论文部分内容阅读
设施农业是我国蔬菜生产的重要形式,我国设施蔬菜产业发展迅速,其栽培面积和产量的比重也逐年加大,我国己成为设施蔬菜生产第一大国,但设施生产中的蔬菜病害情况严重,造成蔬菜产量、质量下降,带来巨大的经济损失,因此,对设施蔬菜病害进行有效的预警显得尤为重要。现有的设施蔬菜病害预警方法,存在算法单一、因素考虑不全面、模型时效性准确性不高等诸多问题。本文以蔬菜病害三角原理为基本理论依据,综合分析了病害三要素(环境、病原微生物和寄主植物)之间的关系,以物联网传感器技术、电子显微技术和光谱技术为支撑,准确获取环境、病原孢子图像和蔬菜叶片光谱信息,并结合图像处理及机器学习算法构建了设施蔬菜病害预警模型,提高预警的综合性、时效性和准确性,为农户提供及时有效的蔬菜病害预测预报,为我国设施农业病害预警研究提供了方法支持。本文的主要研究成果如下:(1)从时间角度,按照病害三要素对设施蔬菜的影响顺序,依次分析了环境对病原侵染的影响、病原微生物的致病机理和蔬菜的抗病机制,针对病害三要素,通过监测环境、病原孢子数量以及叶片光谱信息可以为设施蔬菜病害预警提供方法依据,并且能使预警更加全面。(2)提出了基于环境信息的设施蔬菜病害早期预警模型。不良环境是引发蔬菜病害的重要因素,根据蔬菜病害产生的环境机理,设计了基于物联网传感器技术的环境信息采集方案,对所采集的环境数据进行基于均值的递推算法融合,结合病情指数和温湿度数据构建基于SVR的设施蔬菜病害预测模型,模型的相关系数R达97.15%,平均误差为13.65%,准确度较高。(3)提出了基于病原孢子显微图像的设施蔬菜病害辅助预警模型。病原孢子侵染是导致蔬菜发病的直接原因,利用电子显微技术获取病原孢子图像,采用维纳滤波进行图像降噪,通过prewitt算子的边缘检测和全局阈值分割完成孢子轮廓提取,然后利用分水岭算法和形态学算法去除杂质并完成粘连孢子的分割,最后利用目标标记完成病原孢子自动计数,计数平均相对误差为5.66%,可以代替人为计数,提高计数效率,为设施蔬菜病害预警提供辅助参考。(4)提出了基于叶片光谱信息的设施蔬菜病害识别与预警模型。通过光谱技术可以获取设施蔬菜感病叶片光谱信息,利用主成分分析对高维光谱数据进行降维处理,最终选取前3个主成分PC1-PC3作为新的输入变量,以感病叶片和健康叶片的判别结果作为输出,构建了基于SVM的设施蔬菜病害分类识别与预警模型,当选取径向基核函数时,分类识别模型对健康叶片和白粉病叶片的分类准确率最高,分别为100%和96.25%,利用混淆矩阵对模型进行评价,模型总体识别准确率达98.125%,能够实现对感病叶片和健康叶片的识别。(5)以黄瓜白粉病为例,进行了设施蔬菜病害预警模型的验证,结果证明,模型对设施蔬菜病害预警具有较好效果,为农业病害预警研究提供了新的参考。