论文部分内容阅读
小麦的智慧化生产已成为重要的发展方向,实现小麦生产精细选种、精确施肥、精准栽培、智能化管理和科学化决策,是提升农业现代化水平的重大需要;同时也是资源的合理利用、科学投入、节本增效、增产保质,降低污染的重要手段,对保障国家粮食安全和农业高质量发展具有重要意义。本研究以小麦生态信息系统为研究对象,利用作物模型、物联网、大数据、机器学习和数据可视化等技术,研究了小麦品种的生态适应性,开展了小麦生产数据的自动与半自动化采集,构建了小麦生态全息大数据仓库,研发了小麦生态全息系统。主要研究结果如下:
1.确立了小麦生态因子库的规范,研发了小麦品种适宜性评价方法。根据小麦生产过程,确定了影响小麦生产的生物学因子和人为因子30项,构建了基于WOFOST作物模型的品种适宜性评价方法,评价了4个品种在3个地区的适应性,结果显示:矮抗58在漯河和长葛的适应最好,适应性指数达到0.8以上,西农509在3个地区的适应性指数均在0.9以上,豫麦49-198在漯河的适应性最好,适应性指数都在0.93以上,周麦27在漯河和滑县适应性最好,适应性指数达0.73以上,说明利用作物模型来评价小麦品种适应性是一种有效的方法。
2.构建了小麦苗期基本苗和成熟期麦穗数量的识别算法与模型。基于AR技术,实现了小麦基本苗图像的快速获取,测量精度达99.8%;利用图像处理技术实现了小麦苗期基本苗数量的快速识别,小麦基本苗1~4叶期的识别精度均达95%以上;基于智能手机,利用机器学习和迁移学习技术,提出了一种小麦成熟期麦穗数量的快速识别算法,算法R2达0.95以上,说明利用AR和图像处理技术实现小麦基本苗的识别,利用智能手机和迁移学习技术实现麦穗的快速识别计数是可行的。
3.建立了集大数据存储、处理、计算、统计、分析和可视化展示为一体的分布式小麦生产管理全息大数据仓库。利用网络爬虫和物联网技术实现了小麦生产知识和物联网数据的自动获取与入库,基于Hadoop生态圈,利用大数据技术,实现小麦生产结构化数据的MySQL集群存储与管理,构建了小麦生产非结构化数据的一体化存储与计算模型,模型读写效率与原生的HDFS相比分别提升64.40%和38.98%,由此可见,利用本研究的存储模型实现小麦生产海量数据的存储是可行的。
4.构建了小麦品种选择、精确施肥、播期和播量推荐,自然灾害预警、生长监测与产量预测5类涵盖小麦生产全过程的全息模型。综合运用模型技术、“3S”、物联网、机器学习等技术,基于产量、抗性、栽培技术要点、适宜地区、播期播量、特性特征6个维度,研发了小麦品种多目标决策模型;采用多维多目标决策算法开发了精确施肥决策模型;在此基础上,采用积温理论,实现播期、播量计算推荐;基于气象与物联网数据,结合干热风和晚霜冻害指标,构建了小麦干热风和晚霜冻害自然灾害预警模型;基于作物模型与遥感同化技术,构建了小麦长势与产量全息监测模型,结果表明利用遥感与作物模型同化技术可以有效提高模型模拟效果。
5.研发了涵盖小麦生长发育全过程的小麦生产管理全息系统。基于微服务技术,结合小麦种植决策模型和小麦生产大数据仓库,建立小麦生产管理全息系统,实现了小麦的品种、施肥、播期和播量推荐,信息发布、产量预测、气象监测、灾害预警和生产知识可视化,进一步实现了小麦生产全程全息数据的监测与可视化。
1.确立了小麦生态因子库的规范,研发了小麦品种适宜性评价方法。根据小麦生产过程,确定了影响小麦生产的生物学因子和人为因子30项,构建了基于WOFOST作物模型的品种适宜性评价方法,评价了4个品种在3个地区的适应性,结果显示:矮抗58在漯河和长葛的适应最好,适应性指数达到0.8以上,西农509在3个地区的适应性指数均在0.9以上,豫麦49-198在漯河的适应性最好,适应性指数都在0.93以上,周麦27在漯河和滑县适应性最好,适应性指数达0.73以上,说明利用作物模型来评价小麦品种适应性是一种有效的方法。
2.构建了小麦苗期基本苗和成熟期麦穗数量的识别算法与模型。基于AR技术,实现了小麦基本苗图像的快速获取,测量精度达99.8%;利用图像处理技术实现了小麦苗期基本苗数量的快速识别,小麦基本苗1~4叶期的识别精度均达95%以上;基于智能手机,利用机器学习和迁移学习技术,提出了一种小麦成熟期麦穗数量的快速识别算法,算法R2达0.95以上,说明利用AR和图像处理技术实现小麦基本苗的识别,利用智能手机和迁移学习技术实现麦穗的快速识别计数是可行的。
3.建立了集大数据存储、处理、计算、统计、分析和可视化展示为一体的分布式小麦生产管理全息大数据仓库。利用网络爬虫和物联网技术实现了小麦生产知识和物联网数据的自动获取与入库,基于Hadoop生态圈,利用大数据技术,实现小麦生产结构化数据的MySQL集群存储与管理,构建了小麦生产非结构化数据的一体化存储与计算模型,模型读写效率与原生的HDFS相比分别提升64.40%和38.98%,由此可见,利用本研究的存储模型实现小麦生产海量数据的存储是可行的。
4.构建了小麦品种选择、精确施肥、播期和播量推荐,自然灾害预警、生长监测与产量预测5类涵盖小麦生产全过程的全息模型。综合运用模型技术、“3S”、物联网、机器学习等技术,基于产量、抗性、栽培技术要点、适宜地区、播期播量、特性特征6个维度,研发了小麦品种多目标决策模型;采用多维多目标决策算法开发了精确施肥决策模型;在此基础上,采用积温理论,实现播期、播量计算推荐;基于气象与物联网数据,结合干热风和晚霜冻害指标,构建了小麦干热风和晚霜冻害自然灾害预警模型;基于作物模型与遥感同化技术,构建了小麦长势与产量全息监测模型,结果表明利用遥感与作物模型同化技术可以有效提高模型模拟效果。
5.研发了涵盖小麦生长发育全过程的小麦生产管理全息系统。基于微服务技术,结合小麦种植决策模型和小麦生产大数据仓库,建立小麦生产管理全息系统,实现了小麦的品种、施肥、播期和播量推荐,信息发布、产量预测、气象监测、灾害预警和生产知识可视化,进一步实现了小麦生产全程全息数据的监测与可视化。