[发明专利]基于蜂群与梯度提升决策树算法农作物病害诊断预警方法

说明书

本发明公开了基于蜂群与梯度提升决策树算法农作物病害诊断预警方法，对服务器端病害库中的病害信息提取相应特征，利用GBDT算法训练并建立作物的病害关联模型；数据采集单元通过无线通信网络将叶片图像数据和墒情数据以单播方式上传至服务器；将数据采集单元上传的图像数据和墒情数据经特征提取，诊断病害的种类及预测病害发生趋势，服务器端将启动自动报警提示。本发明有益效果：本发明通过该诊断预警方法，获取农作物的图像数据和相关墒情数据，经蜂群算法优化特征集后采用GBDT算法训练生成病害关联模型，增强了病害诊断的准确性和召回率；通过无线传感网络的实时信息传输，可实时处理数据，实现病害的自动预测预警，一定程度上拓展预警时间范围。

技术领域

本发明涉及信息技术领域的农作物病害诊断预警技术领域，尤其是多特征选取、多参数融合的基于蜂群与梯度提升决策树算法农作物病害诊断预警方法。

背景技术

随着人民生活水平的日益提高，人们对各类农作物的质量和种类的需求越来越高。然而农作物病害是影响农作物产量和质量的重要因素之一，如何正确识别病害，合理施用农药，针对性地提供防治措施，是提高作物产量和质量的关键。长期以来，农作物病害的防控均存在病害诊断准确率低、预警误报率高等问题，且诊断方式单一，主要依靠农民个人经验、专家病理学分析和病害著作图谱对比等方法。在确定病害种类及等级时，人工目测的主观性、局限性和病理分析的复杂性往往会耽误病害防治，造成极大的损失，单纯的个人经验及人工目测不足以准确发现并识别病害。

随着计算机处理能力的不断增强以及数字图像采集装置的不断发展，利用数字图像处理与图像分析技术进行植物病害检测识别已经成为诊断病害的重要手段之一。日本安冈善文等对作物叶片受有害气体污染后的红外图像进行研究，叶片的红外图像可清晰地显示被污染的区域，从而提出通过病叶来诊断植物病害。北京师范大学刘君等人用最大期望算法(ExpectationMaximizationAlgorithm，EM)和偏微分方程水平集模型对图像进行分割获取病斑，运用主成分分析法对特征降维处理，实现黄瓜、番茄等园艺作物叶片的自动诊断与识别，自动化程度高。

由于自然生态和作物本身的复杂以及不规律演变，各类病害的表现特征复杂多样，单一的分析叶片图像进行病害诊断已经无法满足需求。研究表明农作物病害的发生与诸多生境气象墒情因子有很大的关系，如中国科学院大学的刘天华等分析了温度、光照、湿度等气象因素对稻瘟病菌致病和水稻抗病的影响,并初步对其影响稻瘟病爆发和流行的分子机制进行探讨。因此，在诊断农作物病害时，引入其生境墒情因子，可进一步提高病害诊断预测的准确率、召回率，可一定程度上拓展预警时间范围，能大幅度降低诊断预警的时间复杂度。

因此，对于上述问题有必要提出基于蜂群与梯度提升决策树算法农作物病害诊断预警方法。

发明内容

本发明目的是克服了现有技术中的不足，提供了基于蜂群与梯度提升决策树算法农作物病害诊断预警方法，主要目的是解决单一图像特征难以精准诊断病害，无法提前预警等问题。

为了解决上述技术问题，本发明是通过以下技术方案实现：

基于蜂群与梯度提升决策树算法农作物病害诊断预警方法，其方法步骤为：(1)对服务器端病害库中的病害信息提取相应特征，即图像特征、墒情特征、图像—墒情特征，使用引入位置偏移的蜂群算法优化特征选择，利用GBDT算法训练并建立作物的病害关联模型；(2)在农作物种植区域布置无线传感器网络数据采集单元，数据采集单元通过无线通信网络将叶片图像数据和墒情数据以单播方式上传至服务器；(3)将数据采集单元上传的图像数据和墒情数据经特征提取、优化选择后，运用病害关联模型进行相似性计算，诊断病害的种类及预测病害发生趋势；(4)若计算得出病害发生趋势和危害等级达到警戒阈值，服务器端将启动自动报警提示，同时将病害特征信息写入农作物叶片病害案例知识库中。