首页 理论教育 基于云计算的作物病害实时预警与识别技术

基于云计算的作物病害实时预警与识别技术

时间:2023-10-17 理论教育 版权反馈
【摘要】:实时预警和识别作物病虫害。通过在现场,实时获取到作物的长势信息,对其病虫害感染情况通过智能识别和诊断系统做出科学判断。因此,研究如何利用机器视觉和图像感知自动、及时、精确识别作物和杂草,健康作物和病害作物以及病变种类就十分必要。

基于云计算的作物病害实时预警与识别技术

1.作物图像信息自动识别有助于作物病害长势的智能解读及预警

农民看到小麦地里长出了杂草时,他的第一反应是如何除草。当果农看到果体体表出现腐烂,轮纹或者黑星时,第一反应是“果实得了什么病,该喷什么药,防止其蔓延”。当农业生产环境中的视频感知设备,或者农业机器人感知到类似的图像信息时,大部分设备,只是当做什么都没发生,如往常一样把这些信息数字化并记录下来,传输到云端保存起来,这就是视频设备对农情的视而不见。

设备只能采集图像,缺乏加工提取功能,无法得到有价值的信息。对云端的农情图像信息分析识别处理,而使得系统能做出类似智能生命体的响应,这成为解决问题的首要任务。要设备能够“看得见”,关键是具备图像信息的识别功能,农业图像信息识别的在生产中有着广泛应用。

提高农业机械作业的效率。在大田杂草识别方面,采用机器视觉图像信息,基于纹理、位置、颜色和形状等特征,识别作物(玉米、小麦)行间在苗期的杂草,针对性地变量喷洒化学制剂,提高精准农业的效率。

开发高智能水平的农业机器人。在农业机器人视觉领域中国农业大学实验室研制的农业机器人,成功执行从架上采摘黄瓜放到后置筐的操作过程,它装备了感应智能采摘臂,通过电子眼,可以在80到160厘米高度内定位到成熟黄瓜的空间位置,并且自动地伸出采摘手臂实施采摘,再由机械手末端的柔性手臂根据瓜体表皮软硬度自动紧握黄瓜,再用切刀割断瓜梗,缓缓送入安装在机器人后面的果筐。其中,关键的系统是果实识别,利用黄瓜果实和背景叶片在红外波段呈现较大的分光反射特性上的差异,将果实和叶片从图像中分离。

实时预警和识别作物病虫害。有研究人员基于图像规则与Android手机棉花病虫害诊断系统,通过产生式规则专家系统和现场指认式诊断,开发了基于安卓的病害诊断。通过在现场,实时获取到作物的长势信息,对其病虫害感染情况通过智能识别和诊断系统做出科学判断。

处理识别非结构化的图像数据成本高,过程复杂。在农业大数据中,结构化的数值数据如气象、土壤等,其含义已经明确,数据和生态环境相关性,可以通过农学知识给出,知识挖掘任务主要是探讨其中时间序列的规律以指导农业耕作,其数据容量,相比于图像是很小的。图像直观地、形象地表达了作物生长、发育、健康状况、受害程度,病因等方方面面的信息。资深农学专家能看懂,悟出其中语义,做出准确把握,给农技措施给出科学指导。让机器视觉设备能实施同样工作,就是研究的终极目标。培养资深专家高昂的社会成本、时间成本和稀缺性,以及大数据的海量、决策紧迫性都使得依靠人力来快速、科学解读农业数据的海量图像信息显得极不现实,图像信息的机器识别对于问题的解决能发挥出巨大的推动作用。

2.作物病害图像识别促进精准、高效、绿色农业发展(www.xing528.com)

农业生产过程中,生理病变和虫害侵袭仍然是妨碍作物生长的基本问题。在病害空间分布、杂草种类不能准确识别的前提下,盲目性地、笼统地喷洒化肥、杀虫制剂等化学物质不仅会造成大量浪费,而且会严重污染土壤环境,危及食品、食材安全影响人类健康。因此,研究如何利用机器视觉和图像感知自动、及时、精确识别作物和杂草,健康作物和病害作物以及病变种类就十分必要。

农药残留威胁着生态环境和人类健康。喷洒后的农药,一些附着在农作物表面,或渗入其体内,使粮食、蔬菜、水果等受到污染;另一部分飘落在地表或挥发、飘散到空气中,或混入雨水及灌溉排水进入河流湖泊,污染水源和水中生物。残留农药途径饲料,使禽畜产品收到污染。还有一部分通过空气、饮水、食物,最后进入人体,引发多种病害。

此外,过量的化学肥料破坏农业生态环境。农田所追加的各品种和形态的化学肥料,都不可能百分之百被作物吸收,不能吸收的部分给农业生产造成大量浪费,给农业环境带来污染。农业要持续发展,必须尽快实施精准农业策略和化学制剂变量追加,降低农业成本和培养市场竞优势,保护生态环境,实现可持续发展

利用视频感知和人工智能技术识别病变图像是实现精准农业变量投入的技术前提,成为精准、高效、绿色、安全、可持续农业的基石。最近几年,信息加工、机器学习技术取得了长足发展,CPU、内存等硬件性价比的也大幅度提高,这些进一步为感知图像的人工智能识别技术在农业信息化领域的应用及科学研究提供了有力支撑,为提高农作精确化水平提供了可能。

3.研究机器学习的作物病害识别将提高农业信息化的智能化水平

智慧农业将物联网技术运用到传统农业,运用传感器和计算机软件通过移动终端或者电脑平台对农业生产进行控制,使传统农业更具有“智慧”。除了精准感知、控制与决策管理外,从更广的意义上讲,它的内涵还包括农业电子商务、食品溯源防伪、农业信息服务等方面的内容,能便捷地实现农业可视化远程诊断与控制、灾变预警等智能管理。它是农业生产的高级阶段,依托农业生产现场的各类信息传感节点和无线通信网络实现生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导,为农业提供精准化生产、智能化决策。

智慧农业的物联网积累了海量有价值的农业数据,物联网数据增长速度越来越快,非结构数据越来越多,“数据泛滥,知识贫乏”也成为智慧农业领域面临的困境。机器学习将提高农业信息系统的智能化水准和大大改善农业信息化服务质量。从实践中不断吸取失败的教训,总结成功的经验,让下一次实践完成得更好,是人类认知的基本路线。让机器也能复制类似的自我学习智能,机器专家成为不断成长寻优的专家,将机器学习智能植入农业智能系统,让智能系统的领域知识动态地自更新、自寻优,从而提高智能系统对于农业复杂问题科学决策水平,延伸农业生产力,这成为了机器学习在智慧农业中的终极发展目标。智能和智慧都离不开机器学习,复杂多变的生产环境对智能系统作业精准度提出了更高要求,使得智慧农业日益增长的知识需求和机器学习速度精度之间的矛盾表现得愈加突出,研究机器学习技术在作物病害识别中的应用将大大提高农业信息化的智能化水平,对于推动机器学习新技术有机融入是智慧农业有着积极意义。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈