【技术实现步骤摘要】
一种农作物病虫害智能监控方法及系统
[0001]本专利技术涉及智慧农业
，为一种农作物病虫害智能监控方法及系统。
技术介绍
[0002]目前，针对于农作物的病虫害检测与医治主要依赖于作物顾问和服务提供者的人工观察，但是很少有经验丰富的观察人员可以在短时间内查看到覆盖较多种类以及较多数量作物的大型农作物生产场地。观察需要大量的专业知识和训练，才能有效和准确地诊断一个农作物中存在的疾病问题。通常，他们首先使用带有疾病和虫害症状的图像进行训练，但由于实际生产环境中存在大量变量，他们需要相当长的时间来熟悉由年龄和受感染组织类型或病虫害周期所引起的许多症状类别，以及不断变化的温度、pH 值、湿度和水分等影响植物病害发生的环境因素。经验丰富的观察员通常也会建立随机抽样的模式，以避免对每棵树进行目测评估，减少工作量，特别是在大型场所，必须战略性地观察区域，以覆盖最重要的区域。观察员将寻找特定的敏感品种，在大多数农作物中，疾病、害虫和非生物胁迫的许多症状都非常明显，仅凭视觉症状就足以区分。然而，一些疾病的症状看起来非常相似，却很难准确...
【技术保护点】
【技术特征摘要】
1.一种农作物病虫害智能监控方法，其特征在于，应用于服务器，所述方法包括：构建农作物病虫害仿真环境，在生长周期中获取对应农作物生长过程中的大气环境数据、土壤环境数据和农作物生长数据，其中所述农作物生长数据包括农作物生长特征数据，依次调节所述大气环境数据、所述土壤环境数据、所述大气环境数据和所述土壤环境数据综合数据至所述农作物生长特征数据至预设的临界数据，基于以上数据构建初步预警模型；按照采集周期获取目标农作物的大气环境数据、土壤环境数据，基于所述初步预警模型对所述大气环境数据、所述土壤环境数据进行处理，得到农作物生长数据，并将所述农作物生长数据与标准农作物生长数据进行比较得到初步预警信息，并采集对应所述目标农作物的实时图像；对所述实时图像进行目标图像分割，得到符合要求的目标农作物图像，并将所述目标农作物图像输入至目标识别模型，得到农作物病害种类以及病害程度。2.根据权利要求1所述的农作物病虫害智能监控方法，其特征在于，所述初步预警模型基于支持向量机训练构建，所述支持向量机的训练集和测试集包括所述仿真环境中获得的大气环境数据、土壤环境数据和农作物生长数据，并对所述训练集和所述测试集进行归一化处理。3.根据权利要求2所述的农作物病虫害智能监控方法，其特征在于，所述支持向量机的决策函数为：，k为径向基核函数，所述径向基核函数为：，其中为输出的决策信号，x为输入信号，为第i个样本中的列向量，与为拉格朗日承子，l为所能支持的向量上限，b为偏置量，σ为宽度信息；所述输入信号为所述大气环境数据、所述土壤环境数据中的任意一种数据，所述样本包括所述输入信号下的任意一类数据。4.根据权利要求2所述的农作物病虫害智能监控方法，其特征在于，所述归一化处理中得归一化区间为[0.2,0.9]，归一化公式为：，其中y为归一化处理之后的数据集，x为进行归一化处理的数据集，与分别为进行归一化处理的数据集中同一个量纲数据集序列中的最大值和最小值。5.根据权利要求1所述的农作物病虫害智能监控方...
【专利技术属性】
技术研发人员：徐翔，王光旭，王思奎，张燕林，王家顺，
申请(专利权)人：德阳稷农农业科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。