基于物聯網技術的日光溫室黃瓜白粉病預警系統研究

王曉蓉，呂雄杰，賈寶紅（天津市農業科學院，天津3009；天津市農業科學院信息研究所，天津3009）

?

基于物聯網技術的日光溫室黃瓜白粉病預警系統研究

王曉蓉1，呂雄杰2，賈寶紅2
（1天津市農業科學院，天津300192；2天津市農業科學院信息研究所，天津300192）

運用物聯網技術實現對日光溫室黃瓜的生長環境包括空氣溫濕度與土壤溫濕度和白粉病發病狀況進行了實時動態監測和采集，并采取Logistic回歸模型建立日光溫室黃瓜白粉病預警模型，以期探索基于物聯網技術的日光溫室黃瓜白粉病預警系統的設計與構建。研究結果表明：濕度特征變量（最大空氣濕度）、溫度特征變量（最大空氣溫度）對日光溫室黃瓜白粉病的發病概率均有顯著影響，且基于物聯網技術構建日光溫室黃瓜白粉病預警系統是可行的。

日光溫室；黃瓜；白粉病；物聯網；預警模型

0　引言

黃瓜白粉病是一種廣泛發生的世界性病害［1］，一般在黃瓜生長中、后期病情發展傳播迅速，會導致大量減產，造成較為嚴重的經濟損失［2］。近幾年，黃瓜白粉病的發生愈發嚴重［3］，成為黃瓜三大病害之一［4］，特別是對日光溫室黃瓜的影響甚為嚴重［5］。目前研究表明，白粉病的發生流行主要取決于溫室的溫濕度［6］。白粉菌產生分生孢子的適溫為15～30℃，相對濕度80%以上，且分生孢子發芽和侵入的適宜相對濕度為90%～95%［7］。為此，研究溫室黃瓜白粉病發生流行情況與溫室內溫度、濕度等環境影響因素的關系，構建病害發生監測預警模型，有利于及時制定預防計劃，實現綠色化、高效化的防治［4］。

目前，傳統農業正在向現代農業轉型，農業物聯網技術正是農業走向信息化、智能化的必然條件［8］。近年來，中國農業物聯網進入了快速發展階段，智能感知、無線傳感網、云計算與云服務等物聯網技術正在向農業產業各個領域滲透［9］。其中，將物聯網技術運用到精準農業中，可有效提高農業生產力，特別是可有效解決制約精準農業發展的重要問題——如何簡便快速地采集到作物的環境信息和生長信息［10］。同樣，開展黃瓜病害發生情況調查研究亦需要實時跟蹤監測、分析和處理溫室溫濕度、黃瓜生長狀況等海量信息［11］，若只依靠人工，不僅工作量大而繁瑣，費時費力，而且較難保證數據采集的質量與時效性，而運用物聯網技術則可有效解決這些問題［12］。為此，筆者將農業物聯網關鍵技術與黃瓜白粉病發生預測模型相結合，探索基于物聯網技術的日光溫室黃瓜白粉病監測預警系統的構建，旨在為今后利用物聯網技術探索作物病害流行規律和構建相關模擬模型奠定前期基礎。

1　系統構成

基于物聯網技術的日光溫室黃瓜白粉病監測預警系統由3個部分組成，即感知層、網絡層和應用層。感知層可實現環境信息數據采集；網絡層可實現環境信息數據傳輸；應用層可實現環境信息數據統計分析，并進行及時預警和科學決策。

1.1感知層

針對日光溫室內生產環境的特點，選取國家農業信息化工程技術研究中心研制的具有自主知識產權，且能夠適應溫室中高溫、高濕的生產環境，精度和穩定性能滿足設施生產需求的無線傳感器。空氣溫度傳感器，測量范圍-20～70℃，測量精度±0.1℃，工作溫度-20～70℃；空氣濕度傳感器，測量范圍0～100%RH，測量精度±2%RH，工作溫度-20～70℃；土壤溫度傳感器，測量范圍-20～100℃，測量精度±0.2℃；土壤濕度傳感器，測量容積含水率，單位%，量程0～100%，測量精度±3%。

1.2網絡層

網絡層分為2種子網，分別為溫室內部感知節點間的自組織網絡和溫室與監控中心的通信網絡。溫室內部感知節點間的自組織網絡通過ZigBee連接各種傳感器，實現對溫室內環境信息數據的自動采集，進而實現各節點數據在溫室中繼設備匯聚、傳輸。溫室與監控中心的通信網絡是溫室環境數據通過溫室內部自組織網絡在溫室中繼節點匯聚后，執行控制器通過串口服務器將485協議轉換為網絡協議，然后再通過交換機與無線網橋連接，最終將環境監測數據通過無線傳輸方式傳回到監控中心［13］。

1.3應用層

監控中心系統由服務器、操作臺及物聯網監控軟件等組成。該系統使用Eclipse 3.4作為軟件開發環境，數據庫為Mysql 5.0，Tomcat 5.5作為瀏覽器查看服務器。服務器配置為DELL雙路四核塔式服務器，處理器為Xeon E 5620，開發工具為Eclipse 3.4+icharts 1.2+Tomcat 6.0，技術框架為Spring 2.5+Struts 2.5+ Hibernate 3.0。物聯網監控軟件部署在監控中心服務器上，具備以列表和曲線的形式對歷史數據和實時數據進行展示的功能，另外還可以對歷史數據進行下載和分析。

2　數據采集

2014年在天津市現代農業科技創新基地選取4棟種植相同品種黃瓜的日光溫室，對黃瓜白粉病病害發生情況進行全年調查，發現其中一個日光溫室發生了較為嚴重的白粉病。具體發病情況如下：春茬黃瓜自定植以來，從2014年3月20日開始發現發生白粉病，至2014年3月25日白粉病已經很嚴重，一直持續至2014年4月底；秋冬茬黃瓜從2014年9月1日開始發生白粉病，一直持續至2014年12月底。

與此同時，運用日光溫室黃瓜白粉病監測預警系統，采用無線傳感器采集溫室內的主要環境因子，利用無線傳輸實現數據的自動獲取與傳輸，實現對溫室內空氣溫度、空氣濕度、土壤溫度、土壤濕度的全天候不間斷監測。

3　黃瓜白粉病預測模型構建

3.1模型選取和變量定義

將黃瓜白粉病是否發生作為因變量，最高空氣溫度、最大空氣濕度、最高土壤溫度、最大土壤濕度作為自變量，進行模型分析。由于黃瓜白粉病是否發生的分析屬于二分類因變量的分析，使用非線性函數效果較佳，其中Logistic分布是最常用的一種函數，一般運用Logistic回歸模型對分類因變量與連續或分類自變量之間的非線性關系進行估計［14］，為此，本研究選擇Logistic回歸模型進行分析。

首先，列出黃瓜白粉病是否發生（Y）的線性概率模型，見公式（1）。

然后，根據公式（1）列出黃瓜白粉病是否發生（Y）的Logistic回歸模型，見公式（2）。其中，Pr表示黃瓜白粉病是否發生（Y）的發生概率，α和β表示常數和回歸系數，X是自變量，

由于研究對象黃瓜白粉病是否發生（Y）包含一個以上的自變量，則令Z=α+β1X1+β2X2+…+βnXn，n表示自變量的個數，因此Logistic回歸模型（2）可以變為Logistic回歸模型（3）。

模型中各變量的名稱與定義詳見表1。

表1　Logistic回歸模型的變量名稱與定義

3.2模型檢驗

運用SPSS 16.0進行Logistic回歸，選擇Backward （Wald）方法對數據進行模擬計量，將Wald值不顯著的自變量（土壤溫度、土壤濕度）逐次剔除，再逐次回歸，直到模型系數的混合檢驗（Omnibus Tests of Model Coefficients）、最 大 似 然 平 方 的 對 數 值 檢 驗（-2loglikelihood=36.720）、Hosmer-Lemeshow檢驗、最終預測分類檢驗、最終模型參數檢驗等檢驗結果良好，獲得最終模型。

模型系數的混合檢驗：取顯著性水平0.05，考慮到自由度df=2，可查出卡方臨界值5.991。計算的卡方值36.897，大于臨界值，并且相應的Sig.值小于0.05，因此在顯著性水平為0.05的情況下，模型通過檢驗，見表2。

最大似然平方的對數值檢驗：用于檢驗模型的整體性擬合效果，該對數值為36.720，大于卡方臨界值5.991，該檢驗通過。見表2。

Hosmer-Lemeshow檢驗：取顯著性水平0.05，根據自由度數目df=8，得到卡方臨界值15.507。計算得到Hosmer-Lemeshow檢驗的卡方值為 1.029，小于15.507，并且Sig.值大于0.05，表明該檢驗通過。見表2。

最終預測分類的準確度如表3所示，白粉病發生預測正確率為98.6%；白粉病不發生的概率為60.0%。總的預測正確率為96.0%，模型效果較好［15］。

表2　模型系數的混合檢驗

表3　預測分類表

最終模型的變量檢驗如表4所示，B對應的是最終模型參數估計值：常數項為-46.186，最大空氣濕度的回歸系數為0.597，最高空氣溫度的回歸系數為-0.054。從Sig.值來看，最大空氣濕度回歸系數的置信度接近100%，而最高空氣溫度的回歸系數只有40%以上。從模型模擬結果可知，濕度特征變量（最大空氣濕度）、溫度特征變量（最大空氣溫度）對日光溫室黃瓜白粉病的發病概率均有顯著影響，其中最大空氣濕度與其呈顯著正相關，最大空氣溫度與其呈較顯著的反向相關。

3.3模型建立

根據表4可建立線性關系，見公式（4）。

式中：Ha、Ta分別代表最大空氣濕度、最高空氣溫度。

將上面的關系式代入Logistic回歸模型（3），得到最終黃瓜白粉病發生預測模型（5）。

4　結論與討論

本研究將農業物聯網技術與黃瓜白粉病發生預測模型相結合，建立了基于物聯網技術的日光溫室黃瓜白粉病監測預警系統。該系統一方面采取Logistic回歸模型構建黃瓜白粉病發生預測模型，探明了黃瓜白粉病發生概率與溫室內主要環境因子之間的關系，同時模型檢驗結果較優，表明系統模型在預測溫室黃瓜白粉病發生方面具有較強的實用性；另一方面系統綜合運用無線傳感器、通信網絡傳輸、信息智能處理等農業物聯網技術，實現對黃瓜日光溫室環境因子變化情況及黃瓜白粉病病情的實時、動態、線上監測與及時、精準防控，轉變傳統農業信息監測與管理方式，為探索日光溫室栽培管理的精準化、信息化、現代化發展奠定了一定的基礎。

今后日光溫室黃瓜白粉病監測預警系統仍有較大的完善空間，主要有以下3個方面：一是增加日光溫室環境調控功能，當溫室內溫度或濕度超過系統設定臨界值時，系統發送指令給風機，從而開啟溫室通風口，以降低溫室內溫度和濕度；二是實現預警模型的系統嵌入，運用BP神經網絡構建日光溫室黃瓜白粉病預警模型，結合嵌入式技術，完善和強化整個系統的預警功能；三是進一步改進日光溫室黃瓜白粉病預警模型，豐富模型自變量，把品種抗性、栽培管理水平等非環境因素作為補充［16］，考慮到隨著時間的推移，病原菌的致病性及環境耐受力也會發生變化［17］，所以需不斷對回歸方程進行校正，保持模型的滾動發展，以達到預警效果動態最佳。

表4　模型中的變量檢驗

［1］劉苗苗，劉宏宇，顧興芳，等.黃瓜白粉病抗性遺傳規律及分子標記研究進展［J］.中國蔬菜，2009（24）：7-12.

［2］馮東昕，李寶棟.主要瓜類作物抗白粉病育種研究進展［J］.中國蔬菜，1996（1）：55-59.

［3］李付軍，王佰晨，吳紅，等.防治黃瓜白粉病田間藥效試驗［J］.現代園藝，2015（16）：6.

［4］ 尹哲，原鍇，谷培云，等.京郊溫室大棚黃瓜白粉病流行預測模型構建［J］.中國植保導刊，2014（3）：46-48.

［5］ 張淑霞，孫兆法，宋朝玉，等.溫室黃瓜白粉病的發生與防治［J］.西北園藝：蔬菜專刊，2009（1）：28-29.

［6］ 呂佩珂，蘇慧蘭，高振江，等.中國現代蔬菜病蟲原色圖鑒［M］.呼和浩特：遠方出版社，2008：174-175.

［7］王愛英.黃瓜白粉病流行主導因素及病害防治的初步研究［D］.保定：河北農業大學，2003：17-20.

［8］許世衛.我國農業物聯網發展現狀及對策［J］.中國科學院院刊，2013，28（6）：686-692.

［9］趙春江.對我國農業物聯網發展的思考與建議［J］.農村工作通訊，2014（7）：25-26.

［10］瞿華香，趙萍，陳桂鵬，等.基于無線傳感器網絡的精準農業研究進展［J］.中國農學通報，2014，30（33）：268-272.

［11］李明，趙春江，楊信廷，等.溫室蔬菜病害預警體系初探——以黃瓜霜霉病為例［J］.中國農學通報，2010（6）：324-331.

［12］焦俊，張水明，杜玉林，等.物聯網技術在農田環境監測中的應用［J］.中國農學通報，2014，30（20）：290-295.

［13］呂雄杰，陸文龍，王艷，等.基于物聯網技術的日光溫室黃瓜智能灌溉控制系統研究［J］.天津農業科學，2014，20（9）：34-37.

［14］王濟川，郭志剛.Logistic回歸模型——方法與應用［M］.北京：高等教育出版社，2001：10-17.

［15］盧紋岱.SPSS for Window統計分析［M］.北京：電子工業出版社，2006：323-326.

［16］徐寧.塑料大棚黃瓜白粉病和霜霉病流行預測和管理系統的研究［D］.南京：南京農業大學，2003.

［17］范紹強，謝咸升，李峰，等.山西省小麥條銹病流行趨勢預測模型研究［J］.中國農業生態學報，2007，15（4）：113-155.

Construction of Cucumber Powdery Mildew Early Warning System in Solar Greenhouse Based on Internet of Things

Wang Xiaorong1，Lv Xiongjie2，Jia Baohong2
（1Tianjin Academy of Agricultural Sciences，Tianjin 300192，China；2Institute of Information Science，Tianjin Academy of Agricultural Sciences，Tianjin 300192，China）

In order to explore the design and construction of cucumber powdery mildew warning system in solar greenhouse，internet of things technology was used to conduct the real-time dynamic monitoring of the incidence of cucumber powdery mildew and cucumber growth environment in solar greenhouse.The growth environment included temperature and humidity of air and soil.Logistic regression model was used to construct cucumber powdery mildew warning model.The results showed that humidity characteristic variable（maximum air humidity）and temperature characteristic variable（maximum air temperature）had significant effects on the incidence probability of cucumber powdery mildew in solar greenhouse.And it was feasible to construct cucumber powdery mildew warning system in solar greenhouse with internet of things.

Solar Greenhouse；Cucumber；Powdery Mildew；Internet of Things；Warning Model

S642.2

A論文編號：cjas16040015

天津市科技支撐計劃資助項目“基于物聯網技術的設施蔬菜病害預警與診斷研究”（15ZCZDNC00120）。

王曉蓉，女，1982年出生，山西太原人，助理研究員，碩士，研究方向：農業信息化、農業發展戰略、農業經濟與管理等方面研究。通信地址：300192天津市南開區白堤路268號農科大廈23樓2303室天津市農業科學院，Tel：022-87670309，E-mail：wxr276@126.com。

呂雄杰，男，1977年出生，湖北武漢人，副研究員，碩士，主要從事農業信息技術應用研究。通信地址：300192天津市南開區白堤路268號農科大廈20樓2006室天津市農業科學院信息研究所，E-mail：378666409@qq.com。

2016-04-13，

2016-06-24。