CN113435825B - 一种基于土传病害防治的智能管理方法、***及存储介质 - Google Patents
一种基于土传病害防治的智能管理方法、***及存储介质 Download PDFInfo
- Publication number
- CN113435825B CN113435825B CN202110488542.8A CN202110488542A CN113435825B CN 113435825 B CN113435825 B CN 113435825B CN 202110488542 A CN202110488542 A CN 202110488542A CN 113435825 B CN113435825 B CN 113435825B
- Authority
- CN
- China
- Prior art keywords
- information
- soil
- environment
- target area
- index
- 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.)
- Active
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 139
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 139
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 111
- 239000002689 soil Substances 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 24
- 230000006872 improvement Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 241000238631 Hexapoda Species 0.000 claims description 9
- 238000005755 formation reaction Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 241000244206 Nematoda Species 0.000 claims description 5
- 244000005700 microbiome Species 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 description 37
- 238000011156 evaluation Methods 0.000 description 6
- 241000607479 Yersinia pestis Species 0.000 description 3
- 244000052616 bacterial pathogen Species 0.000 description 3
- 241000233866 Fungi Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 240000006108 Allium ampeloprasum Species 0.000 description 1
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 1
- 244000273928 Zingiber officinale Species 0.000 description 1
- 235000006886 Zingiber officinale Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008397 ginger Nutrition 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于土传病害防治的智能管理方法、***及可读存储介质,包括:获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;将获取到的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治。
Description
技术领域
本发明涉及一种智能管理方法,更具体的,涉及一种基于土传病害防治的智能管理方法、***及存储介质。
背景技术
土传病虫害是指病原体随病残体生活在土壤中,条件适宜时从作物根部或茎部侵害作物而引起的危害,并且土传病虫害具有很强的传染性,农事操作、雨水、灌溉水、昆虫、生产工具等都容易造成土传病虫害的传播。如果温湿度适宜病菌的发生,短时间内就会快速流行,大量病菌随水传播和扩散,会造成多次侵染,难以控制。由于缺乏有效的防治技术,农民常采用化学农药灌根防治土传病虫害,不仅造成土壤恶化,并且容易造成农药残留超标和地下水污染,如2012年潍坊“毒生姜”及2014年青岛“毒韭菜”事件,都是农民使用违禁农药灌根造成的。
为了能够对土传病害进行有效的防治,并对目标区域内植株及生长环境进行智能管理,需要开发一款***与之匹配,该***获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,将获取到的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治。在***实现过程中如何对目标区域内植株进行土传病害的提前防治及如何实现目标区域内土壤环境改良都是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种基于土传病害防治的智能管理方法、***及存储介质。
本发明第一方面提供了一种基于土传病害防治的智能管理方法,包括:
获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治。
本方案中,所述的获取目标区域内土壤状况信息和生物状况信息,其中所述土壤状况信息包括土壤温度信息、土壤湿度信息以及土壤结构信息,所述生物状况信息目标区域内昆虫、线虫及微生物信息。
本方案中,所述的根据环境指数信息对目标区域内环境进行评分,具体为:
根据目标区域内土壤状况信息及生物状况信息获取各影响因素的环境信息指数;
通过随机森林降维方法,确定用于对目标区域内评分的环境指数集;
评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的P值;
根据P值及样本数量得到特征重要性指数,并将所述的特征重要性指数进行排序生成正态分布;
筛选环境信息中重要影响因素建立评分模型,对目标区域内环境进行评分。
本方案中,还包括:
采集目标区域内环境变化信息,分析所述环境变化信息对植株受土传病害影响;
将所述环境变化信息与植株受土传病害状况信息生成匹配序列模型;
将所述匹配序列模型进行环境变化信息与植株受土传病害特征进行分割提取,建立环境信息数据库;
根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法。
本方案中,所述的通过采集到的环境信息与数据库中土传病害对应环境信息进行比较判断,具体为:
获取目标区域内土壤状况信息及生物状况信息,并进行预处理生成环境信息;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述环境信息对土传病害的影响级及所述匹配指数对目标区域内植株进行提前防治。
本方案中,所述的根据土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,计算所述的环境信息指数,具体为:
本发明第二方面还提供了一种基于土传病害防治的智能管理***,该***包括:存储器、处理器,所述存储器中包括基于土传病害防治的智能管理方法程序,所述基于土传病害防治的智能管理方法程序被所述处理器执行时实现如下步骤:
获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治。
本方案中,所述的获取目标区域内土壤状况信息和生物状况信息,其中所述土壤状况信息包括土壤温度信息、土壤湿度信息以及土壤结构信息,所述生物状况信息目标区域内昆虫、线虫及微生物信息。
本方案中,所述的根据环境指数信息对目标区域内环境进行评分,具体为:
根据目标区域内土壤状况信息及生物状况信息获取各影响因素的环境信息指数;
通过随机森林降维方法,确定用于对目标区域内评分的环境指数集;
评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的P值;
根据P值及样本数量得到特征重要性指数,并将所述的特征重要性指数进行排序生成正态分布;
筛选环境信息中重要影响因素建立评分模型,对目标区域内环境进行评分。
本方案中,还包括:
采集目标区域内环境变化信息,分析所述环境变化信息对植株受土传病害影响;
将所述环境变化信息与植株受土传病害状况信息生成匹配序列模型;
将所述匹配序列模型进行环境变化信息与植株受土传病害特征进行分割提取,建立环境信息数据库;
根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法。
本方案中,所述的通过采集到的环境信息与数据库中土传病害对应环境信息进行比较判断,具体为:
获取目标区域内土壤状况信息及生物状况信息,并进行预处理生成环境信息;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述环境信息对土传病害的影响级及所述匹配指数对目标区域内植株进行提前防治。
本方案中,所述的根据土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,计算所述的环境信息指数,具体为:
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于土传病害防治的智能管理方法程序,所述基于土传病害防治的智能管理方法程序被处理器执行时,实现如上述任一项所述的基于土传病害防治的智能管理方法的步骤。
本发明公开的一种基于土传病害防治的智能管理方法、***及可读存储介质,包括:获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;将获取到的环境信息与数据库中土传病害对应环境信息进行比较判断,根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法。
附图说明
图1示出了本发明一种基于土传病害防治的智能管理方法的流程图;
图2示出了本发明根据环境指数信息进行评分方法流程图;
图3示出了本发明比较环境信息与数据库中土传病害对应环境信息的方法流程图;
图4示出了本发明一种基于土传病害防治的智能管理***的框图。
具体实施方法
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于土传病害防治的智能管理方法的流程图。
如图1所示,本发明第一方面提供了一种基于土传病害防治的智能管理方法,包括:
S102,获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
S104,将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
S106,根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
S108,通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治。
需要说明的是,所述的获取目标区域内土壤状况信息和生物状况信息,其中所述土壤状况信息包括土壤温度信息、土壤湿度信息以及土壤结构信息,所述生物状况信息目标区域内昆虫、线虫及微生物信息;通过获取土壤温湿度、土壤的酸碱度、养分信息、土壤真菌、细菌群落对土传病害的影响级对获取到的信息进行整理分类,分析得到目标区域内环境信息指数。
需要说明的是,本发明所述的获取目标区域内土壤状况信息和生物状况信息可以通过无线传感器网络获取,无线传感器网络由多个采集节点和一个汇聚节点组成,在预定位置放置采集节点,无线传感器网络中的采集节点可以是线性或者网状分布,并可以进行自动组网。采集节点将采集到的数据信息通过多跳路由的方式发送到汇聚节点,汇聚节点将接收到的数据发送至主机处理器,采集节点中嵌有传感器和摄像头,传感器为温度传感器、湿度波传感器;采集节点采用电池供电,汇聚节点采用电源供电。
需要说明的是,所述的根据土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,计算所述的环境信息指数,具体为:
图2示出了本发明根据环境指数信息进行评分方法流程图。
根据本发明实施例,所述的根据环境指数信息对目标区域内环境进行评分,具体为:
S202,根据目标区域内土壤状况信息及生物状况信息获取各影响因素的环境信息指数;
S204,通过随机森林降维方法,确定用于对目标区域内评分的环境指数集;
S206,评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的P值;
S208,根据P值及样本数量得到特征重要性指数,并将所述的特征重要性指数进行排序生成正态分布;
S210,筛选环境信息中重要影响因素建立评分模型,对目标区域内环境进行评分。
需要说明的是,获取目标区域内100例样品的土壤状况信息及生物状况信息,生成环境信息指数,通过相关算法对所述信息数据进行各影响因素的影响程度评估,得到各影响因素的评估结果,通过随机森林降维最终确定89个评估目标区域内环境信息的环境指数集,提前获取受土传病害植株所在土壤的土壤状况信息及生物状况信息,分析生成土传病害形成因素的队列数据,评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的统计学差异P值;P值除以对应队列的样本数量获得特征重要性指数,然后将说所有队列中的特征重要性相加,获取89个环境指数集的特征重要性总和,将所述的特征重要性指数进行排序并得到特征重要性指数正态分布,筛选双侧90&区间外的环境指数为重要环境指数,根据特征重要性指数的分布规律建立评分模型,对目标区域内环境进行评分。
图3示出了本发明比较环境信息与数据库中土传病害对应环境信息的方法流程图。
根据本发明实施例,通过采集到的环境信息与数据库中土传病害对应环境信息进行比较判断,具体为:
S302,获取目标区域内土壤状况信息及生物状况信息,并进行预处理生成环境信息;
S304,将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
S306,判断所述偏差率是否小于预设偏差率;
S308,若小于,根据所述环境信息对土传病害的影响级及所述匹配指数对目标区域内植株进行提前防治。
根据本发明实施例,还包括:
采集目标区域内环境变化信息,分析所述环境变化信息对植株受土传病害影响;
将所述环境变化信息与植株受土传病害状况信息生成匹配序列模型;
将所述匹配序列模型进行环境变化信息与植株受土传病害特征进行分割提取,建立环境信息数据库;
根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法。
需要说明的是,在按照预设时间进行环境信息的采集时同时利用获取到的数据对数据库进行更新调整,具体为:
将获取的环境信息根据影响因素进行分类,并获取环境信息数据库中数据更新对象;
确定所述数据库更新对象的地址信息,将影响因素类型和更新对象地址信息进行匹配;
查询所述更新对象历史数据与新获取数据的重复情况,根据所述重复情况将历史重复数据进行删除;
通过新获取数据对数据库更新对象进行更新,并储存。
需要说明的是,所述的环境信息数据库对目标区域内植株进行土传病害监测和预警并对目标区域内土壤环境生成改良建议及方法具体为:根据环境信息数据库中数据设置各影响因素预警阈值,并将预警等级根据预设阈值进行分级,获取采样区域的环境信息,将采样区域的环境信息与预设预警阈值进行比较,生成相应的预警信息,同时将采样区域环境信息与数据库中土传病害对应的环境信息进行比较,获取偏差率;通过判断偏差率结果预测所述环境信息中各个影响因素对土传病害的诱发概率,并根据预警信息生成改良方法。
本发明第二方面还提供了一种基于土传病害防治的智能管理***4,该***包括:存储器41、处理器42,所述存储器中包括基于土传病害防治的智能管理方法程序,所述基于物土传病害防治的智能管理方法程序被所述处理器执行时实现如下步骤:
获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治。
需要说明的是,所述的获取目标区域内土壤状况信息和生物状况信息,其中所述土壤状况信息包括土壤温度信息、土壤湿度信息以及土壤结构信息,所述生物状况信息目标区域内昆虫、线虫及微生物信息;通过获取土壤温湿度、土壤的酸碱度、养分信息、土壤真菌、细菌群落对土传病害的影响级对获取到的信息进行整理分类,分析得到目标区域内环境信息指数。
需要说明的是,本发明所述的获取目标区域内土壤状况信息和生物状况信息可以通过无线传感器网络获取,无线传感器网络由多个采集节点和一个汇聚节点组成,在预定位置放置采集节点,无线传感器网络中的采集节点可以是线性或者网状分布,并可以进行自动组网。采集节点将采集到的数据信息通过多跳路由的方式发送到汇聚节点,汇聚节点将接收到的数据发送至主机处理器,采集节点中嵌有传感器和具有夜视功能的摄像头,传感器为温度传感器、湿度波传感器;采集节点采用电池供电,汇聚节点采用电源供电。
需要说明的是,所述的根据土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,计算所述的环境信息指数,具体为:
根据本发明实施例,所述的根据环境指数信息对目标区域内环境进行评分,具体为:
根据目标区域内土壤状况信息及生物状况信息获取各影响因素的环境信息指数;
通过随机森林降维方法,确定用于对目标区域内评分的环境指数集;
评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的P值;
根据P值及样本数量得到特征重要性指数,并将所述的特征重要性指数进行排序生成正态分布;
筛选环境信息中重要影响因素建立评分模型,对目标区域内环境进行评分。
需要说明的是,获取目标区域内100例样品的土壤状况信息及生物状况信息,生成环境信息指数,通过相关算法对所述信息数据进行各影响因素的影响程度评估,得到各影响因素的评估结果,通过随机森林降维最终确定89个评估目标区域内环境信息的环境指数集,提前获取受土传病害植株所在土壤的土壤状况信息及生物状况信息,分析生成土传病害形成因素的队列数据,评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的统计学差异P值;P值除以对应队列的样本数量获得特征重要性指数,然后将说所有队列中的特征重要性相加,获取89个环境指数集的特征重要性总和,将所述的特征重要性指数进行排序并得到特征重要性指数正态分布,筛选双侧90&区间外的环境指数为重要环境指数,根据特征重要性指数的分布规律建立评分模型,对目标区域内环境进行评分。
根据本发明实施例,通过采集到的环境信息与数据库中土传病害对应环境信息进行比较判断,具体为:
获取目标区域内土壤状况信息及生物状况信息,并进行预处理生成环境信息;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述环境信息对土传病害的影响级及所述匹配指数对目标区域内植株进行提前防治。
根据本发明实施例,还包括:
采集目标区域内环境变化信息,分析所述环境变化信息对植株受土传病害影响;
将所述环境变化信息与植株受土传病害状况信息生成匹配序列模型;
将所述匹配序列模型进行环境变化信息与植株受土传病害特征进行分割提取,建立环境信息数据库;
根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法。
需要说明的是,在按照预设时间进行环境信息的采集时同时利用获取到的数据对数据库进行更新调整,具体为:
将获取的环境信息根据影响因素进行分类,并获取环境信息数据库中数据更新对象;
确定所述数据库更新对象的地址信息,将影响因素类型和更新对象地址信息进行匹配;
查询所述更新对象历史数据与新获取数据的重复情况,根据所述重复情况将历史重复数据进行删除;
通过新获取数据对数据库更新对象进行更新,并储存。
需要说明的是,所述的环境信息数据库对目标区域内植株进行土传病害监测和预警并对目标区域内土壤环境生成改良建议及方法具体为:根据环境信息数据库中数据设置各影响因素预警阈值,并将预警等级根据预设阈值进行分级,获取采样区域的环境信息,将采样区域的环境信息与预设预警阈值进行比较,生成相应的预警信息,同时将采样区域环境信息与数据库中土传病害对应的环境信息进行比较,获取偏差率;通过判断偏差率结果预测所述环境信息中各个影响因素对土传病害的诱发概率,并根据预警信息生成改良方法。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于土传病害防治的智能管理方法程序,所述基于物土传病害防治的智能管理方法程序被处理器执行时,实现如上述任一项所述的基于土传病害防治的智能管理方法的步骤。
本发明公开的一种基于土传病害防治的智能管理方法、***及可读存储介质,包括:获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;将获取到的环境信息与数据库中土传病害对应环境信息进行比较判断,根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种基于土传病害防治的智能管理方法,其特征在于,包括:
获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治;
所述的根据环境指数信息对目标区域内环境进行评分,具体为:
根据目标区域内土壤状况信息及生物状况信息获取各影响因素的环境信息指数;
通过随机森林降维方法,确定用于对目标区域内评分的环境指数集;
评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的P值;
根据P值及样本数量得到特征重要性指数,并将所述的特征重要性指数进行排序生成正态分布;
筛选环境信息中重要影响因素建立评分模型,对目标区域内环境进行评分;
采集目标区域内环境变化信息,分析所述环境变化信息对植株受土传病害影响;
将所述环境变化信息与植株受土传病害状况信息生成匹配序列模型;
将所述匹配序列模型进行环境变化信息与植株受土传病害特征进行分割提取,建立环境信息数据库;
根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法;
所述的根据土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,计算所述的环境信息指数,具体为:
其中,R表示所求环境信息指数,表示环境调节系数,p表示采样数量,表示第i个样本的土壤状况信息,表示第i个样本的生物状况信息,表示土壤状况信息平均值,表示生物状况信息平均值;
所述的通过采集到的环境信息与数据库中土传病害对应环境信息进行比较判断,具体为:
获取目标区域内土壤状况信息及生物状况信息,并进行预处理生成环境信息;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述环境信息对土传病害的影响级及所述匹配指数对目标区域内植株进行提前防治;
环境信息数据库对目标区域内植株进行土传病害监测和预警并对目标区域内土壤环境生成改良建议及方法,具体为:
根据环境信息数据库中数据设置各影响因素预警阈值,并将预警等级根据预设阈值进行分级;
获取采样区域的环境信息,将采样区域的环境信息与预设预警阈值进行比较,生成相应的预警信息;
同时将采样区域环境信息与数据库中土传病害对应的环境信息进行比较,获取偏差率;
通过判断偏差率结果预测所述环境信息中各个影响因素对土传病害的诱发概率,并根据预警信息生成改良方法。
2.根据权利要求1所述的一种基于土传病害防治的智能管理方法,其特征在于,所述的获取目标区域内土壤状况信息和生物状况信息,其中所述土壤状况信息包括土壤温度信息、土壤湿度信息以及土壤结构信息,所述生物状况信息目标区域内昆虫、线虫及微生物信息。
3.一种基于土传病害防治的智能管理***,其特征在于,该***包括:存储器、处理器,所述存储器中包括基于土传病害防治的智能管理方法程序,所述基于土传病害防治的智能管理方法程序被所述处理器执行时实现如下步骤:
获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治;
获取目标区域内土壤状况信息及生物状况信息,并根据对土传病害的影响级将获取到的信息进行分类;
将所述的土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数;
根据所述的环境信息指数对目标区域内环境进行评分并建立环境信息数据库,通过采集信息对数据库进行更新调整;
通过采集的环境信息与数据库中土传病害对应环境信息进行比较判断,根据判断结果对目标区域内环境进行改良并对植株进行土传病害的提前防治;
所述的根据环境指数信息对目标区域内环境进行评分,具体为:
根据目标区域内土壤状况信息及生物状况信息获取各影响因素的环境信息指数;
通过随机森林降维方法,确定用于对目标区域内评分的环境指数集;
评估得到环境指数集中每个影响因素对土传病害的形成反应的显著性差异得到相应的P值;
根据P值及样本数量得到特征重要性指数,并将所述的特征重要性指数进行排序生成正态分布;
筛选环境信息中重要影响因素建立评分模型,对目标区域内环境进行评分;
采集目标区域内环境变化信息,分析所述环境变化信息对植株受土传病害影响;
将所述环境变化信息与植株受土传病害状况信息生成匹配序列模型;
将所述匹配序列模型进行环境变化信息与植株受土传病害特征进行分割提取,建立环境信息数据库;
根据所述环境信息数据库对目标区域内植株进行土传病害的监测和预警,并对目标区域内土壤环境生成改良建议及方法;
所述的根据土壤状况信息和生物状况信息按照预设条件计算目标区域内环境信息指数,计算所述的环境信息指数,具体为:
其中,R表示所求环境信息指数,表示环境调节系数,p表示采样数量,表示第i个样本的土壤状况信息,表示第i个样本的生物状况信息,表示土壤状况信息平均值,表示生物状况信息平均值;
所述的通过采集到的环境信息与数据库中土传病害对应环境信息进行比较判断,具体为:
获取目标区域内土壤状况信息及生物状况信息,并进行预处理生成环境信息;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述环境信息对土传病害的影响级及所述匹配指数对目标区域内植株进行提前防治;
环境信息数据库对目标区域内植株进行土传病害监测和预警并对目标区域内土壤环境生成改良建议及方法具体为:
根据环境信息数据库中数据设置各影响因素预警阈值,并将预警等级根据预设阈值进行分级;
获取采样区域的环境信息,将采样区域的环境信息与预设预警阈值进行比较,生成相应的预警信息;
同时将采样区域环境信息与数据库中土传病害对应的环境信息进行比较,获取偏差率;
通过判断偏差率结果预测所述环境信息中各个影响因素对土传病害的诱发概率,并根据预警信息生成改良方法。
4.一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包括基于土传病害防治的智能管理方法程序,所述基于土传病害防治的智能管理方法程序被处理器执行时,实现如权利要求1至2中任一项所述的基于土传病害防治的智能管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110488542.8A CN113435825B (zh) | 2021-05-06 | 2021-05-06 | 一种基于土传病害防治的智能管理方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110488542.8A CN113435825B (zh) | 2021-05-06 | 2021-05-06 | 一种基于土传病害防治的智能管理方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435825A CN113435825A (zh) | 2021-09-24 |
CN113435825B true CN113435825B (zh) | 2023-04-25 |
Family
ID=77752930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110488542.8A Active CN113435825B (zh) | 2021-05-06 | 2021-05-06 | 一种基于土传病害防治的智能管理方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435825B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114546006B (zh) * | 2022-02-15 | 2022-12-23 | 中国热带农业科学院热带作物品种资源研究所 | 一种腰果仓储环境的智能控制方法及*** |
CN114511157B (zh) * | 2022-04-18 | 2022-07-05 | 广东省农业科学院植物保护研究所 | 一种基于蔬菜青枯病防治的微生态调控方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007252250A (ja) * | 2006-03-22 | 2007-10-04 | Eisai Seikaken Kk | 土壌診断方法および土壌病害防止対策提案方法 |
CN109063895A (zh) * | 2018-06-27 | 2018-12-21 | 李林 | 基于土壤类型归并与土壤中有益生物含量预测方法 |
CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
CN111243676A (zh) * | 2020-03-10 | 2020-06-05 | 南京农业大学 | 一种基于高通量测序数据的枯萎病发病预测模型及应用 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10555461B2 (en) * | 2016-01-04 | 2020-02-11 | Tata Consultancy Services Limited | Systems and methods for estimating effective pest severity index |
CN106645563A (zh) * | 2016-09-30 | 2017-05-10 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
CN111694879B (zh) * | 2020-05-22 | 2023-10-31 | 北京科技大学 | 一种多元时间序列异常模式预测方法及数据采集监控装置 |
CN112118306A (zh) * | 2020-09-14 | 2020-12-22 | 衢州学院 | 基于边缘计算的胡柚生长环境及病虫害物联网监测*** |
-
2021
- 2021-05-06 CN CN202110488542.8A patent/CN113435825B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007252250A (ja) * | 2006-03-22 | 2007-10-04 | Eisai Seikaken Kk | 土壌診断方法および土壌病害防止対策提案方法 |
CN109063895A (zh) * | 2018-06-27 | 2018-12-21 | 李林 | 基于土壤类型归并与土壤中有益生物含量预测方法 |
CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
CN111243676A (zh) * | 2020-03-10 | 2020-06-05 | 南京农业大学 | 一种基于高通量测序数据的枯萎病发病预测模型及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN113435825A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095555B (zh) | 基于物联网的农作物病虫害监控方法、***及存储介质 | |
CN114170513B (zh) | 一种草地贪夜蛾的虫情监测方法、***及存储介质 | |
CN114418040B (zh) | 一种园林绿化养护监测及预警的方法与*** | |
CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警***及方法 | |
CN114972843B (zh) | 一种基于大数据的农业病虫害诊断与预警*** | |
CN113435825B (zh) | 一种基于土传病害防治的智能管理方法、***及存储介质 | |
Fathizad et al. | Detection and prediction of land cover changes using Markov chain model in semi-arid rangeland in western Iran | |
Fila et al. | Calibration and validation of grapevine budburst models using growth-room experiments as data source | |
CN115879773B (zh) | 一种基于物联网的病虫害智能预警方法及*** | |
CN116384776B (zh) | 基于模糊评价的场地污染评估方法、***及存储介质 | |
CN113298537A (zh) | 基于物联网的稻米全链条质量信息智能检测***及方法 | |
CN115496300B (zh) | 一种月季育苗生长信息及环境监测方法 | |
CN117371727A (zh) | 一种基于物联网的智慧农业监测与规划方法及*** | |
CN117173400B (zh) | 一种荔枝虫害的低碳治理方案推荐方法及*** | |
CN113379188B (zh) | 基于物联网的烟草轮作种植方法和*** | |
CN116523182B (zh) | 一种生态果园的构建和生产管理方法、***及存储介质 | |
CN117371604A (zh) | 一种基于智能感知的农业生产预测方法及*** | |
CN116740645A (zh) | 基于物联网的实蝇监测与综合防控方法、***及存储介质 | |
CN116307879A (zh) | 一种斑节对虾虾苗高效培育方法、***及介质 | |
CN114372611A (zh) | 水资源优化分配方法和装置 | |
CN117575368B (zh) | 一种基于物联网技术的水产种质资源管理方法及*** | |
CN117151354B (zh) | 一种农田修复与改良管理方法及*** | |
López et al. | Electronic Trap for Field Detection of Fall Armyworm (Spodoptera Frugiperda) in Corn | |
CN117852724B (zh) | 一种林业有害生物的预测方法及*** | |
US20240049618A1 (en) | Crop yield prediction system |
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 |