基于数据驱动的温室黄瓜霜霉病监测预警系统

摘要

黄瓜霜霉病是危害黄瓜的主要病害之一，在各地的各种种植方式下均有发生。此病传播速度快，流行性强，危害较重，极易对黄瓜的生产造成损失。而日光温室相对封闭的结构特点非常容易满足黄瓜霜霉病对于中温高湿的环境要求。因此及时监测预警黄瓜霜霉病的发生，为病害预防提供决策依据，对于降低损失、稳定产量及保证质量具有重要意义。随着科技的进步，将信息技术应用到农业，为病害预测提供了更多更有效的方法。其中机器学习是一种通过提取出数据中的内在规律或模式来预测未知数据的方法，不需要考虑各种因素与发病情况之间复杂的机理过程，此类数据驱动模型相比传统经验模型准确性更高，相比数学模型更便于建立各种发病因素与发病情况之间的联系，为温室黄瓜霜霉病监测预警提供了一种便捷、有效的方法，方便黄瓜种植者对霜霉病采取适时的防控措施。 本文主要内容如下： （1）确定模型输入因子。阅读分析大量国内外相关文献，了解黄瓜霜霉病发病规律及主要影响因素。根据大量专家学者的研究成果以及实际可操作情况，确定了温室黄瓜霜霉病预测模型的输入因子为室内夜间平均温度、室内夜间平均相对湿度、室内白天平均温度、室内白天平均相对湿度、室内相对湿度≥80%的累积时数、室外日最高温度、室外日最低温度、室外日平均相对湿度和室外日平均风速。 （2）数据采集及模型构建。采集试验基地温室室内环境数据和黄瓜霜霉病发病数据以及温室室外环境数据，结合历史试验数据，对所有数据进行整理及标准化处理。利用支持向量机和决策树算法分别构建温室黄瓜霜霉病预测模型，其中支持向量机算法分别选用径向基核函数、线性核函数和多项式核函数来构建模型。采用上述模型预测三天内是否发生黄瓜霜霉病，并对这四种模型的预测结果进行评估，结果发现基于径向基核函数的支持向量机预测模型在各项评估标准中的值均为最高值，表明其效果最好。 （3）系统设计与实现。基于构建的预测模型，并结合MVC框架和Web Service技术设计开发了Web端的基于数据驱动的温室黄瓜霜霉病监测预警系统，同时为方便采集温室霜霉病发病情况，辅助开发移动端病虫害信息采集APP。监测预警系统主要包括对温室内黄瓜霜霉病的监测预警和对黄瓜种植基地中各类信息的管理等模块。在该系统中，通过温室黄瓜霜霉病预测模型对温室黄瓜霜霉病发病时间进行预测，实现数据驱动预测。再利用APP获取的真实发病情况对预测结果进行校验，并将本次采集的数据进行存储，用于下次黄瓜种植中霜霉病预测模型的构建中，形成一个环状的数据流，使得模型可根据数据的变化进行更新，更好的为用户提供决策支持。

目录

声明

符号说明

1 引 言

1.1 研究目的及意义

1.2 国内外研究现状

1.2.1 黄瓜霜霉病发生的影响因素及传统预测模型

1.2.2 机器学习在农业病虫害中的应用

1.2.3 病虫害监测预警系统与数据驱动

1.3 研究内容

1.4 技术路线

（1）方案研究

（2）数据获取

（3）模型构建及评估

（4）系统开发

（5）系统测试优化

1.5 论文结构

2 关键技术

2.1 支持向量机

2.1.1 线性支持向量机

2.1.2 非线性支持向量机及核函数

2.2 决策树

2.3 MVC模式

2.4Web Service

2.5 本章小结

3 温室黄瓜霜霉病预测模型研究

3.1 确定输入因子及数据准备

3.1.1 确定模型输入因子

3.1.2 数据来源

3.1.3 数据预处理

3.2 温室黄瓜霜霉病预测模型构建

3.2.1 模型构建过程

3.2.2 模型评价指标

3.2.3 模型测试结果与分析

3.3 本章小结

4 系统需求分析及设计

4.1 需求分析

4.1.1 系统需求概述

4.1.2 系统功能性需求分析

4.1.3 系统非功能性需求分析

4.2 系统设计

4.2.1 温室黄瓜霜霉病监测预警系统整体框架

4.2.2 温室黄瓜霜霉病监测预警系统总体设计

4.2.3 温室黄瓜霜霉病监测预警系统详细设计

4.2.4 病虫害信息采集APP设计

4.3 数据库设计

4.3.1 概念结构设计

4.3.2 数据表设计

4.4 本章小结

5 系统实现与测试

5.1 系统实现

5.1.1 开发工具及环境配置

5.1.2 温室黄瓜霜霉病监测预警系统的实现

5.1.3 病虫害信息采集APP的实现

5.2 系统测试

5.2.1 温室黄瓜霜霉病监测预警系统测试

5.2.2 病虫害信息采集APP测试

5.2.3 测试结果评估及系统优化

5.3 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读硕士期间科研情况