一种农业种植用农作物病虫害防治系统及方法

摘要

本发明公开了一种农业种植用农作物病虫害防治系统及方法，包括风险评估模块、虫害识别模块、电子处方生成模块，所述风险评估模块，用来评估该农作物是否有可能受到病虫侵害的风险等级；所述虫害识别模块，用来识别该农作物受到病虫侵害的种类；所述电子处方生成模块，用来生成合适该农作物防治虫害的电子处方，通过设置风险评估模块、虫害识别模块与电子处方生成模块，能够对种植区域内农作物遭受虫害的风险进行评估，同时能够根据评估的风险等级对虫害的种类进行识别，然后生成电子处方，从而对农作物进行防治，比较的方便。

说明书

技术领域

本发明涉及农业害虫防治技术领域，具体是一种农业种植用农作物病虫害防治系统及方法。

背景技术

农作物病虫害是我国的主要农业灾害之一，它具有种类多、影响大、并时常暴发成灾的特点，其发生范围和严重程度对我国国民经济、特别是农业生产常造成重大损失，我国农作物常见的有以下种类的病虫害：稻飞虱、白粉病、玉米螟、棉铃虫、小麦锈病、棉蚜、稻纹枯病、稻瘟病、麦蚜、麦红蜘蛛、蝗虫、麦类赤霉病等，已成为严重影响我国农业生产的重大病虫害。

我国国内对农作物病虫害的识别主要还是靠专家在现场进行诊断，这种方法效率低、时效差，远远不能满足我国农业发展的需求。我国农民的接收科技知识能力不高，不能掌握农作物病虫害的发生与发展，往往会错过最佳防治期，在病虫害发生较重时，才大剂量地喷酒农药，使农产品农药残留超标，且严重污染环境，因此，我们提出了一种农业种植用农作物病虫害防治系统及方法来解决上述所提到的问题。

发明内容

本发明的目的在于提供一种农业种植用农作物病虫害防治系统及方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种农业种植用农作物病虫害防治系统，包括风险评估模块、虫害识别模块、电子处方生成模块；

所述风险评估模块，用来评估该农作物是否有可能受到病虫侵害的风险等级；

所述虫害识别模块，用来识别该农作物受到病虫侵害的种类；

所述电子处方生成模块，用来生成合适该农作物防治虫害的电子处方。

作为本发明进一步的方案：所述风险评估模块包括获取害虫密度单元、获取病斑图像单元与虫害风险等级评估单元；

所述害虫密度单元，采集每个种植区域内的害虫数量，获得每个区域内的害虫密度；

所述获取病斑图像单元，在时间T内采集每个区域内的作物的M个图像信息，由M个图像信息获得N个病斑图像，由多个区域的N个病斑图像获得X个病斑图像；

所述虫害风险等级评估单元，建立虫害风险神经模型，将害虫密度数据、作物病斑图像数量数据、作物种植区温度数据作为虫害风险神经模型的输入向量，所述虫害风险神经模型的输出向量为虫害风险等级。

作为本发明进一步的方案：所述虫害识别模块包括数据库、采集单元、图像处理单元、图像比对单元与图像分析单元；

所述数据库，搜索整合农作物病虫害数据，并分类存储；

所述采集单元，包括红外热像仪、颜色识别器和机器视觉模块，分别采集农作物表面温度值、颜色分布和图像信息；

所述图像处理单元，对采集的图像进行滤波、降噪；

所述图像比对单元，将采集图像与数据库中的图像进行比对；

所述图像分析单元，根据比对结果进行图像中虫害类别的分析，并输出显示分析结果。

作为本发明进一步的方案：所述电子处方生成模块包括处方模板建立单元、农作物信息录入单元、处方模板选择单元、专家处方建立单元、电子处方生成单元、电子识别码生成单元与电子处方打印单元。

所述处方模板建立单元，针对不同种类的农作物、病虫害的用药治理情况制作成不同的模板，并分别录入作物名称、病虫害类型、防治药品信息、药品使用方法、药品使用注意事项；

所述农作物信息录入单元，用于录入图像分析单元分析出的结果；

所述处方模板选择单元，根据已录入的农作物和病虫害的信息选择合适的处方模板；

所述专家处方建立单元，在选择合适的处方模板后通过查看、翻阅针对相关农作物、病虫害的用药的专家指导选择合适药品，并录入相应药品的名称、规格和数量；

所述电子处方生成单元，用于生成包含分析结果、专家处方信息和农户个人信息的电子处方；

所述电子识别码生成单元，用于生成用于识别、追溯电子处方信息的二维码；

所述电子处方打印单元，用于打印电子处方。

作为本发明进一步的方案：所述虫害风险神经模型包括三层神经网络模型，其中神经网络模型包括输入层、隐藏层、输出层，所述输入层的输入向量至少为三个，激活函数选用sigmoid函数，误差函数选用均方误差函数。

一种农业种植用农作物病虫害防治方法，包括以下步骤：

步骤一：选择土层深厚肥沃、排水良好、保水保肥能力强的土地，或者选择轮作其他作物后的底块，然后在播种前选择抗病虫的种子进行消毒，选用20％正常产气3个月的沼液浸种20-30min，洗净后催芽播种，随后将种子放入到引发剂内，当引发结束以后对种子进行烘干，然后在种植的土地上进行播撒消毒剂，然后将土地进行翻耕、灌溉，将消毒后的种子播种在整合好的土地处，然后进行合理的施肥，提高农作物自身的抗病能力；

步骤二：将作物种植区分成若干个区域，采集每个区域内的害虫数量，获得每个区域内的害虫密度，在时间T内采集每个区域内的作物的M个图像信息，由M个图像信息获得N个病斑图像，由多个区域的N个病斑图像获得X个病斑图像，建立虫害风险神经模型，将害虫密度数据、作物病斑图像数量数据、作物种植区温度数据作为虫害风险神经模型的输入向量，所述虫害风险神经模型的输出向量为虫害风险等级；

步骤三：搜集整合农作物病虫害数据，整合已知病虫害的图片以及对应的病虫害特点和治理方法，根据整合结果建立农作物病虫害数据库，并建立对应的农作物病虫害训练模型，采集农作物的生长图像信息及其他生长数据，对采集结果进行处理分析，将生长图像导入农作物病虫害训练模型，检测其他生长数据，进行病虫害的识别；

步骤四：通过电子处方生成模块打印出合适的电子处方。

作为本发明进一步的方案：所述步骤一中进行种子消毒时，采用50％苯来特可湿性粉与10％吡虫琳可湿性粉剂拌种，用量为种子重量的0.2％～0.3％。

作为本发明进一步的方案：所述步骤三中对图像信息采用中值滤波算法进行图像进行降噪处理，并采用Diagonal-Offset颜色转换模型对降噪处理后的图像进行颜色转换，识别异常颜色区域，使用RGB颜色模型提取异常颜色区域，标记该区域，导入农作物病虫害训练模型进行识别。

作为本发明进一步的方案：所述步骤三中其他生长数据包括农作物表面温度和农作物表面生命体征，对农作物表面温度出现异常的位置进行标记，并导入农作物病虫害训练模型进行识别；在农作物表面监测到生命体征，对监测位置进行标记，并导入农作物病虫害训练模型进行识别。

作为本发明再进一步的方案：所述步骤三对图像信息的处理分析为：实时获取农作物表面的图像信息，并实时比对相邻时序图像的差异，若比对出差异，则对差异位置进行标记并导入农作物病虫害训练模型进行识别；若无差异，则继续获取图像并比对。

与现有技术相比，本发明的有益效果是：该农业种植用农作物病虫害防治系统及方法，通过采用了真实数据作为训练数据来搭建虫害风险神经模型，预测结果更为可信；其所采用的神经网络方法，可以更有效地处理数据，同时它也有更好的扩展性，并不局限于某一地区的虫害预测，在数据足够多的情况下，可应用于全国各种地区；另外本申请的训练数据可以不断更新，每次应用后都可以将新获取的数据纳入数据训练集，使模型有更强的泛化性。

该农业种植用农作物病虫害防治系统及方法，建立的数据库，可以根据图像精确识别已经被认知发现的病虫害。采用采集模块进行农作物信息的采集，对采集信息进行分析识别，匹配图像信息与数据库信息，辨别农作物是否出现病虫害以及辨别病虫害的类别，辨别方式包括生命体征辨别、异常颜色辨别，结合本申请提供的系统和方法，可以快速准确的进行农作物病虫害的识别，减少人力的浪费，提高识别精度；本发明提供的一种农业种植用农作物病虫害防治系统及方法，建立农作物病虫害训练模型，将采集到的农田图像导入其中，检测其是否存在害虫，并检测农作物的其它生长数据。

该农业种植用农作物病虫害防治系统及方法，依据处方模板设计功能，将日常农作物的病虫害如何防治情况预先设计模板，在日常应用中可根据农产品生产者的表述，运用模板，快速制作处方单，提升系统应用操作的灵活性、便捷性。

附图说明

图1为本发明病虫害防治系统的结构示意图。

图2为本发明中风险评估模块的结构示意图。

图3为本发明中虫害识别模块的结构示意图。

图4为本发明中电子处方生成模块的结构示意图。

图5为本发明中病虫害防治方法流程示意图。

具体实施方式

在一个实施例中，如图1-图5所示，一种农业种植用农作物病虫害防治系统，包括风险评估模块、虫害识别模块、电子处方生成模块；风险评估模块，用来评估该农作物是否有可能受到病虫侵害的风险等级；虫害识别模块，用来识别该农作物受到病虫侵害的种类；电子处方生成模块，用来生成合适该农作物防治虫害的电子处方。

风险评估模块包括获取害虫密度单元、获取病斑图像单元与虫害风险等级评估单元；害虫密度单元，采集每个种植区域内的害虫数量，获得每个区域内的害虫密度；获取病斑图像单元，在时间T内采集每个区域内的作物的M个图像信息，由M个图像信息获得N个病斑图像，由多个区域的N个病斑图像获得X个病斑图像；虫害风险等级评估单元，建立虫害风险神经模型，将害虫密度数据、作物病斑图像数量数据、作物种植区温度数据作为虫害风险神经模型的输入向量，虫害风险神经模型的输出向量为虫害风险等级。

虫害识别模块包括数据库、采集单元、图像处理单元、图像比对单元与图像分析单元；数据库，搜索整合农作物病虫害数据，并分类存储；采集单元，包括红外热像仪、颜色识别器和机器视觉模块，分别采集农作物表面温度值、颜色分布和图像信息；图像处理单元，对采集的图像进行滤波、降噪；图像比对单元，将采集图像与数据库中的图像进行比对；图像分析单元，根据比对结果进行图像中虫害类别的分析，并输出显示分析结果。

电子处方生成模块包括处方模板建立单元、农作物信息录入单元、处方模板选择单元、专家处方建立单元、电子处方生成单元、电子识别码生成单元与电子处方打印单元；处方模板建立单元，针对不同种类的农作物、病虫害的用药治理情况制作成不同的模板，并分别录入作物名称、病虫害类型、防治药品信息、药品使用方法、药品使用注意事项；农作物信息录入单元，用于录入图像分析单元分析出的结果；处方模板选择单元，根据已录入的农作物和病虫害的信息选择合适的处方模板；专家处方建立单元，在选择合适的处方模板后通过查看、翻阅针对相关农作物、病虫害的用药的专家指导选择合适药品，并录入相应药品的名称、规格和数量；电子处方生成单元，用于生成包含分析结果、专家处方信息和农户个人信息的电子处方；电子识别码生成单元，用于生成用于识别、追溯电子处方信息的二维码；电子处方打印单元，用于打印电子处方。

虫害风险神经模型包括三层神经网络模型，其中神经网络模型包括输入层、隐藏层、输出层，所述输入层的输入向量至少为三个，激活函数选用sigmoid函数，误差函数选用均方误差函数。

一种农业种植用农作物病虫害防治系统及方法，包括以下步骤：

步骤一：选择土层深厚肥沃、排水良好、保水保肥能力强的土地，或者选择轮作其他作物后的底块，然后在播种前选择抗病虫的种子进行消毒，选用20％正常产气3个月的沼液浸种20-30min，洗净后催芽播种，随后将种子放入到引发剂内，当引发结束以后对种子进行烘干，然后在种植的土地上进行播撒消毒剂，然后将土地进行翻耕、灌溉，将消毒后的种子播种在整合好的土地处，然后进行合理的施肥，提高农作物自身的抗病能力；

步骤二：将作物种植区分成若干个区域，采集每个区域内的害虫数量，获得每个区域内的害虫密度，在时间T内采集每个区域内的作物的M个图像信息，由M个图像信息获得N个病斑图像，由多个区域的N个病斑图像获得X个病斑图像，建立虫害风险神经模型，将害虫密度数据、作物病斑图像数量数据、作物种植区温度数据作为虫害风险神经模型的输入向量，所述虫害风险神经模型的输出向量为虫害风险等级；

步骤三：搜集整合农作物病虫害数据，整合已知病虫害的图片以及对应的病虫害特点和治理方法，根据整合结果建立农作物病虫害数据库，并建立对应的农作物病虫害训练模型，采集农作物的生长图像信息及其他生长数据，对采集结果进行处理分析，将生长图像导入农作物病虫害训练模型，检测其他生长数据，进行病虫害的识别；

步骤四：通过电子处方生成模块打印出合适的电子处方。

步骤一中进行种子消毒时，采用50％苯来特可湿性粉与10％吡虫琳可湿性粉剂拌种，用量为种子重量的0.2％～0.3％。

步骤三中对图像信息采用中值滤波算法进行图像进行降噪处理，并采用Diagonal-Offset颜色转换模型对降噪处理后的图像进行颜色转换，识别异常颜色区域，使用RGB颜色模型提取异常颜色区域，标记该区域，导入农作物病虫害训练模型进行识别。

步骤三中其他生长数据包括农作物表面温度和农作物表面生命体征，对农作物表面温度出现异常的位置进行标记，并导入农作物病虫害训练模型进行识别；在农作物表面监测到生命体征，对监测位置进行标记，并导入农作物病虫害训练模型进行识别。

步骤三对图像信息的处理分析为：实时获取农作物表面的图像信息，并实时比对相邻时序图像的差异，若比对出差异，则对差异位置进行标记并导入所述农作物病虫害训练模型进行识别；若无差异，则继续获取图像并比对。

以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。