基于大數據的大棚番茄病蟲害防治栽培技術研究

蘇子峰

摘要：【目的】為了解決傳統技術在大棚番茄病蟲害防治栽培中效果較差的問題。【方法】本文提出基于大數據的大棚番茄病蟲害防治栽培技術研究，利用無線傳感器對大棚番茄生長情況進行監測，對大棚番茄生長數據進行切割、增強、線性轉化處理，獲取大棚番茄病蟲害特征；利用大數據技術計算病蟲害發病概率，通過與番茄病蟲害資源庫數據比對確定病蟲害種類；根據大棚番茄病蟲害發病程度，確定藥物種類、用藥量以及用藥次數，制定防治栽培方案。【結果】通過試驗結果證明，應用本文設計栽培技術種植的大棚番茄病蟲害發病率約為2.4%，低于傳統栽培技術下的發病率。【結論】本文提出的基于大數據的大棚番茄病蟲害防治栽培技術在實際栽培應用中效果較好，具有良好的應用前景。

關鍵詞：大數據；大棚番茄；病蟲害；防治栽培；無線傳感器

0 引言

病蟲害是植物或者動物在生長過程中出現的病害與蟲害的總稱，病蟲害的發生會對動植物生長造成不良影響，具有限制性、隨機性、可預防性等特征，嚴重的病蟲害會限制動植物生長，甚至會導致動植物死亡，因此對病蟲害防治是非常有必要的。為了滿足人們日常生活中對蔬菜的需求，蔬菜種植開始采用大棚種植模式，大棚雖然可以滿足蔬菜植物生長的溫度需求，但是由于大棚內濕度比較高，并且通風效果比較差，為微生物提供了一個良好的生存環境，因此導致大棚蔬菜病蟲害發生率要比室外種植的蔬菜要高一些。番茄喜寒，對生長環境要求比較高，如果培養不當非常容易發生病蟲害。目前對于大棚番茄病蟲害的防治栽培主要是以人工的方式為主，對種植人員防治經驗的依賴比較高，依靠種植人員的防治經驗判斷大棚番茄病蟲害種類，并采取相應的防治栽培措施。該技術理念過于陳舊，在實際應用中不僅會影響到大棚番茄病蟲害防治栽培工作效率，而且防治栽培結果具有一定的主觀性，對于番茄病蟲害種類的判斷準確率較低，并不能起到良好的病蟲害防治栽培效果，技術應用后大棚番茄病蟲害數量仍舊比較多，發病率比較高，已經無法滿足大棚番茄培育工作需求，為此提出基于大數據的大棚番茄病蟲害防治栽培技術研究。

1 基于大數據的大棚番茄病蟲害防治栽培技術設計

1.1 大棚番茄生長監測

大棚番茄病蟲害誘發因素主要包括內部因素和外部因素，其中內部因素為番茄種子自身缺陷，此次研究不涉及到該因素，因此不考慮內部因素對大棚番茄病蟲害影響。外部環境因素包括大棚溫度、濕度、光照、土壤養分含量等，為了后續預測分析大棚番茄病蟲害種類，以及發病程度，此次采用無線傳感器對大棚番茄生長環境進行監測，獲取到大棚番茄病蟲害數據信息。監測中應用的無線傳感器包括熱紅外相機、多光譜相機、濕度傳感器土壤監測儀、濕度傳感器，其監測設備具體詳情如下表所示。

利用熱紅外相機對大棚番茄生長環境中溫度因素進行監測，獲取到大棚溫度數據。采用SFAR-A26F44型號熱紅外相機，將該監測設備安裝在大棚左側上方或者右側上方，由相機前端的長波紅外熱像儀向外發射信號，信號到達大棚番茄葉片后發生反射，長波紅外熱像儀信號接收端接收到反射信號，將其上傳到FLIP Tau2芯片上，由其進行數據處理[1]。在利用熱紅外相機監測大棚番茄溫度時，需要準確選取波長范圍參數，該參數的確定需要根據大棚番茄種植面積，以及與大棚高度有關，其計算公式如下：

公式（1）中，r表示熱紅外相機波長范圍參數值；e表示大棚番茄種植面積；w表示大棚高度。按照上述公式對熱紅外相機參數進行配置，并將其拍攝方式選定為連續拍攝模式[2]。根據大棚番茄病蟲害防治栽培需求，此次選取德國SFHIAH公司生產的OSSFT/574031型號多光譜相機，對大棚番茄生長情況進行監測，其作用是采集到大棚番茄葉片及根莖的多光譜圖像。將多光譜相機安裝在大棚左下方或者右下方，由5V直流對相機進行供電，鏡頭采用16mm定焦鏡頭，根據實際情況確定多光譜相機監測參數，接通電源后對大棚番茄進行多光譜拍攝。光感傳感器與濕度傳感器主要監測大棚番茄光照情況和濕度情況，并利用土壤監測儀對大棚番茄土壤養分情況進行測量，對于土壤質量的監測需要合理布設監測點，確定監測點間距，其主要與大棚番茄種植間距和大棚番茄種植長度有關，其計算公式如下：

公式（2）中，y表示大棚番茄土壤監測點間距；d表示大棚番茄種植長度；p表示大棚番茄種植間距。利用上述公式計算出監測點間距，利用土壤監測儀每隔7天對監測點土壤養分情況進行監測，獲取到大棚番茄土壤含磷、鉀、鐵、鋅、pH值等數據[3]。將獲取到的大棚番茄生長數據進行分類存儲，用于后續番茄病蟲害識別分析。

1.2 監測數據預處理

為了獲取到大棚番茄葉片圖像數據，需要將原始多光譜圖像進行分割處理，此次利用顏色圖像方法來提取多光譜圖像中番茄葉片信息，其提取過程如下圖所示。

如上圖所示，將原始多光譜相機帶入到顏色圖像軟件中，在該軟件對話框中輸入多光譜圖像像素、分辨率等真實數據。由于圖像中番茄葉片的像素值要高于圖像背景像素值，以圖像平均像素值作為背景去除依據，其用公式表示如下：

公式（3）中，v表示去除背景后的多光譜圖像；n表示原始多光譜圖像中像素點數量；cmax表示原始多光譜圖像像素最大值；cmin表示原始多光譜圖像像素最小值。將小于平均像素值的像素點像素灰度設置為零，以此提取到多光譜圖像中番茄葉片圖像數據[4]。由于大棚監測環境光照的強弱會影響到多光譜圖像的亮度值和清晰度，為了提高數據質量，在上文基礎上通過對圖像反射率校正，對提取到的番茄葉片圖像進行增強，其校正公式如下：

公式（4）中，R表示校正后的番茄葉片圖像反射率；ki表示線性方程的斜率；NHa表示番茄葉片多光譜圖像中灰度板第a個梯度的反射率；bi表示線性回歸截距參數[5]。利用上述公式計算出圖像反射率校正值，根據該數值對番茄葉片圖像反射率進行校正，以此提高番茄圖像亮度。

原始熱紅外數據為1位無損RAW格式數字數據，需要將數字數據進行線性變化處理，使用溫度標定公式對原始熱紅外圖像進行標定，其標定公式如下：

公式（5）中，g（x，y）表示熱紅外圖像穩定標定；x表示相同溫度點在圖像中的橫坐標；y表示相同溫度點在圖像中的縱坐標；a表示原始熱紅外圖像灰度值范圍；mmax表示原始熱紅外圖像最大灰度值；mmin表示原始熱紅外圖像最小灰度值；k（x，y）表示原始熱紅外圖像[6]。利用上述公式對原始熱紅外圖像進行線性變換，轉化為大棚番茄溫度分布圖像數據，其線性變化方程式如下：

公式（6）中，t（x，y）表示線性變化后得到的大棚番茄溫度分布圖；j表示熱紅外測溫系數，通常情況下該測溫系數取值0.03，由此可以得到大棚番茄葉片溫度分布數據信息。

1.3 基于大數據的番茄病蟲害識別分析

常見的大棚番茄病蟲害有灰斑病、疫病、污斑病、軟腐病、炭疽病，五種病蟲害的表現主要為番茄葉片顏色發生改變，葉片溫度、濕度出現異常，出現五種病害的原因主要為土壤中養分缺失或者光照不足，因此以大棚番茄葉片溫度、濕度、顏色、土壤養分以及光照作為病蟲害識別依據，利用大數據技術對預處理后的數據進行分析，計算番茄病蟲害發生幾率以及病蟲害種類，其分析過程如下：

假設大棚番茄溫度、濕度、光照時長、葉片顏色、土壤養分與番茄病蟲害發生幾率滿足線性關系，從多光譜葉片圖像中提取到目前番茄葉片色度值，從其他數據集合中提取到目前番茄葉片平均溫度值、濕度值、光照值、土壤養分值，并對各個影響因子數據進行歸一化處理，其處理公式如下：

公式（7）中，κ表示歸一化處理后的影響因子數值；n表示影響因子數量；表示歸一化系數，通常情況下該系數取值為0.1；κ1表示原始數值[7]。將各項因素因子數值與正常狀態下番茄進行比較，計算出當前番茄生長異常系數，其計算公式如下：

公式（8）中，z表示當前大棚番茄生長異常系數值；N表示監測數據集合中數據數量；表示番茄病蟲害因素因子權重；W表示當前番茄溫度與正常狀態番茄溫度差；Y表示當前番茄濕度與正常狀態番茄濕度差；U表示當前番茄光照與正常狀態番茄光照差；X表示當前番茄葉片顏色與正常狀態番茄葉片顏色差；V表示當前番茄土壤養分與正常狀態番茄土壤養分差。根據番茄生長異常系數計算出番茄病蟲害發病概率，其計算公式如下：

公式（9）中，P表示大棚番茄病蟲害發病概率；z*表示番茄生長異常系數最大允許值。如果計算的番茄病蟲害發生概率達到一定數值，則要根據大棚番茄病蟲害資源庫中信息進行比對，確定番茄病蟲害種類，其比對公式如下：

公式（10）中，S表示番茄病蟲害名稱；M表示大棚番茄病蟲害資源庫中病蟲害種類數量；F表示大棚番茄病蟲害表現特征向量；F1表示大棚番茄病蟲害資源庫中病蟲害表現特征向量[8]。將大棚番茄病蟲害資源庫中病蟲害類別的特征表現帶入到上述公式中，同時將目前番茄表現特征也代入到上述公式中進行逐一對比，直到上述關系成立為止，輸出番茄病蟲害名稱，以此可以識別到目前大棚番茄病蟲害中種類。

1.4 番茄病蟲害等級評估及防治栽培

根據番茄病蟲害防治栽培技術要求，此次設定一級、二級、三級、四級、五級五個等級，利用等級描述大棚番茄病蟲害發病程度，利用評估函數對其進行評估，該函數用公式表示如下：

公式（11）中，α表示大棚番茄病蟲害發病等級指數，該指數取值范圍在0-5之間，如果α值在0-1之間，番茄病蟲害等級為一級，表示大棚番茄病蟲害發病程度非常低；如果α值在1-2之間，番茄病蟲害等級為二級，表示大棚番茄病蟲害發病程度比較低；如果α值在2-3之間，番茄病蟲害等級為三級，表示大棚番茄病蟲害發病程度一般；如果α值在3-4之間，番茄病蟲害等級為四級，表示大棚番茄病蟲害發病程度比較高；如果α值在4-5之間，番茄病蟲害等級為五級，表示大棚番茄病蟲害發病程度非常高。按照上述規則對大棚番茄病蟲害等級進行評估，并且根據病蟲害發病程度，以及病蟲害類別選取相應的藥物，計算出用藥量、用藥次數以及用藥時間，其計算公式如下：

公式（12）中，表示大棚番茄病蟲害防治栽培中用藥量；表示大棚番茄病蟲害防治栽培中用藥次數；t表示大棚番茄病蟲害防治栽培中用藥天數；表示目前大棚番茄生長時間。利用上述公式確定大棚番茄病蟲害治理中用藥細節，制定病蟲害防治栽培計劃，以此完成基于大數據的大棚番茄病蟲害防治栽培。

2 實驗論證分析

2.1 實驗設置

實驗選取8個大棚番茄為實驗對象，對各個大棚進行編號，每個大棚中番茄的種植數量為2000棵，大棚番茄種植面積為2000m?，高度為3.5m，長度為150m，番茄種植間距為350mm。實驗在每個大棚中安裝了熱紅外相機、多光譜相機、濕度傳感器、光感傳感器、土壤養分測量儀。將熱紅外相機的像素設定為17um，分辨率設定為640×512，波長范圍設定為9.15um，靈敏度設定為23.15mK；多光譜相機的視場角設定為45.6°，波長范圍設定為600-800mm，空間分辨率設定為450×136；濕度傳感器與光感傳感器測量范圍設定為500m，掃描頻率設定為6.15GHz，掃描周期設定為3.35s；將土壤養分測量儀的監測點間距設定為1.5m，共布置的75個監測點，每個監測點監測次數為三次，取三次監測值的平均值作為最終監測結果。實驗時間為60天，在60天內采集到大棚番茄生長數據量為142.26GB。白天溫度控制在20-35℃，夜晚則要保持在15-30℃。其中發現大棚番茄可能存在灰斑病、疫病、污斑病、軟腐病、炭疽病病蟲害，其具體情況如下表所示。

2.2 實驗環境

為了對比不同方法對1000棵番茄數據識別效果的影響，均設置相同參數并使用相同的實驗環境，參數設置如表3所示：

2.3 實驗結果

在防治栽培過程中對兩種技術應用下大棚番茄病蟲害發病情況進行記錄，計算出大棚番茄病蟲害發病率，將其作為檢驗兩種技術的唯一指標，采用本文技術與基于深度學習的番茄病蟲害診斷防治方法進行對比。具體如下表所示。

從上表中數據可以看出，應用此次設計技術后大棚番茄發病率比較低，平均發病率約為2.4%，即1000棵番茄中僅有24棵番茄出現了病蟲害；而應用基于深度學習的番茄病蟲害診斷防治方法后大棚番茄的發病率平均為14.28%，即1000棵番茄中約有143棵番茄出現了病蟲害，最高發病率可以達到18.42%，遠遠高于設計技術。出現如此大的差別是因為設計技術采用了大數據技術，利用大數據技術對大棚番茄生長數據進行分析，準確預測出大棚番茄可能會出現的病蟲害種類以及病害程度，為病蟲害預防以及治理提供了準確數據依據，從而能夠從根本上降低大棚番茄病蟲害的發生概率。因此實驗結果證明了，設計技術對于大棚番茄病蟲害具有良好的防治栽培效果，能夠有效抵抗大棚番茄病蟲害發生，相比較基于深度學習的番茄病蟲害診斷防治方法更適用于大棚番茄病蟲害防治栽培。

3 大棚番茄病害防治方法

3.1 苗期病害防治方法

3.1.1 種子消毒

運用高溫對種子進行處理，利用高溫將附著種子表面的病原菌進行有效消除，將種子帶毒問題成功解決。因此，可以利用熱水處理法，如，溫湯浸種以及熱水燙種等兩種方法。溫湯浸種需要保持溫度在55-60℃左右，而熱水燙種過程中所需溫度在70-75℃。在溫度為55-60℃的水中進行浸種，需要10分鐘方可殺死真菌；在60-65℃左右浸種需要10分鐘可殺死細菌；65-70℃左右浸種可以保證10min后將種子附著的病毒進行消除。

3.1.2 拌種

在進行拌種時，可以運用種子量2%的苗菌敵，將其與種子混合，進行科學拌種（50克種子需要使用1克的藥物）。

3.1.3 藥劑防治

出苗后，可以使用苗菌敵或者綠亨二號 600、800 倍液噴霧進行藥物預防與治理。

3.1.4 苗床消毒

在對苗床進行消毒過程中，可以選用多菌靈、殺毒礬或者苗菌敵進行有效消毒。每20克藥物需要添加50斤的細土，將二者進行有效混合，形成藥土，在播種時需要使用1/3的藥土進行墊底，2/3的藥土起到覆土作用。

3.2 病毒病、葉霉病防治方法

3.2.1 病毒病

在對病蟲害進行預防時，不僅要治理蚜蟲與白粉虱，還需要使用5%菌毒清水劑300倍、20%毒克星500倍的噴霧進行藥物防治。每隔一周需要進行噴藥一次，也可以使用1%的高錳酸鉀對其進行連噴3-5次。

3.2.2 葉霉病

番茄的1857品種對葉霉病有著較低的抗性，尤其在生長的后期需要做好預防工作，對該病進行充足的預防準備，進行科學、合理的防治，有助于降低該病對番茄生長的影響。對此，需要每隔7-10天可以向番茄的葉面噴施葉霉霸800倍液，可以降低番茄的損失。

4 結束語

此次提出了一種新的大棚番茄病蟲害防治栽培思路，融合了無線傳感技術、大數據技術、數據處理技術等，并通過實驗論證了該技術可適用于實際應用，對提高大棚番茄產量，降低大棚番茄病蟲害發病概率，以及保證大棚番茄正常生長具有重要的現實意義。

參考文獻

[1] 何彬彬，曹輝，張宏國，等.水稻藥肥精準施用大數據平臺設計與實現[J].中國農業信息，2020，32（1）：9-20.

[2] 顧君，賈暑花，曾慶鴻.基于知識中臺的農業單品全產業鏈大數據平臺建設研究[J].農業大數據學報，2021，3（1）：25-32.

[3] 張秀峰.山區玉米增產配套栽培技術及重點病蟲害防治研究[J].中國農業文摘-農業工程，2022，34（1）：88-90.

[4] 孫偉，張媛，殷新娟，等.農作物高產栽培與病蟲害防治技術——以武漢市為例[J].鄉村科技，2021，12（5）：68-69.

[5] 張晏，于菲，陸琳，等.物聯網技術在桃樹栽培與病蟲害防治中的應用[J].農業工程技術，2020，40（12）：43-44.

[6] 遲儉升.遼寧寬甸滿族自治縣果樹栽培管理與病蟲害防治技術[J].農業工程技術，2020，40（17）：80-81.

[7] 葉小林.探析物聯網技術在桃樹栽培與病蟲害防治中的應用[J].農業開發與裝備，2021（3）：208-209.

[8] 張霞.試論物聯網技術對葡萄樹栽培及病蟲害防治的影響[J].農業工程技術，2020，40（24）：37-38.