基于GIS的農(nóng)作物病蟲害智能監(jiān)測方法

畢慧萍，王苗苗（山東省淄博市博山區(qū)數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展中心，山東 淄博 255200）

地理信息系統(tǒng)（GIS）技術(shù)近年來得到發(fā)展并應(yīng)用于社會生產(chǎn)當(dāng)中，該文利用GIS技術(shù)提供的地理信息數(shù)據(jù)，獲取的農(nóng)作物病蟲圖像與數(shù)據(jù)信息，如病蟲類型、顏色、形狀、分布位置等，來實現(xiàn)病蟲精準(zhǔn)管控[1]。并且基于GIS技術(shù)建立地理信息網(wǎng)絡(luò)，以實現(xiàn)智能預(yù)報與實時監(jiān)測。實現(xiàn)對病蟲精準(zhǔn)監(jiān)測與預(yù)警，有利于減少農(nóng)藥藥劑用量，降低生產(chǎn)經(jīng)濟成本，保護生態(tài)環(huán)境安全，促進綠色農(nóng)業(yè)大規(guī)模發(fā)展。通過實驗分析的方式確定該文提出的以GIS實現(xiàn)病蟲智能監(jiān)測的方法在農(nóng)業(yè)生產(chǎn)中能有效防止病蟲害發(fā)生，實現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展。

1 基于GIS的農(nóng)作物病蟲害智能監(jiān)測方法設(shè)計

1.1 獲取病蟲害圖像信息與數(shù)據(jù)

該文利用GIS技術(shù)獲取數(shù)據(jù)與圖像信息，根據(jù)圖像獲取數(shù)據(jù)、基于數(shù)據(jù)建立三維影像、基于影像與數(shù)據(jù)建立仿真模型，數(shù)據(jù)獲取的過程如圖1所示。

在數(shù)據(jù)采集的過程中，利用云平臺Cloud作為支撐，運用便攜式GIS進行數(shù)據(jù)收納，使用Camera,Photoshop與HID-Kernel進行圖片的增強與提取，將圖片與數(shù)據(jù)信息進行銜接與轉(zhuǎn)化，檢查數(shù)據(jù)與圖片之間信息的準(zhǔn)確度。該文根據(jù)以上數(shù)據(jù)建立二乘回歸函數(shù)，利用GIS建構(gòu)支持向量機（SVM）模型，銜接數(shù)據(jù)與模型。利用GIS獲取農(nóng)作物所處地理位置經(jīng)緯度、海拔高度、農(nóng)作物自身的紋理、形狀、顏色、光澤、生理機制等詳細特征，實現(xiàn)智能模型管理系統(tǒng)的構(gòu)建，獲取數(shù)據(jù)為數(shù)據(jù)分析處理奠定基礎(chǔ)。其次，采集數(shù)據(jù)來建立數(shù)據(jù)信息庫，實現(xiàn)病蟲名稱與特征信息的完善，以提高數(shù)據(jù)采集的精準(zhǔn)度與農(nóng)作物病蟲分析與判斷的效率。

1.2 處理病蟲害信息數(shù)據(jù)集

該文提取GIS所采集到的圖像與數(shù)據(jù)信息，根據(jù)病蟲的三維影像模型信息，建立分類農(nóng)作物的分類病蟲害的數(shù)據(jù)信息集。利用ArcMap軟件，對云平臺存儲的數(shù)據(jù)信息進行預(yù)處理與增強，歸納與分類不同的病蟲害信息。識別不同病蟲害在不同農(nóng)作物上的具體表現(xiàn)，同一病蟲害在不同環(huán)境下的不同生長階段的農(nóng)作物上的具體體現(xiàn)。農(nóng)作物病蟲害信息數(shù)據(jù)處理過程如圖2所示。

在構(gòu)建數(shù)據(jù)庫的信息模型后，根據(jù)增強數(shù)據(jù)后的圖像信息分析動態(tài)模型，建立病蟲分類規(guī)則并進行分類準(zhǔn)確度校驗。檢查模型的預(yù)測信息，準(zhǔn)確無誤后進行數(shù)據(jù)傳輸，上傳到數(shù)據(jù)處理平臺。在監(jiān)測點用戶在對病蟲數(shù)據(jù)進行核對之后，主動檢驗二維模型與三維模型圖像的清晰度，以及與原始圖像的匹配程度。在后臺對病蟲成長環(huán)境與表現(xiàn)特征進行具體分析與歸納，將數(shù)據(jù)上傳數(shù)據(jù)管理庫。從而建立了病蟲數(shù)據(jù)處理預(yù)測模型，實現(xiàn)對于病蟲類型、危險等級、危險程度、傳播速度、傳播量的預(yù)測。

該文在數(shù)據(jù)處理過程中，對于農(nóng)作物病蟲的數(shù)據(jù)處理精準(zhǔn)度受到農(nóng)作物具體類型、農(nóng)作物所處生長階段、農(nóng)作物所處地理環(huán)境、農(nóng)作物所處季節(jié)、不同GIS工具精準(zhǔn)度的影響。受不同影響條件的影響，使用GIS技術(shù)處理農(nóng)作物病蟲數(shù)據(jù)的精準(zhǔn)度不同。設(shè)該文使用GIS技術(shù)對農(nóng)作物病蟲數(shù)據(jù)處理精準(zhǔn)度為Q，農(nóng)作物類型參數(shù)為 ?，所處生長地理環(huán)境參數(shù)為θ，農(nóng)作物季節(jié)參數(shù)為W，GIS工具精準(zhǔn)度為。Q的表達式為：

由（2）可知，在數(shù)據(jù)處理過程中，Q的權(quán)重值受不同節(jié)點影響而變化[2]。節(jié)點距離越大，則越小，即同一作物不同樣點對于Q的影響越小。節(jié)點距離越小，則越大，同一農(nóng)作物對數(shù)據(jù)處理精準(zhǔn)度Q的影響越大。該文根據(jù)判斷Q的精準(zhǔn)度，增強數(shù)據(jù)處理的精準(zhǔn)度，減少W、?、θ、的因素影響，利用GIS判斷最佳節(jié)點距離，提高數(shù)據(jù)處理精準(zhǔn)度與效率，構(gòu)建農(nóng)作物智能化識別網(wǎng)絡(luò)。

1.3 構(gòu)建農(nóng)作物病蟲害智能識別網(wǎng)絡(luò)

設(shè)置推送與客戶服務(wù)功能，以實現(xiàn)網(wǎng)絡(luò)的實踐應(yīng)用，打破理論與實踐間的壁壘。運用接口init(context) 實現(xiàn)后臺端點的JPush與前臺端點的TCP相連接，根據(jù)數(shù)據(jù)處理結(jié)果與歸納結(jié)果，建立智能化農(nóng)作物病蟲識別模型，推送至客戶端。利用大數(shù)據(jù)，精準(zhǔn)推送至農(nóng)業(yè)生產(chǎn)者，根據(jù)交叉分析法擴大用戶瀏覽與訂閱規(guī)模，利用GIS精準(zhǔn)把握農(nóng)戶地理信息與位置，分析氣候環(huán)境與作物信息，利用前端與客戶端，針對于安卓用戶設(shè)置制定農(nóng)作物病蟲識別網(wǎng)絡(luò)工具即Android SDK JPush。

1.4 實現(xiàn)農(nóng)作物病蟲害智能預(yù)報與監(jiān)測

使網(wǎng)絡(luò)后臺用戶監(jiān)測網(wǎng)絡(luò)構(gòu)想的實際性能與網(wǎng)絡(luò)實際運行綜合性能，通過網(wǎng)絡(luò)深度卷積檢查農(nóng)作物病蟲害實時監(jiān)測網(wǎng)絡(luò)。經(jīng)過數(shù)據(jù)與圖像的采集分析、網(wǎng)絡(luò)卷積處理與池化處理之后的數(shù)據(jù)在經(jīng)過前后端用戶應(yīng)用反饋后，給予輸出的數(shù)據(jù)結(jié)果準(zhǔn)確性的顯現(xiàn)與專業(yè)性的解釋[3]。利用GIS技術(shù)，結(jié)合地理位置信息與圖像信息，將結(jié)果精準(zhǔn)定位于農(nóng)作物具體區(qū)域與具體植株之上。農(nóng)作物生產(chǎn)者對具體定位植株進行反向監(jiān)測，從而實現(xiàn)人機一體，即智能化GIS與人類智慧的結(jié)合。

該文所設(shè)計的GIS病蟲害監(jiān)測方法要有高適用度、高精度，打破傳統(tǒng)的監(jiān)測受地理環(huán)境、作物種類、作物生長階段、監(jiān)測儀器精準(zhǔn)度的影響，廣泛應(yīng)用于各地區(qū)、各成長環(huán)境、各生長階段、各種類的農(nóng)作物監(jiān)測之中，比如玉米、水稻、高粱、小麥等，實現(xiàn)智能監(jiān)測。加強網(wǎng)絡(luò)運行訓(xùn)練，完善網(wǎng)絡(luò)樹狀結(jié)構(gòu)。基于GIS的地理位置信息可視化與可解釋化的特征，進行數(shù)據(jù)增強與預(yù)處理，建設(shè)GIS高通量數(shù)據(jù)處理平臺，滿足用戶需求，實現(xiàn)農(nóng)作物病蟲害智能監(jiān)測。

2 實驗分析

2.1 實驗準(zhǔn)備

采用以Intel Xeon E5為核心，內(nèi)存為256GB的處理系統(tǒng)搭建實驗平臺，利用Python處理器對云平臺的存儲數(shù)據(jù)進行分析，構(gòu)建CDCNNv2監(jiān)測模型，使用Photoshop軟件對數(shù)據(jù)模型進行圖像轉(zhuǎn)換，轉(zhuǎn)換后對GIS監(jiān)測圖像結(jié)果與Image Net圖像庫中的原始圖像進行對比，從而獲得GIS病蟲害監(jiān)測結(jié)果的精確度與損失率。

2.2 實驗結(jié)果與討論

將監(jiān)測結(jié)果與Image Net的實際圖像信息與馬鈴薯在云平臺中實際登錄記載的信息參數(shù)進行對比，將兩種監(jiān)測結(jié)果與馬鈴薯實際病蟲害監(jiān)測結(jié)果與馬鈴薯成長過程中病蟲害類型、傳播速度、方向、嚴(yán)重程度進行對比，分析出兩種監(jiān)測方法的精確度與損失率。兩種監(jiān)測方法結(jié)果對比如表1所示。

通過進行對比實驗得出結(jié)論，該文提出的基于GIS的農(nóng)作物病蟲害智能監(jiān)測方法相較于傳統(tǒng)監(jiān)測方法，在農(nóng)作物類型、農(nóng)作物病蟲害類型、病蟲害嚴(yán)重程度、傳播速度、傳播方向監(jiān)測上的精準(zhǔn)度高3.96%～9.63%，監(jiān)測損失率減少50.3%。該文提出的基于GIS農(nóng)作物病蟲害智能監(jiān)測方法，在病蟲害監(jiān)測與預(yù)報上，利用大數(shù)據(jù)與云平臺的數(shù)據(jù)存儲與處理方式，實現(xiàn)農(nóng)作物病蟲害高精確度與低損失率的智能監(jiān)測，具有實踐應(yīng)用價值。

3 結(jié)語

該文提出基于GIS的農(nóng)作物病蟲害智能監(jiān)測方法并進行實驗驗證。利用GIS對農(nóng)作物地理信息與數(shù)據(jù)狀況進行采集與管理，對數(shù)據(jù)信息集進行增強與預(yù)處理，構(gòu)建智能化預(yù)報與監(jiān)測網(wǎng)絡(luò)，實現(xiàn)高精度、高效率、低損失的病蟲害預(yù)警與智能監(jiān)測，有效減少農(nóng)災(zāi)的發(fā)生頻率與可能性。