基于物联网的小麦病虫害动态气象模型和远程诊断方法研究

发布时间：2017-08-25 19:32

  本文关键词：基于物联网的小麦病虫害动态气象模型和远程诊断方法研究

  更多相关文章： 农业物联网 小麦病虫害 气象预测 远程诊断 图像识别

【摘要】：小麦是我国的主要粮食作物,病虫害是影响其稳产、高产的重要生物灾害。小麦病虫害发生发展的实时掌握对农业经营者的利益及国家粮食安全具有重要意义。本研究围绕小麦病虫害的动态监测问题,基于前期构建的国家小麦物联网中心平台,初步构建了小麦病虫害的动态气象模型和远程诊断方法。小麦病虫害动态气象模型是以黄淮区小麦条锈病为例,根据黄淮区小麦条锈病的发生流行特点及条锈病菌对气候条件的反应特性,建立空气温度、空气湿度两个主要气象数据对条锈病发生流行程度可能性的预警模型;将模型集成于国家小麦物联网服务器中,利用物联网田间监测站点实时获取的数据,结合小麦品种及远程病虫害诊断结果等参数,利用物联网田间数据易实时获取的优势,可以很好的反映田间的基本状况,起到很好的预警效果,实现小麦条锈病的实时动态监测预警。小麦病虫害远程诊断系统则是以图像识别技术为基本原理方法,基于国家小麦物联网系统平台,研发了集图像获取、图像识别诊断于一体的应用系统,通过物联网平台远程获取的田间小麦图像信息,实现了对小麦白粉病、锈病、蚜虫及健康小麦叶片图像的分类识别,从而实现小麦病虫害的远程诊断。并将物联网系统获取的感白粉病、锈病、蚜虫的不健康叶片与健康小麦叶片的图片分别进行对比实验研究,实验结果显示,识别率都较为理想,其中白粉病的识别率为82.5%,锈病、蚜虫和健康叶片的识别率都在95%以上。本研究中还利用了多源数据的耦合技术,增强了对小麦病虫害更好的监测效果。基于物联网的小麦病虫害动态气象模型和远程诊断方法都具有很好的实用性和可扩展性,为农业物联网的应用和发展迈出了具有创新性的重要一步。
【关键词】：农业物联网 小麦病虫害 气象预测 远程诊断 图像识别
【学位授予单位】：中国农业科学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S435.12;S126
【目录】：

• 摘要6-7
• Abstract7-10
• 第一章 引言10-21
• 1.1 研究背景10-13
• 1.1.1 我国小麦基本情况10
• 1.1.2 黄淮区小麦病虫害10-12
• 1.1.3 物联网与农业应用现状12-13
• 1.2 研究目的和意义13-14
• 1.2.1 现存问题13
• 1.2.2 常规解决方式13
• 1.2.3 新的解决思路和技术手段13-14
• 1.2.4 研究内容和意义总结14
• 1.3 研究进展14-18
• 1.3.1 病虫害气象研究进展14-16
• 1.3.2 病虫害图像识别技术研究进展16-17
• 1.3.3 农业物联网技术17-18
• 1.4 研究内容和方法18-21
• 1.4.1 黄淮区小麦条锈病物联网模型18
• 1.4.2 基于物联网的小麦病虫害远程诊断方法18-19
• 1.4.3 技术路线19-21
• 第二章 黄淮区小麦条锈病的物联网病虫害气象模型21-26
• 2.1 黄淮区小麦条锈病传播发展规律21-22
• 2.1.1 黄淮区小麦条锈病的周年循环21-22
• 2.1.2 黄淮区小麦条锈病流行的关键因素22
• 2.2 黄淮区小麦条锈病气象预警模型的建立22-25
• 2.2.1 病害等级22-23
• 2.2.2 条锈病温度子模型23
• 2.2.3 条锈病湿度子模型23-24
• 2.2.4 前期诊断修正系数24
• 2.2.5 模型的最终建立与实现24-25
• 2.3 物联网模型的建立25
• 2.4 本章小结25-26
• 第三章 基于物联网的小麦病虫害诊断方法26-34
• 3.1 基本原理26
• 3.2 小麦病虫害诊断功能在物联网平台上的实现26
• 3.3 图像识别模型设计26-28
• 3.3.1 病虫害图像分割方法27
• 3.3.2 病虫害图像特征提取方法27-28
• 3.3.3 基于向量机的病虫害图像分类识别方法28
• 3.4 结果与分析28-33
• 3.4.1 病虫害图像分割结果29
• 3.4.2 病虫害图像特征提取结果29-31
• 3.4.3 支持向量机分类识别结果31-33
• 3.5 本章小结33-34
• 第四章 总结与讨论34-37
• 4.1 研究内容总结34
• 4.2 创新点34-35
• 4.3 讨论和展望35-37
• 参考文献37-42
• 致谢42-44
• 作者简历44
• 作者简介44
• 参与课题44
• 硕士期间发表文章44

【参考文献】

中国期刊全文数据库 前10条

1 汪京京;张武;刘连忠;黄帅;;农作物病虫害图像识别技术的研究综述[J];计算机工程与科学;2014年07期

2 周海波;程登发;陈巨莲;;小麦蚜虫田间调查及监测技术[J];应用昆虫学报;2014年03期

3 孙忠富;杜克明;郑飞翔;尹首一;;大数据在智慧农业中研究与应用展望[J];中国农业科技导报;2013年06期

4 陈万权;;小麦重大病虫害综合防治技术体系[J];植物保护;2013年05期

5 施连敏;陈志峰;盖之华;;物联网在智慧农业中的应用[J];农机化研究;2013年06期

6 张婧霖;;黄淮地区小麦病虫害的发生规律及防治措施[J];现代农业科技;2013年08期

7 万信;任华荣;韩兰英;贾建英;;甘肃陇南冬小麦条锈病气象等级预测模型的建立与应用[J];草业科学;2013年01期

8 赵广才;常旭虹;王德梅;杨玉双;冯金凤;;中国小麦生产发展潜力研究报告[J];作物杂志;2012年03期

9 崔作龙;徐长松;;图像清晰度的量化测量探究[J];实验技术与管理;2012年05期

10 朱士虎;;形态学高帽变换与低帽变换功能扩展及应用[J];计算机工程与应用;2011年34期

中国重要会议论文全文数据库 前1条

1 贾金明;张明捷;徐巧真;郭明荣;毛桂萍;许庆娥;郭宁宁;;黄河中下游小麦条锈病气象预报模式的建立与应用[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

中国博士学位论文全文数据库 前1条

1 邹修国;基于机器视觉的稻飞虱现场识别技术研究[D];南京农业大学;2013年

中国硕士学位论文全文数据库 前2条

1 张蕾;气候变化背景下农作物病虫害的变化及区域动态预警研究[D];中国气象科学研究院;2013年

2 王永吉;支持向量机泛化性能的研究及其应用[D];江南大学;2009年

，

本文编号：737994