本文關鍵詞：基于物聯(lián)網的小麥病蟲害動態(tài)氣象模型和遠程診斷方法研究

  更多相關文章： 農業(yè)物聯(lián)網 小麥病蟲害 氣象預測 遠程診斷 圖像識別

【摘要】：小麥是我國的主要糧食作物,病蟲害是影響其穩(wěn)產、高產的重要生物災害。小麥病蟲害發(fā)生發(fā)展的實時掌握對農業(yè)經營者的利益及國家糧食安全具有重要意義。本研究圍繞小麥病蟲害的動態(tài)監(jiān)測問題,基于前期構建的國家小麥物聯(lián)網中心平臺,初步構建了小麥病蟲害的動態(tài)氣象模型和遠程診斷方法。小麥病蟲害動態(tài)氣象模型是以黃淮區(qū)小麥條銹病為例,根據黃淮區(qū)小麥條銹病的發(fā)生流行特點及條銹病菌對氣候條件的反應特性,建立空氣溫度、空氣濕度兩個主要氣象數(shù)據對條銹病發(fā)生流行程度可能性的預警模型;將模型集成于國家小麥物聯(lián)網服務器中,利用物聯(lián)網田間監(jiān)測站點實時獲取的數(shù)據,結合小麥品種及遠程病蟲害診斷結果等參數(shù),利用物聯(lián)網田間數(shù)據易實時獲取的優(yōu)勢,可以很好的反映田間的基本狀況,起到很好的預警效果,實現(xiàn)小麥條銹病的實時動態(tài)監(jiān)測預警。小麥病蟲害遠程診斷系統(tǒng)則是以圖像識別技術為基本原理方法,基于國家小麥物聯(lián)網系統(tǒng)平臺,研發(fā)了集圖像獲取、圖像識別診斷于一體的應用系統(tǒng),通過物聯(lián)網平臺遠程獲取的田間小麥圖像信息,實現(xiàn)了對小麥白粉病、銹病、蚜蟲及健康小麥葉片圖像的分類識別,從而實現(xiàn)小麥病蟲害的遠程診斷。并將物聯(lián)網系統(tǒng)獲取的感白粉病、銹病、蚜蟲的不健康葉片與健康小麥葉片的圖片分別進行對比實驗研究,實驗結果顯示,識別率都較為理想,其中白粉病的識別率為82.5%,銹病、蚜蟲和健康葉片的識別率都在95%以上。本研究中還利用了多源數(shù)據的耦合技術,增強了對小麥病蟲害更好的監(jiān)測效果�；谖锫�(lián)網的小麥病蟲害動態(tài)氣象模型和遠程診斷方法都具有很好的實用性和可擴展性,為農業(yè)物聯(lián)網的應用和發(fā)展邁出了具有創(chuàng)新性的重要一步。
【關鍵詞】：農業(yè)物聯(lián)網 小麥病蟲害 氣象預測 遠程診斷 圖像識別
【學位授予單位】：中國農業(yè)科學院
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S435.12;S126
【目錄】：

• 摘要6-7
• Abstract7-10
• 第一章 引言10-21
• 1.1 研究背景10-13
• 1.1.1 我國小麥基本情況10
• 1.1.2 黃淮區(qū)小麥病蟲害10-12
• 1.1.3 物聯(lián)網與農業(yè)應用現(xiàn)狀12-13
• 1.2 研究目的和意義13-14
• 1.2.1 現(xiàn)存問題13
• 1.2.2 常規(guī)解決方式13
• 1.2.3 新的解決思路和技術手段13-14
• 1.2.4 研究內容和意義總結14
• 1.3 研究進展14-18
• 1.3.1 病蟲害氣象研究進展14-16
• 1.3.2 病蟲害圖像識別技術研究進展16-17
• 1.3.3 農業(yè)物聯(lián)網技術17-18
• 1.4 研究內容和方法18-21
• 1.4.1 黃淮區(qū)小麥條銹病物聯(lián)網模型18
• 1.4.2 基于物聯(lián)網的小麥病蟲害遠程診斷方法18-19
• 1.4.3 技術路線19-21
• 第二章 黃淮區(qū)小麥條銹病的物聯(lián)網病蟲害氣象模型21-26
• 2.1 黃淮區(qū)小麥條銹病傳播發(fā)展規(guī)律21-22
• 2.1.1 黃淮區(qū)小麥條銹病的周年循環(huán)21-22
• 2.1.2 黃淮區(qū)小麥條銹病流行的關鍵因素22
• 2.2 黃淮區(qū)小麥條銹病氣象預警模型的建立22-25
• 2.2.1 病害等級22-23
• 2.2.2 條銹病溫度子模型23
• 2.2.3 條銹病濕度子模型23-24
• 2.2.4 前期診斷修正系數(shù)24
• 2.2.5 模型的最終建立與實現(xiàn)24-25
• 2.3 物聯(lián)網模型的建立25
• 2.4 本章小結25-26
• 第三章 基于物聯(lián)網的小麥病蟲害診斷方法26-34
• 3.1 基本原理26
• 3.2 小麥病蟲害診斷功能在物聯(lián)網平臺上的實現(xiàn)26
• 3.3 圖像識別模型設計26-28
• 3.3.1 病蟲害圖像分割方法27
• 3.3.2 病蟲害圖像特征提取方法27-28
• 3.3.3 基于向量機的病蟲害圖像分類識別方法28
• 3.4 結果與分析28-33
• 3.4.1 病蟲害圖像分割結果29
• 3.4.2 病蟲害圖像特征提取結果29-31
• 3.4.3 支持向量機分類識別結果31-33
• 3.5 本章小結33-34
• 第四章 總結與討論34-37
• 4.1 研究內容總結34
• 4.2 創(chuàng)新點34-35
• 4.3 討論和展望35-37
• 參考文獻37-42
• 致謝42-44
• 作者簡歷44
• 作者簡介44
• 參與課題44
• 碩士期間發(fā)表文章44

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 汪京京;張武;劉連忠;黃帥;;農作物病蟲害圖像識別技術的研究綜述[J];計算機工程與科學;2014年07期

2 周海波;程登發(fā);陳巨蓮;;小麥蚜蟲田間調查及監(jiān)測技術[J];應用昆蟲學報;2014年03期

3 孫忠富;杜克明;鄭飛翔;尹首一;;大數(shù)據在智慧農業(yè)中研究與應用展望[J];中國農業(yè)科技導報;2013年06期

4 陳萬權;;小麥重大病蟲害綜合防治技術體系[J];植物保護;2013年05期

5 施連敏;陳志峰;蓋之華;;物聯(lián)網在智慧農業(yè)中的應用[J];農機化研究;2013年06期

6 張婧霖;;黃淮地區(qū)小麥病蟲害的發(fā)生規(guī)律及防治措施[J];現(xiàn)代農業(yè)科技;2013年08期

7 萬信;任華榮;韓蘭英;賈建英;;甘肅隴南冬小麥條銹病氣象等級預測模型的建立與應用[J];草業(yè)科學;2013年01期

8 趙廣才;常旭虹;王德梅;楊玉雙;馮金鳳;;中國小麥生產發(fā)展?jié)摿ρ芯繄蟾鎇J];作物雜志;2012年03期

9 崔作龍;徐長松;;圖像清晰度的量化測量探究[J];實驗技術與管理;2012年05期

10 朱士虎;;形態(tài)學高帽變換與低帽變換功能擴展及應用[J];計算機工程與應用;2011年34期

中國重要會議論文全文數(shù)據庫 前1條

1 賈金明;張明捷;徐巧真;郭明榮;毛桂萍;許慶娥;郭寧寧;;黃河中下游小麥條銹病氣象預報模式的建立與應用[A];中國氣象學會2007年年會生態(tài)氣象業(yè)務建設與農業(yè)氣象災害預警分會場論文集[C];2007年

中國博士學位論文全文數(shù)據庫 前1條

1 鄒修國;基于機器視覺的稻飛虱現(xiàn)場識別技術研究[D];南京農業(yè)大學;2013年

中國碩士學位論文全文數(shù)據庫 前2條

1 張蕾;氣候變化背景下農作物病蟲害的變化及區(qū)域動態(tài)預警研究[D];中國氣象科學研究院;2013年

2 王永吉;支持向量機泛化性能的研究及其應用[D];江南大學;2009年

，

本文編號：737994