一種設施菠菜病害預警方法及系統的制作方法
【專利摘要】本發明提供了一種設施菠菜病害預警方法及系統，該方法包括：S1.在溫室內進行空氣溫濕傳感器布設和土壤溫濕度傳感器布設，布設的傳感器按照預設的時間間隔采集設施蔬菜的環境信息數據，包括空氣溫度、空氣濕度、土壤溫度和土壤濕度；S2.對采集的環境信息數據進行處理；S3.基于SVM建立分類預警模型；S4.利用S3的分類預警模型對S2處理后的環境信息數據進行分析，得出當前環境的預警級別，若預警級別為無警，返回步驟S1，否則，執行步驟S5；S5.根據預警級別執行相應的級別的報警功能；S6.解除警報并返回步驟S1。本發明能夠簡單有效地對多種病害進行預警。
【專利說明】一種設施菠菜病害預警方法及系統
【技術領域】
[0001]本發明涉及計算機【技術領域】，具體涉及一種設施菠菜病害預警方法及系統。
【背景技術】
[0002]設施蔬菜的病害發生與環境密切相關，不良環境、病原物和蔬菜三者的相互作用是造成病害的主要原因，當環境達到一定條件時，極利于病菌的生長繁殖，同時加快了病菌對蔬菜的侵染和病情的擴展。對于設施菠菜，其生長周期短、種植品種單一、復種指數高，輪作倒茬困難，再加上高溫高濕等不良環境，在一定程度上極易導致病害的快速、大規模流行。
[0003]以往的蔬菜病害預警方法往往是基于致病性病原物等生理病害因素進行研究，用到的算法復雜，同時還要結合大量專家水平的領域知識和經驗，工作量大，不便于文化素質較低的農戶學習掌握。且以往的蔬菜病害預警系統所需硬件設備造價高，不便推廣，且系統在病害發生時才進行報警，報警時已經帶來了不必要的經濟損失，無法完全達到預警目的。
【發明內容】
[0004]針對現有技術的不足，本發明提供一種設施菠菜病害預警方法及系統，能夠簡單有效地對多種病害進行預警。
[0005]為實現上述目的，本發明通過以下技術方案予以實現:
[0006]一種設施菠菜病害預警方法，該方法包括:
[0007]S1.在溫室內進行空氣溫濕傳感器布設和土壤溫濕度傳感器布設，布設的傳感器按照預設的時間間隔采集設施蔬菜的環境信息數據，包括空氣溫度、空氣濕度、土壤溫度和土壤濕度；
[0008]S2.對采集的環境信息數據進行處理；
[0009]S3.基于SVM建立分類預警模型；
[0010]S4.利用S3的分類預警模型對S2處理后的環境信息數據進行分析，得出當前環境的預警級別，若預警級別為無警，返回步驟SI，否則，執行步驟S5 ；
[0011]S5.根據預警級別執行相應的級別的報警功能；
[0012]S6.解除警報并返回步驟SI。
[0013]優選地，步驟S2中所述對采集的環境信息數據進行處理包括:
[0014]S21.對某一時刻同類型的多個傳感器傳回的數據進行融合，具體采用基于均值的遞推融合算法來完成數據融合:
[0015] 將所有空氣溫度傳感器或所有空氣濕度傳感器或所有土壤溫度傳感器或所有土壤濕度傳感器傳回的數據平均分為兩組，設兩組數據的算術平均值分別為?和瓦，對應的標準差分別為01和O2，利用如下公式完成數據融合:
【權利要求】
1.一種設施菠菜病害預警方法，其特征在于，該方法包括: S1.在溫室內進行空氣溫濕傳感器布設和土壤溫濕度傳感器布設，布設的傳感器按照預設的時間間隔采集設施蔬菜的環境信息數據，包括空氣溫度、空氣濕度、土壤溫度和土壤濕度； S2.對采集的環境信息數據進行處理； S3.基于SVM建立分類預警模型； S4.利用S3的分類預警模型對S2處理后的環境信息數據進行分析，得出當前環境的預警級別，若預警級別為無警，返回步驟SI，否則，執行步驟S5 ； S5.根據預警級別執行相應的級別的報警功能； S6.解除警報并返回步驟SI。
2.根據權利要求1所述的方法，其特征在于，步驟S2中所述對采集的環境信息數據進行處理包括: S21.對某一時刻同類型的多個傳感器傳回的數據進行融合，具體采用基于均值的遞推融合算法來完成數據融合: 將所有空氣溫度傳感器或所有空氣濕度傳感器或所有土壤溫度傳感器或所有土壤濕度傳感器傳回的數據平均分為兩組，設兩組數據的算術平均值分別為?和?對應的標準差分別為01和Q2，利用如下公式完成數據融合:
3.根據權利要求1所述的方法，其特征在于，步驟S3中所述基于SVM建立分類預警模型包括: 設訓練樣本為(Xi，yi)，i = 1,2,-,η,其中η為訓練樣本的總數，Xi為訓練樣本中的輸入向量，Yi為訓練集標簽，其值為0、1、2、3，分別對應病情等級O、1、11、111，代表無警、輕警、中警和重警四個預警級別，Xi中的12個元素代表訓練樣本的屬性，公式如下:
4.根據權利要求3所述的方法，其特征在于，在步驟S3中所述核函數為徑向基函數，其為如下:
5.根據權利要求1所述的方法，其特征在于，步驟SI中所述在溫室內進行空氣溫濕傳感器布設和土壤溫濕度傳感器布設包括: 設溫室占地長度為L，寬度為W，取1/4L、2/4L、3/4L處與1/3W、2/3W處作垂直交叉線形成網格，共得到6個網格交點，分別將其標記為P1、P2、P3、P4、P5、P6，將空氣溫濕度傳感器探頭布設在P1、P2、P3、P4、P5、P6這6點且高度為0.8m和1.5m處；將土壤溫濕度傳感器布設在？1、？2、？3、？4汴5、？6這6點且深度為IOcm和20cm處。
6.一種設施菠菜病害預警系統，其特征在于，該系統包括: 數據采集與傳輸模塊，用于在溫室內進行空氣溫濕傳感器布設和土壤溫濕度傳感器布設，布設的傳感器按 照預設的時間間隔采集設施蔬菜的環境信息數據，包括空氣溫度、空氣濕度、土壤溫度和土壤濕度；將采集的環境信息數據通過無線方式發送給數據處理模塊； 數據處理模塊，用于對采集的環境信息數據進行處理； 預警模型建立模塊，用于基于SVM建立分類預警模型； 病害預警模塊，用于利用分類預警模型對處理后的環境信息數據進行分析，得出當前環境的預警級別，若預警級別不是無警，根據預警級別執行相應的級別的報警功能； 警報解除模塊，用于解除警報。
7.根據權利要求6所述的系統，其特征在于，所述數據處理模塊包括數據融合單元和監測指標計算單元，其中， 數據融合單元，用于對某一時刻同類型的多個傳感器傳回的數據進行融合，具體采用基于均值的遞推融合算法來完成數據融合: 將所有空氣溫度傳感器或所有空氣濕度傳感器或所有土壤溫度傳感器或所有土壤濕度傳感器傳回的數據平均分為兩組，設兩組數據的算術平均值分別為無和E，對應的標準差分別為01和Q2，利用如下公式完成數據融合:
8.根據權利要求6所述的系統，其特征在于，所述預警模型建立模塊用于基于SVM建立分類預警模型: 設訓練樣本為(Xi，yi)，i = 1,2,-,η,其中η為訓練樣本的總數，Xi為訓練樣本中的輸入向量，Yi為訓練集標簽，其值為0、1、2、3，分別對應病情等級O、1、11、111，代表無警、輕警、中警和重警四個預警級別，Xi中的12個元素代表訓練樣本的屬性，公式如下:
Xi — (Xil，Xi2> Xi3>......，Xil2) 其中Xil到Xil2依次代表每日空氣最大溫度、最小溫度、平均溫度；每日空氣最大濕度、最小濕度、平均濕度；每日土壤最大溫度、最小溫度、平均溫度；每日土壤最大濕度、最小濕度、平均濕度這十二個屬性，即十二個監測指標； 設分類預警結果有四類，包括無警、輕警、中警和重警，分別對應病情等級O、KIIJIL利用如下分類函數對訓練樣本進行訓練:
9.根據權利要求8所述的系統，其特征在于，所述核函數為徑向基函數，其為如下:
10.根據權利要求6所述的系統，其特征在于，所述數據采集與傳輸模塊中在溫室內進行空氣溫濕傳感器布設和土壤溫濕度傳感器布設具體為: 設溫室占地長度為L，寬度為W，取1/4L、2/4L、3/4L處與1/3W、2/3W處作垂直交叉線形成網格，共得到6個網格交點，分別將其標記為P1、P2、P3、P4、P5、P6，將空氣溫濕度傳感器探頭布設在P1、P2、P3、P4、P5、P6這6點且高度為0.8m和1.5m處；將土壤溫濕度傳感器布設在？1、？2、？3、？4汴5、？6這6點且深度為IOcm和20cm處。
【文檔編號】G08B31/00GK104008633SQ201410225345
【公開日】2014年8月27日 申請日期:2014年5月26日 優先權日:2014年5月26日
【發明者】傅澤田, 王翔宇, 張領先, 李鑫星, 溫皓杰, 陳英義, 李道亮, 潘子龍, 胡永軍, 林桂玉, 田素波 申請人:中國農業大學, 壽光蔬菜產業控股集團有限公司