关工作人员定时上传到***中，也可以由所述电子设备从预先配置的标准图像库中根据当前时间进行调取，本发明不做限制。
优选地，所述预设值是确定所述当前种植物是否异常的标准，可以由相关技术人员根据实际经验进行设置。例如：所述预设值为10个、15个等等。
S12，在确定所述当前种植物异常后，所述电子设备获取预先配置的所述当前种植物的病害数据集。
在本发明的至少一个实施例中，所述当前种植物的病害数据集可以由相关工作人员根据所述当前种植物的以往发生病害的种类及时间等信息进行配置。
例如：所述电子设备可以根据所述当前种植物的各个生长周期内的病害数据配置所述当前种植物的病害数据集，或者是根据所述当前种植物的病害高峰时间段内的病害数据配置所述当前种植物的病害数据集，或者是将上述两种方式结合等，所述病害数据可以包括，但不限于：病害类型、对应于所述病害类型的病害等级等。
需要说明的是，所述病害包括，但不限于所述当前种植物的植物病害、虫害等，本发明不作限制。
S13，所述电子设备从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级。
在本发明的至少一个实施例中，所述电子设备从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级包括以下一种或者多种的组合：
(1)所述电子设备获取当前时间，将当前时间与预先配置的生长周期时间段进行匹配，确定所述当前种植物对应的当前生长周期，从当前种植物的病害数据集中获取当前生长周期的病害数据，将所述图像与所述当前生长周期的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
在本发明的至少一个实施例中，所述生长周期时间段可以包括，但不限于：育苗期、发芽期、幼苗期、开花坐果期和结果期等等。
例如：所述电子设备获取当前时间后，在确定所述当前时间处于育苗期后，而根据所述当前种植物的病害数据集，处于育苗期的所述当前植物的病害类型是灰霉病，则所述电子设备可以确定所述当前种植物的当前病害类型是灰霉病。
(2)所述电子设备获取当前时间，将当前时间与预先配置的病害高峰时间段进行匹配，在确定所述当前时间处于一个匹配的病害高峰时间段内时，从当前种植物的病害数据集中获取所述匹配的病害高峰时间段内的病害数据，将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
例如：所述电子设备获取当前时间后，在确定所述当前时间处于一个预先配置的病害高峰时间段内时，而根据所述当前种植物的病害数据集，处于所述预先配置的病害高峰时间段内的所述当前植物的病害类型是灰霉病，则所述电子设备可以确定所述当前种植物的当前病害类型是灰霉病。
具体地，所述电子设备将所述图像与所述当前生长周期的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
所述电子设备将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述当前生长周期的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述当前种植物的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
例如：所述电子设备将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量是14个，所属的差异像素范围是10-20，而10-20对应的病害类型是灰霉病，其中，14个差异像素在灰霉病的差异像素范围10-20内所属的差异像素段是10-15，而10-15的病害等级是初级，所述电子设备可以确定所述当前种植物处于灰霉病一级。
具体地，所述电子设备将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
所述电子设备将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
例如：所述电子设备将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量是18个，所属的差异像素范围是10-20，而10-20对应的病害类型是灰霉病，其中，18个差异像素在灰霉病的差异像素范围10-20内所属的差异像素段是16-20，而16-20的病害等级是高级，所述电子设备可以确定所述当前种植物处于灰霉病二级。
S14，所述电子设备获取预先配置的所述当前种植物的防治策略集。
在本发明的至少一个实施例中，所述当前种植物的防治策略集可以由相关工作人员根据实际经验进行配置。
在本发明的至少一个实施例中，在所述当前种植物的防治策略集中，每种病害对应至少一个等级，所述至少一个等级中每个等级对应至少一种防治方法，其中：
在等级越高表示病害程度越严重时，在等级小于或等于预设等级时，采用非化学防治方法，在等级大于预设等级时，采用化学防治方法；或者是，在等级越高表示病害程度越轻时，在等级小于或等于预设等级时，采用化学防治方法，在等级大于预设等级时，采用非化学防治方法。
这样，所述电子设备可以根据病害的严重程度采取不同的防治手段，在病害程度较轻时，优先采用杀虫灯等物理防治手段或者是环境调优(如降低温度，提高湿度，提高含氧量)等手段，或者是，在病害程度较重时，通过病害等级严格控制作物用药，使得在密闭的温室环境中，实现有机、绿色种植的理念，且处理方式更加有针对性。
在本发明的至少一个实施例中，所述电子设备还可以在所述目标区域内开启预警设备(例如：闪烁的灯光设备等)，并在异常消除后关闭所述预警设备，这样，不仅可以及时通知工作人员种植物异常，还可以同时锁定发生异常的区域。
S15，根据所述当前病害类型对应的病害等级，所述电子设备从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
在本发明的至少一个实施例中，所述根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害类型的防治策略包括：
所述电子设备根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，获取与所述当前病害类型对应的病害等级匹配的防治策略，将获取的防治策略作为所述当前病害类型的防治策略。
例如：当所述电子设备确定所述当前植物处于灰霉病二级时，在所述当前种植物的防治策略集中，与灰霉病二级对应的防治策略是采用药物A，则所述电子设备确定所述当前植物对应的防治策略是采用药物A。
在本发明的至少一个实施例中，所述电子设备在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前病害的药品用量预测值，并根据所述当前病害的药品用量预测值生成药品出库单及/或采购需求单。
例如：所述电子设备在确定防治策略是采用药物A后，根据所述当前植物的病害等级灰霉病二级确定所述药物A的用药量预测值是150mL，所述电子设备结合所述药物A的库存量，生成药物A的药品出库单，如果所述药物A的库存量不足150mL，则所述电子设备根据不足的部分生成药物A的药品采购需求单。
在本发明的至少一个实施例中，所述电子设备接收药品出库请求单，在确定所述药品出库请求单中的请求量与所述当前病害的药品用量预测值相同时，发出出库指令。
通过上述实施方式，可以避免过量使用药物的情况发生，既减少了浪费，又可以避免由于过量用药对种植物的生长造成影响。
在本发明的至少一个实施例中，所述电子设备在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前种植物的农药安全期，在所述当前种植物的农药安全期内，发出禁止采摘所述当前种植物的指令。
例如：所述当前植物使用药物A，所述药物A的农药安全期是10天，则所述电子设备记录所述当前植物使用药物A的时间(如10月1日)及所述当前植物使用药物A后的安全期(如10月1日到10日)等信息，当所述电子设备接收到10月9日对所述当前种植物进行采摘的采摘指令时，由于10月9日在所述当前植物使用药物A后的安全期内，所述电子设备发出禁止采摘所述当前种植物的指令，并可以提示请求者禁止采摘的原因，同时推荐可以采摘的时间。
通过以上实施方式，可以避免处于农药安全期内的种植物流入市场，给食用者造成身体伤害。
当然，在其他实施例中，所述电子设备也可以根据所述农药安全期控制出库等操作，本发明不做限制。
在本发明的至少一个实施例中，所述电子设备可以在确定所述当前病害的防治策略后，通过应用软件等将所述当前病害的防治策略提供给相关工作人员，以使相关工作人员根据所述当前病害的防治策略提前做好准备，实现防治过程的高效运作。
综上所述，本发明能获取目标区域的当前种植物的图像；通过对所述图像进行图像识别，确定所述当前种植物是否异常；在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；获取预先配置的所述当前种植物的防治策略集；根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。因此，本发明能通过以防为主，以治为辅的防治手段实现对种植物病害的有效防治，并对种植物病害采取快速且有针对性的治疗措施，及时预警、及时干预，同时给出合理的防治策略，从而提高产量，减少损失。
如图2所示，是本发明病害防治装置的较佳实施例的功能模块图。所述病害防治装置11包括获取单元110、确定单元111、生成单元112、接收单元113、出库单元114及禁止单元115。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
获取单元110获取目标区域的当前种植物的图像。
在本发明的至少一个实施例中，所述获取单元110获取目标区域的当前种植物的图像包括：
所述获取单元110获取当前时间，在确定所述当前时间处于预先配置的病害高峰时间段内时，根据指定频率获取目标区域的当前种植物的图像。
在本发明的至少一个实施例中，所述目标区域包括需要对种植物进行病害防治的区域，本发明不做限制。
在本发明的至少一个实施例中，所述指定频率可以由相关技术人员根据经验进行合理的设置，本发明不做限制。
在本发明的至少一个实施例中，所述电子设备通过对以往所述当前种植物的病害发生时间的大量数据的分析，预先配置病害高峰时间段。优选地，所述预先配置的病害高峰时间段可以包括多个。
通过以上实施方式，所述电子设备可以根据所述当前种植物所处的时间灵活配置获取所述目标区域的所述当前种植物的图像的频率。
具体地，当所述当前种植物处于所述预先配置的病害高峰时间段时，所述电子设备可以将获取所述目标区域的所述当前种植物的图像的频率提高，以便达到更好的预防效果；或者是，当所述当前种植物不处于所述预先配置的病害高峰时间段时，所述电子设备可以将获取所述目标区域的所述当前种植物的图像的频率降低，以便在起到预防作用的同时减少不必要的能源浪费。
例如：当所述获取单元110获取当前时间后，确定所述当前时间在预先配置的病害高峰时间段内时，则所述电子设备可以设置每半小时获取一次目标区域的当前种植物的图像；或者是，当所述电子设备获取当前时间后，确定所述当前时间不在预先配置的病害高峰时间段内时，则所述电子设备可以降低所述指定频率，设置为每小时获取一次目标区域的当前种植物的图像。
确定单元111通过对所述图像进行图像识别，确定所述当前种植物是否异常。
在本发明的至少一个实施例中，所述确定单元111可以通过识别像素的颜色值对所述图像进行图像识别，或者采取其他图像识别方式，本发明不做限制。
例如：所述确定单元111可以将所述图像中的各个像素与预先配置的标准图像中的各个像素进行对比，得到差异像素的数量。当所述差异像素的数量大于或者等于预设值时，所述确定单元111确定所述当前种植物异常。
优选地，所述预先配置的标准图像可以由相关工作人员定时上传到***中，也可以由所述电子设备从预先配置的标准图像库中根据当前时间进行调取，本发明不做限制。
优选地，所述预设值是确定所述当前种植物是否异常的标准，可以由相关技术人员根据实际经验进行设置。例如：所述预设值为10个、15个等等。
在所述确定单元111确定所述当前种植物异常后，所述获取单元110获取预先配置的所述当前种植物的病害数据集。
在本发明的至少一个实施例中，所述当前种植物的病害数据集可以由相关工作人员根据所述当前种植物的以往发生病害的种类及时间等信息进行配置。
例如：所述电子设备可以根据所述当前种植物的各个生长周期内的病害数据配置所述当前种植物的病害数据集，或者是根据所述当前种植物的病害高峰时间段内的病害数据配置所述当前种植物的病害数据集，或者是将上述两种方式结合等，所述病害数据可以包括，但不限于：病害类型、对应于所述病害类型的病害等级等。
需要说明的是，所述病害包括，但不限于所述当前种植物的植物病害、虫害等，本发明不作限制。
所述确定单元111从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级。
在本发明的至少一个实施例中，所述确定单元111从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级包括以下一种或者多种的组合：
(1)所述确定单元111获取当前时间，将当前时间与预先配置的生长周期时间段进行匹配，确定所述当前种植物对应的当前生长周期，从当前种植物的病害数据集中获取当前生长周期的病害数据，将所述图像与所述当前生长周期的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
在本发明的至少一个实施例中，所述生长周期时间段可以包括，但不限于：育苗期、发芽期、幼苗期、开花坐果期和结果期等等。
例如：所述确定单元111获取当前时间后，在确定所述当前时间处于育苗期后，而根据所述当前种植物的病害数据集，处于育苗期的所述当前植物的病害类型是灰霉病，则所述确定单元111可以确定所述当前种植物的当前病害类型是灰霉病。
(2)所述确定单元111获取当前时间，将当前时间与预先配置的病害高峰时间段进行匹配，在确定所述当前时间处于一个匹配的病害高峰时间段内时，从当前种植物的病害数据集中获取所述匹配的病害高峰时间段内的病害数据，将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
例如：所述确定单元111获取当前时间后，在确定所述当前时间处于一个预先配置的病害高峰时间段内时，而根据所述当前种植物的病害数据集，处于所述预先配置的病害高峰时间段内的所述当前植物的病害类型是灰霉病，则所述确定单元111可以确定所述当前种植物的当前病害类型是灰霉病。
具体地，所述确定单元111将所述图像与所述当前生长周期的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
所述确定单元111将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述当前生长周期的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述当前种植物的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
例如：所述确定单元111将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量是14个，所属的差异像素范围是10-20，而10-20对应的病害类型是灰霉病，其中，14个差异像素在灰霉病的差异像素范围10-20内所属的差异像素段是10-15，而10-15的病害等级是初级，所述确定单元111可以确定所述当前种植物处于灰霉病一级。
具体地，所述确定单元111将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
所述确定单元111将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
例如：所述确定单元111将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量是18个，所属的差异像素范围是10-20，而10-20对应的病害类型是灰霉病，其中，18个差异像素在灰霉病的差异像素范围10-20内所属的差异像素段是16-20，而16-20的病害等级是高级，所述确定单元111可以确定所述当前种植物处于灰霉病二级。
所述获取单元110获取预先配置的所述当前种植物的防治策略集。
在本发明的至少一个实施例中，所述当前种植物的防治策略集可以由相关工作人员根据实际经验进行配置。
在本发明的至少一个实施例中，在所述当前种植物的防治策略集中，每种病害对应至少一个等级，所述至少一个等级中每个等级对应至少一种防治方法，其中：
在等级越高表示病害程度越严重时，在等级小于或等于预设等级时，采用非化学防治方法，在等级大于预设等级时，采用化学防治方法；或者是，在等级越高表示病害程度越轻时，在等级小于或等于预设等级时，采用化学防治方法，在等级大于预设等级时，采用非化学防治方法。
这样，所述电子设备可以根据病害的严重程度采取不同的防治手段，在病害程度较轻时，优先采用杀虫灯等物理防治手段或者是环境调优(如降低温度，提高湿度，提高含氧量)等手段，或者是，在病害程度较重时，通过病害等级严格控制作物用药，使得在密闭的温室环境中，实现有机、绿色种植的理念，且处理方式更加有针对性。
在本发明的至少一个实施例中，所述电子设备还可以在所述目标区域内开启预警设备(例如：闪烁的灯光设备等)，并在异常消除后关闭所述预警设备，这样，不仅可以及时通知工作人员种植物异常，还可以同时锁定发生异常的区域。
根据所述当前病害类型对应的病害等级，所述确定单元111从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
在本发明的至少一个实施例中，所述确定单元111根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害类型的防治策略包括：
所述确定单元111根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，获取与所述当前病害类型对应的病害等级匹配的防治策略，将获取的防治策略作为所述当前病害类型的防治策略。
例如：当所述确定单元111确定所述当前植物处于灰霉病二级时，在所述当前种植物的防治策略集中，与灰霉病二级对应的防治策略是采用药物A，则所述确定单元111确定所述当前植物对应的防治策略是采用药物A。
在本发明的至少一个实施例中，所述确定单元111在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前病害的药品用量预测值，生成单元112根据所述当前病害的药品用量预测值生成药品出库单及/或采购需求单。
例如：所述确定单元111在确定防治策略是采用药物A后，根据所述当前植物的病害等级灰霉病二级确定所述药物A的用药量预测值是150mL，所述生成单元112结合所述药物A的库存量，生成药物A的药品出库单，如果所述药物A的库存量不足150mL，则所述生成单元112根据不足的部分生成药物A的药品采购需求单。
在本发明的至少一个实施例中，接收单元113接收药品出库请求单，在所述确定单元111确定所述药品出库请求单中的请求量与所述当前病害的药品用量预测值相同时，出库单元114发出出库指令。
通过上述实施方式，可以避免过量使用药物的情况发生，既减少了浪费，又可以避免由于过量用药对种植物的生长造成影响。
在本发明的至少一个实施例中，所述确定单元111在确定所述当前病害的防治策略中有化学防治方法时，所述确定单元111确定所述当前种植物的农药安全期，在所述当前种植物的农药安全期内，禁止单元115发出禁止采摘所述当前种植物的指令。
例如：所述当前植物使用药物A，所述药物A的农药安全期是10天，则所述电子设备记录所述当前植物使用药物A的时间(如10月1日)及所述当前植物使用药物A后的安全期(如10月1日到10日)等信息，当所述接收单元113接收到10月9日对所述当前种植物进行采摘的采摘指令时，由于10月9日在所述当前植物使用药物A后的安全期内，所述禁止单元115发出禁止采摘所述当前种植物的指令，并可以提示请求者禁止采摘的原因，同时推荐可以采摘的时间。
通过以上实施方式，可以避免处于农药安全期内的种植物流入市场，给食用者造成身体伤害。
当然，在其他实施例中，所述电子设备也可以根据所述农药安全期控制出库等操作，本发明不做限制。
在本发明的至少一个实施例中，所述电子设备可以在确定所述当前病害的防治策略后，通过应用软件等将所述当前病害的防治策略提供给相关工作人员，以使相关工作人员根据所述当前病害的防治策略提前做好准备，实现防治过程的高效运作。
综上所述，本发明能获取目标区域的当前种植物的图像；通过对所述图像进行图像识别，确定所述当前种植物是否异常；在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；获取预先配置的所述当前种植物的防治策略集；根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。因此，本发明能通过以防为主，以治为辅的防治手段实现对种植物病害的有效防治，并对种植物病害采取快速且有针对性的治疗措施，及时预警、及时干预，同时给出合理的防治策略，从而提高产量，减少损失。
如图3所示，是本发明实现病害防治方法的较佳实施例的电子设备的结构示意图。
所述电子设备1是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备1还可以是但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(InternetProtocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备1还可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如病害防治程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1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，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作***以及安装的各类应用程序、程序代码等。
所述处理器13执行所述电子设备1的操作***以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个病害防治方法实施例中的步骤，例如图1所示的步骤S10、S11、S12、S13、S14及S15。
或者，所述处理器13执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如：获取目标区域的当前种植物的图像；通过对所述图像进行图像识别，确定所述当前种植物是否异常；在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；获取预先配置的所述当前种植物的防治策略集；根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成获取单元110、确定单元111、生成单元112、接收单元113、出库单元114及禁止单元115。
所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是集成电路中没有实物形式的具有存储功能的电路，如RAM(Random-AccessMemory，随机存取存储器)、FIFO(First In First Out，)等。或者，所述存储器12也可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种病害防治方法，所述处理器13可执行所述多个指令从而实现：获取目标区域的当前种植物的图像；通过对所述图像进行图像识别，确定所述当前种植物是否异常；在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；获取预先配置的所述当前种植物的防治策略集；根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
根据本发明优选实施例，所述处理器13还执行多个指令包括：
获取当前时间，将当前时间与预先配置的生长周期时间段进行匹配，确定所述当前种植物对应的当前生长周期，从当前种植物的病害数据集中获取当前生长周期的病害数据，将所述图像与所述当前生长周期的病害数据进行匹配，并确定所述当前种植物的当前病害类型；或
获取当前时间，将当前时间与预先配置的病害高峰时间段进行匹配，在确定所述当前时间处于一个匹配的病害高峰时间段内时，从当前种植物的病害数据集中获取所述匹配的病害高峰时间段内的病害数据，将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
根据本发明优选实施例，所述处理器13还执行多个指令包括：
将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述当前生长周期的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述当前种植物的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级；
根据本发明优选实施例，所述处理器13还执行多个指令包括：
将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
根据本发明优选实施例，所述处理器13还执行多个指令包括：
根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，获取与所述当前病害类型对应的病害等级匹配的防治策略，将获取的防治策略作为所述当前病害类型的防治策略。
根据本发明优选实施例，所述处理器13还执行多个指令包括：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前病害的药品用量预测值；
根据所述当前病害的药品用量预测值生成药品出库单及/或采购需求单。
根据本发明优选实施例，所述处理器13还执行多个指令包括：
接收药品出库请求单；
在确定所述药品出库请求单中的请求量与所述当前病害的药品用量预测值相同时，发出出库指令。
根据本发明优选实施例，所述处理器13还执行多个指令包括：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前种植物的农药安全期；
在所述当前种植物的农药安全期内，发出禁止采摘所述当前种植物的指令。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种病害防治方法，其特征在于，所述方法包括：
获取目标区域的当前种植物的图像；
通过对所述图像进行图像识别，确定所述当前种植物是否异常；
在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；
从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；获取预先配置的所述当前种植物的防治策略集；
根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
2.如权利要求1所述的病害防治方法，其特征在于，所述从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级包括：
获取当前时间，将当前时间与预先配置的生长周期时间段进行匹配，确定所述当前种植物对应的当前生长周期，从当前种植物的病害数据集中获取当前生长周期的病害数据，将所述图像与所述当前生长周期的病害数据进行匹配，并确定所述当前种植物的当前病害类型；或
获取当前时间，将当前时间与预先配置的病害高峰时间段进行匹配，在确定所述当前时间处于一个匹配的病害高峰时间段内时，从当前种植物的病害数据集中获取所述匹配的病害高峰时间段内的病害数据，将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，并确定所述当前种植物的当前病害类型。
3.如权利要求2所述的病害防治方法，其特征在于：
所述将所述图像与所述当前生长周期的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
将所述图像与所述当前生长周期的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述当前生长周期的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述当前种植物的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级；或
所述将所述图像与所述匹配的病害高峰时间段内的病害数据进行匹配，确定所述当前种植物的当前病害类型包括：
将所述图像与所述匹配的病害高峰时间段内的病害数据中的标准图像进行对比，得到差异像素的数量，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害数据中所属的差异像素范围，将确定的差异像素范围对应的病害类型确定为所述当前种植物的病害类型，确定所述差异像素的数量在所述匹配的病害高峰时间段内的病害类型的差异像素范围内所属的差异像素段，将所述差异像素段对应的病害等级确定为所述当前病害类型对应的病害等级。
4.如权利要求3所述的病害防治方法，其特征在于，所述根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害类型的防治策略包括：
根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，获取与所述当前病害类型对应的病害等级匹配的防治策略，将获取的防治策略作为所述当前病害类型的防治策略。
5.如权利要求1所述的病害防治方法，其特征在于，所述方法还包括：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前病害的药品用量预测值；
根据所述当前病害的药品用量预测值生成药品出库单及/或采购需求单。
6.如权利要求5所述的病害防治方法，其特征在于，所述方法还包括：
接收药品出库请求单；
在确定所述药品出库请求单中的请求量与所述当前病害的药品用量预测值相同时，发出出库指令。
7.如权利要求1至6中任一项所述的病害防治方法，其特征在于，所述方法还包括：
在确定所述当前病害的防治策略中有化学防治方法时，确定所述当前种植物的农药安全期；
在所述当前种植物的农药安全期内，发出禁止采摘所述当前种植物的指令。
8.一种病害防治装置，其特征在于，所述装置包括：
获取单元，用于获取目标区域的当前种植物的图像；
确定单元，用于通过对所述图像进行图像识别，确定所述当前种植物是否异常；
所述获取单元，还用于在确定所述当前种植物异常后，获取预先配置的所述当前种植物的病害数据集；
所述确定单元，还用于从所述当前种植物的病害数据集中，确定所述当前种植物的当前病害类型及所述当前病害类型对应的病害等级；
所述获取单元，还用于获取预先配置的所述当前种植物的防治策略集；
所述确定单元，还用于根据所述当前病害类型对应的病害等级，从所述当前种植物的防治策略集中，确定所述当前病害的防治策略。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；及
存储器，存储在所述存储器中的指令被所述处理器执行以实现如权利要求1至7中任意一项所述病害防治方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储的指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述病害防治方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711269086.8A CN107992828A (zh) | 2017-12-05 | 2017-12-05 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
| PCT/CN2018/084455 WO2019109583A1 (zh) | 2017-12-05 | 2018-04-25 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711269086.8A CN107992828A (zh) | 2017-12-05 | 2017-12-05 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107992828A true CN107992828A (zh) | 2018-05-04 |
Family
ID=62035745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711269086.8A Pending CN107992828A (zh) | 2017-12-05 | 2017-12-05 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107992828A (zh) |
| WO (1) | WO2019109583A1 (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109002853A (zh) * | 2018-07-18 | 2018-12-14 | 宁夏智启连山科技有限公司 | 农作物种类与病虫害类型的联合识别方法及装置 |
| CN109197275A (zh) * | 2018-10-18 | 2019-01-15 | 广州极飞科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
| CN109511642A (zh) * | 2018-11-29 | 2019-03-26 | 陕西师范大学 | 一种基于图像和聚类分析的草原灭鼠方法及*** |
| CN109886259A (zh) * | 2019-02-22 | 2019-06-14 | 潍坊科技学院 | 一种基于计算机视觉的番茄病害识别预警方法及装置 |
| CN110046269A (zh) * | 2019-04-24 | 2019-07-23 | 广东工业大学 | 一种植被养护方法、装置、设备及可读存储介质 |
| CN112739206A (zh) * | 2018-09-21 | 2021-04-30 | 拜耳公司 | 基于传感器的节肢动物观察 |
| 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 |
| WO2023098429A1 (zh) * | 2021-12-02 | 2023-06-08 | 杭州睿胜软件有限公司 | 用于追踪植物的康复情况的方法、装置和存储介质 |
| CN117392466A (zh) * | 2023-12-08 | 2024-01-12 | 汉中益丰华茂农业科技发展有限公司 | 基于图像识别的食用菌病害早期预警方法及*** |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114596932B (zh) * | 2022-02-21 | 2024-06-28 | 深圳平安智慧医健科技有限公司 | 服药提醒方法、装置、设备及存储介质 |
| CN114708506B (zh) * | 2022-04-07 | 2024-05-14 | 河北科技师范学院 | 一种板栗病害监控*** |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106649442A (zh) * | 2016-09-13 | 2017-05-10 | 上海斐讯数据通信技术有限公司 | 一种植物生长查询***以及植物生长查询方法 |
| CN107292874A (zh) * | 2017-06-29 | 2017-10-24 | 深圳前海弘稼科技有限公司 | 作物病害的控制方法及装置 |
| CN107301605A (zh) * | 2017-06-29 | 2017-10-27 | 深圳前海弘稼科技有限公司 | 作物虫害的控制方法及装置 |
| CN107343455A (zh) * | 2017-06-29 | 2017-11-14 | 深圳前海弘稼科技有限公司 | 作物虫害的控制方法及装置 |
| CN107222682A (zh) * | 2017-07-11 | 2017-09-29 | 西南大学 | 农作物生长状况检测方法及装置 |
-
2017
- 2017-12-05 CN CN201711269086.8A patent/CN107992828A/zh active Pending
-
2018
- 2018-04-25 WO PCT/CN2018/084455 patent/WO2019109583A1/zh active Application Filing
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109002853A (zh) * | 2018-07-18 | 2018-12-14 | 宁夏智启连山科技有限公司 | 农作物种类与病虫害类型的联合识别方法及装置 |
| CN109002853B (zh) * | 2018-07-18 | 2021-10-01 | 宁夏智启连山科技有限公司 | 农作物种类与病虫害类型的联合识别方法及装置 |
| CN112911931A (zh) * | 2018-09-21 | 2021-06-04 | 拜耳公司 | 节肢动物的检测 |
| CN112739206A (zh) * | 2018-09-21 | 2021-04-30 | 拜耳公司 | 基于传感器的节肢动物观察 |
| CN109197275A (zh) * | 2018-10-18 | 2019-01-15 | 广州极飞科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
| CN109197275B (zh) * | 2018-10-18 | 2021-05-07 | 东莞极飞无人机科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
| CN109511642A (zh) * | 2018-11-29 | 2019-03-26 | 陕西师范大学 | 一种基于图像和聚类分析的草原灭鼠方法及*** |
| CN109886259A (zh) * | 2019-02-22 | 2019-06-14 | 潍坊科技学院 | 一种基于计算机视觉的番茄病害识别预警方法及装置 |
| CN110046269A (zh) * | 2019-04-24 | 2019-07-23 | 广东工业大学 | 一种植被养护方法、装置、设备及可读存储介质 |
| WO2023098429A1 (zh) * | 2021-12-02 | 2023-06-08 | 杭州睿胜软件有限公司 | 用于追踪植物的康复情况的方法、装置和存储介质 |
| 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 |
| CN117392466A (zh) * | 2023-12-08 | 2024-01-12 | 汉中益丰华茂农业科技发展有限公司 | 基于图像识别的食用菌病害早期预警方法及*** |
| CN117392466B (zh) * | 2023-12-08 | 2024-03-08 | 汉中益丰华茂农业科技发展有限公司 | 基于图像识别的食用菌病害早期预警方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019109583A1 (zh) | 2019-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107992828A (zh) | 病害防治方法及装置、电子设备和计算机可读存储介质 | |
| US20210256256A1 (en) | Automated diagnosis and treatment of crop infestations | |
| Tamburini et al. | Pollination contribution to crop yield is often context-dependent: A review of experimental evidence | |
| Mikaberidze et al. | Emergence of resistance to fungicides: the role of fungicide dose | |
| Lundin et al. | When ecosystem services interact: crop pollination benefits depend on the level of pest control | |
| Reynolds et al. | Improving competition representation in theoretical models of self‐thinning: a critical review | |
| Memmott et al. | The potential impact of global warming on the efficacy of field margins sown for the conservation of bumble-bees | |
| CN106940824A (zh) | 用于估计有效害虫严重程度指数的***和方法 | |
| US20110035246A1 (en) | Devices, systems, and methods for aiding in pest management decisions | |
| CN109197273B (zh) | 害虫活动时间段的确定方法及装置、施药时间的确定方法 | |
| Kokko et al. | The hawk–dove game in a sexually reproducing species explains a colourful polymorphism of an endangered bird | |
| Hopfenmüller et al. | Effects of grazing intensity, habitat area and connectivity on snail-shell nesting bees | |
| Ohlberger et al. | Adaptive phenotypic diversification along a temperature-depth gradient | |
| CN107808249A (zh) | 种植任务管理方法、电子设备及计算机可读存储介质 | |
| CN114511161B (zh) | 二点委夜蛾防治适期预测方法、装置、设备和存储介质 | |
| de Oliveira et al. | A novel seed treatment-based multiplication approach for cassava planting material | |
| Suresh et al. | Real-time automatic detection and classification of groundnut leaf disease using hybrid machine learning techniques | |
| CN114550848A (zh) | 作物病害处理方法、装置、电子设备及计算机可读介质 | |
| Brown | Applying principles of community ecology to pest management in orchards | |
| CN115982472B (zh) | 农药用药推荐方法、装置和电子设备 | |
| CN108197266A (zh) | 一种农产品用药的推荐方法和*** | |
| CN104991969B (zh) | 根据预设模板生成模拟事件结果集合的方法及装置 | |
| Song et al. | Different deterministic versus stochastic drivers for the composition and structure of a temperate grassland community | |
| Bloom et al. | A newly invasive species may promote dissimilarity of pest populations between organic and conventional farming systems | |
| JP2013111135A (ja) | 農作物栽培連動システム |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |