[发明专利]基于农业物联网和深度信念网络的大棚冬枣病害预测模型

说明书

技术领域

本发明涉及农作物病害预测和机器学习技术领域，特别涉及基于农业物联网和深度信念网络的大棚冬枣病害预测模型。

背景技术

我国陕西省大荔县黄河滩区20万亩大鹏冬枣皮薄肉脆、甘甜清香、营养丰富，深受全国人民喜爱，但农药残余过量。由于大荔冬枣是大鹏温室种植，大鹏内温度高、湿度大、光照弱，为冬枣病害发生提供了适宜条件，致使冬枣病害的种类增多，病害发生频繁。多年来，大部分果农由于缺乏病害的实时信息和科学防治指导，在一年内定期给枣树喷洒20余种农药，特别是一些果农加大量、更多次喷洒农药。尽管喷洒农药的确能够快速、有效地防治枣树病害，极大提高冬枣产量，但导致了农药残余过量和环境污染等严重问题。研究表明，大棚冬枣病害的发生、发展和流行依赖于一定的生长环境条件，例如降雨或适温、高湿有利于大多数病虫的繁殖和扩散，雨水是细菌侵染和传播的主要条件之一，温度、湿度、降雨量、风和光照等气象要素是许多冬枣病虫害发生和发展的主要因素【李丽,李道亮,周志坚,等.径向基函数网络与WebGIS融合的苹果病虫害预测.农业机械学报,2008,39(3):116-119】。大荔县的大棚冬枣病害发生的原因复杂多样，主要与季节、温度、湿度、光照、降雨量、气流、土壤等很多因素有关，各个因素之间存在着复杂的相互作用、相互影响。由于各个大棚内冬枣的生长环境(温湿度、光照、土壤条件等)不同，使得不同大棚内冬枣病害的发生时间、发生种类和危害部位及危害程度等不尽相同【杨国安.冬枣病虫害综合防治技术.北京农业,2015(19):46-47】。所有这些因素都极大增加了冬枣病害检测和防治的难度【李新良,秦玉玲.枣树主要病虫害的防治措施.现代园艺,2016(13):147-148】。目前大棚冬枣病害主要由植保专家、果农凭借自身经验，结合以往病害发生的环境信息和病害引起的症状等进行检测和诊断【王永,刘芹,张兴甫.冬枣黑斑病的识别和防治研究.湖北植保,2016(4):46-50】。由于冬枣病害发生条件和发展程度模糊，病害预测和诊断缺乏客观定量的尺度，因此在进行冬枣病害预测和诊断时常常出现偏差，可能造成病害预测和种类判断错误。随着互联网和农业物联网的不断发展，植保人员和果农能够及时采集到冬枣病害的气候、气象、土壤等相关信息，由此可以有效预测和防治冬枣病害【陈光绒,李小琴.基于物联网技术的农作物病虫害自动测报系统.江苏农业科学,2015,43(4):406-410】。深度学习是近年来人工智能领域的一种新颖的有效的大数据分类和预测方法，在很多应用领域得到了广泛应用【Lin KY,Tsai J J P.A Deep Learning-Based Customer Forecasting Tool.IEEE Second International Conference on Multimedia Big Data,2016:198-205】。基于深度信念网络的数据预测模型能够从很多与冬枣病害发生相关的环境信息中自动学习到高层非线性组合特征【Kuremoto T,Kimura S,Kobayashi K,et al.Time series forecasting using a deep beliefnetwork with restricted Boltzmann machines.Neurocomputing,2014,137(15):47-56】。但由于大棚冬枣病害发生的因素的复杂多样性，现有大棚冬枣病害预测方法和技术中仅利用冬枣生成的少量环境信息和病害冬枣视频彩色图像预测病害发生的准确率不高，不能满足实际要求，亟需一种能够准确预测大棚冬枣病害的方法。利用深度信念网络能够进行冬枣病害预测，排除人为主观干扰，提高预测准确率，为实现大棚冬枣病害自动化管理提供一定理论依据和技术支撑。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于农业物联网和深度信念网络的大棚冬枣病害预测模型，提高大棚冬枣病害预测准确率。

为了达到上述目的，本发明采取的技术方案为；

基于农业物联网和深度信念网络的大棚冬枣病害预测模型，包括以下步骤：