论文部分内容阅读
摘要：随着现代信息技术与农业发展的深度融合，智能温室的出现成为必然。智能温室种植是充分运用人工智能种植蔬菜的过程，使用信息技术管理蔬菜生长，利用各种系统对生长过程进行分析并做出调整，实现智能化生产。人工智能作为智能温室的技术支柱，通过模拟人的思维模式来效仿人类的行为。物联网技术和机器视觉采集数据信息，网络模型通过数据对当前温室产生的现象进行分析并做出判断，控制系统及时做出相应调整并向人类发出预警，共同实现温室大棚精准管控。
关键词：信息化技术;温室蔬菜种植;应用;发展
在传统农业发展模式下，农民的浇水、施肥和打药等农业劳动过程主要借助已有经验进行。在温室大棚蔬菜种植中，需要关注浇水的时机，准确把控农药浓度，且保证温湿度、光照、氮元素等处于适宜的状态。由于无法量化指标，通常依赖于人为判断，因而经常发生误差，也无法提高温室大棚蔬菜种植的产量和质量。要想解决传统农业中低效率、低产能等现象，需要积极引入智慧温室大棚蔬菜种植技术，将各影响因素进行有效控制，改进环境条件，促进蔬菜的正常生长。
1温室蔬菜信息采集
1.1种类识别、生长信息获取与蔬菜量估计
蔬菜种植中农业信息化技术的首要任务就是获取温室大棚中关于蔬菜生长的各种信息，对大棚内环境特征及土壤质量进行检测并采集信息，这些特征是温室蔬菜种植的基础数据。通过对关键数值的分析，系统生成适合当前环境条件种植的蔬菜供农民选择。智能温室可对农作物种类进行识别。在智能温室种植过程中通常会有不同种类的蔬菜分区域同时种植，此外，蔬菜生长过程中不可避免的问题就是杂草的生长，这需要运用基于深度学习的目标检测算法来进行种类识别，其过程为：获取作物图像;对图像提取颜色、形状、纹理等信息，依据这些特征对分类器进行训练，将采集到的图片信息传输至分类器完成种类识别。温室蔬菜种植中农业信息化技术可实现对蔬菜生长信息的获取。蔬菜的生长是循序渐进的过程，利用机器视觉技术获取蔬菜生长状态视频，通过对视频不同帧的分析得到蔬菜生长变化的信息。同时，系统也可检测杂草的生长状态并发出预警。智能温室对蔬菜及杂草生长过程中的异常形态变化也可实时记录，通过状态识别将结果及时反馈给管理人员。温室蔬菜种植中农业信息化技术可对蔬菜量进行判断。蔬菜量是指特定生长区域中同一种类蔬菜的总量，不同成熟度的蔬菜对应不同批次的采摘计划。蔬菜的成熟度与图像面积、颜色之间存在一定的关系，可通过间接估测的方法来确定最佳收获时间。
1.2模型识别存在的问题及对策
目前模型识别的精准度较高，但模型的限制性也比较强。这是由于模型是针对具体环境，特定作物数据集来进行训练的，因此其可迁移的能力相对较差。同时，昆虫喜灯光的特征会产生遮挡摄像头的现象，给信息采集带来干扰。蔬菜信息采集的方式应不断改进，多角度采集图片信息，尽量避免监测盲区的存在。今后应注重减少不可控因素的影响，对图片进行增强处理，提高图像分辨率，从而提高信息的利用率和作物识别的精准度。
2温室蔬菜生长决策
2.1生长状态管理
在温室蔬菜种植中农业信息化技术可对蔬菜生长状态进行调整。智能温室蔬菜生长决策机制在数据库系统、模型仓库、农业专家系统、计算机平台的支撑下确定最佳生长策略，以实现蔬菜生产效益最大化。蔬菜的生长状态与温室环境密切相关：过高的水分含量导致土壤中氧分含量不足致使蔬菜出现烂根现象，而过低的水分含量可使蔬菜叶片萎靡低垂甚至出现枯萎的现象;单次施肥量较大导致土壤溶液浓度过高进而出现烧苗现象，土壤肥力不足又遏制了蔬菜的生长潜力。因此，必须掌握温室内各种环境因素与蔬菜生长之间的关系，分析出最有利于蔬菜生长的环境指标，从而达到生产效能最大化。农业信息化技术在蔬菜生产管理中的应用集中体现在相应生产模型的建立。信息化技术依据温室环境数据和农作物生长周期内大小、颜色等参数，计算蔬菜品质与环境因素之间的关系。掌握蔬菜成活、病虫害、成熟、死亡等特征是实现对温室蔬菜整个生长周期智能调控的关键。实现过程为：利用物联网技术获取定量数值，结合机器视觉获取图片信息，得到定性数据与定量数据相结合的数据支撑;通过云计算分析蔬菜生长及蔬菜品质与环境参数之间的关系，同时结合专家系统建立相应蔬菜种类的成熟机制模型，生成最利于蔬菜成长的控制模式。
2.2预测模型存在的问题及对策
目前用于蔬菜生长状况的预测模型有很多，可灵活选用，但每个模型都有自己的开发原理和实现方法，得出的最佳蔬菜种植品种和生长决策方向也各有千秋。农户在众多方案中选择出最适合自己使用的模型是一件困难的事情。模型中参数的设置是基于单一种类或者具体地理环境设置的，其灵活性和普适性较低。生长决策模型应更加明确采集到的图像与蔬菜生长之间的关系，扩大模型的应用范围，提高模型的普适性。同时，随着数据量的增加，模型的控制参数将得以扩充，有利于提高模型的控制精确度。
3温室蔬菜病虫害防治
3.1防治方法
温室蔬菜大棚与室外环境有较大的差异，大棚内存在通风效果较差、空气湿度大、有害气体含量较高、土壤盐渍化等问题。这些问题构造出了非常有利于病菌生长的温床，促进了害虫的繁殖速度和病菌的传播速率，加剧了病虫害的扩散规模。温室大棚内病虫害发生无特定规律，相对自然環境来说较为复杂。温室蔬菜栽培采用四季循环的种植方式，病虫害根源持续存在且无法在冬季休眠或者被有效治理。传统农民从蔬菜状态推测病虫害种类的方法有误判的风险和不断试错的几率，对蔬菜生长带来一定程度的影响。现代信息科技通过物联网技术获取环境因素的数量值，结合机器视觉获取部分区域的图像信息，通过模型对数据的分析得出病虫害类型;通过深度学习算法搭建神经网络开发蔬菜病虫害诊断模型，提高诊断精准度;利用信息技术和推理预测模型对蔬菜病虫害状态展开计算推理得出诊断结果;结合农户及专业工作人员开展疾病预防，进而减小病虫害影响范围。
3.2诊断模型存在的问题及对策
一是病虫害的发展具有随机性，且受多种因素共同影响，单个诊断模型的结果可能存在考虑不周的情况。二是深度学习模型的建立依托庞大的历史数据，这些数据相当于农业专家的经验，诊断结果的精准度受历史数据的数量和质量影响较大。三是目前技术发展尚不成熟，需多个模型共同参与预测并结合专业人员进行最终的选择，研发出病虫害防治系统，实现疾病预测和辅助诊断，最大化减少损失。为此，要创建以深度神经网络为基础的病虫害预测模型，完善历史数据的记录，调整模型参数，搭建更高效的神经网络，提高诊断精准度，把握最佳防治时机，避免不必要的经济损失。
4结语
总之，近年来人民生活水平不断提高，在蔬菜栽培自动化控制系统建设与应用上有着更高的要求，产品附加值越来越高，经济效益也不断提升。实行智慧温室大棚蔬菜种植技术，为蔬菜种植技术提供量化指标作为参照，这样蔬菜种植产量与品质得到保障，可操作性也大幅度提升，不仅可以实现增产创收的目的，也为产业链的形成创造了有利条件。
参考文献
[1]陈学庚，温浩军，张伟荣，等.农业机械与信息技术融合发展现状与方向[J].智慧农业（中英文），2020，2（04）：1-16.
[2]兰晓妤，孙运强，王金.基于云平台的智慧农业大棚监控系统设计[J].单片机与嵌入式系统应用，2020，20（12）：84-87.
关键词：信息化技术;温室蔬菜种植;应用;发展
在传统农业发展模式下，农民的浇水、施肥和打药等农业劳动过程主要借助已有经验进行。在温室大棚蔬菜种植中，需要关注浇水的时机，准确把控农药浓度，且保证温湿度、光照、氮元素等处于适宜的状态。由于无法量化指标，通常依赖于人为判断，因而经常发生误差，也无法提高温室大棚蔬菜种植的产量和质量。要想解决传统农业中低效率、低产能等现象，需要积极引入智慧温室大棚蔬菜种植技术，将各影响因素进行有效控制，改进环境条件，促进蔬菜的正常生长。
1温室蔬菜信息采集
1.1种类识别、生长信息获取与蔬菜量估计
蔬菜种植中农业信息化技术的首要任务就是获取温室大棚中关于蔬菜生长的各种信息，对大棚内环境特征及土壤质量进行检测并采集信息，这些特征是温室蔬菜种植的基础数据。通过对关键数值的分析，系统生成适合当前环境条件种植的蔬菜供农民选择。智能温室可对农作物种类进行识别。在智能温室种植过程中通常会有不同种类的蔬菜分区域同时种植，此外，蔬菜生长过程中不可避免的问题就是杂草的生长，这需要运用基于深度学习的目标检测算法来进行种类识别，其过程为：获取作物图像;对图像提取颜色、形状、纹理等信息，依据这些特征对分类器进行训练，将采集到的图片信息传输至分类器完成种类识别。温室蔬菜种植中农业信息化技术可实现对蔬菜生长信息的获取。蔬菜的生长是循序渐进的过程，利用机器视觉技术获取蔬菜生长状态视频，通过对视频不同帧的分析得到蔬菜生长变化的信息。同时，系统也可检测杂草的生长状态并发出预警。智能温室对蔬菜及杂草生长过程中的异常形态变化也可实时记录，通过状态识别将结果及时反馈给管理人员。温室蔬菜种植中农业信息化技术可对蔬菜量进行判断。蔬菜量是指特定生长区域中同一种类蔬菜的总量，不同成熟度的蔬菜对应不同批次的采摘计划。蔬菜的成熟度与图像面积、颜色之间存在一定的关系，可通过间接估测的方法来确定最佳收获时间。
1.2模型识别存在的问题及对策
目前模型识别的精准度较高，但模型的限制性也比较强。这是由于模型是针对具体环境，特定作物数据集来进行训练的，因此其可迁移的能力相对较差。同时，昆虫喜灯光的特征会产生遮挡摄像头的现象，给信息采集带来干扰。蔬菜信息采集的方式应不断改进，多角度采集图片信息，尽量避免监测盲区的存在。今后应注重减少不可控因素的影响，对图片进行增强处理，提高图像分辨率，从而提高信息的利用率和作物识别的精准度。
2温室蔬菜生长决策
2.1生长状态管理
在温室蔬菜种植中农业信息化技术可对蔬菜生长状态进行调整。智能温室蔬菜生长决策机制在数据库系统、模型仓库、农业专家系统、计算机平台的支撑下确定最佳生长策略，以实现蔬菜生产效益最大化。蔬菜的生长状态与温室环境密切相关：过高的水分含量导致土壤中氧分含量不足致使蔬菜出现烂根现象，而过低的水分含量可使蔬菜叶片萎靡低垂甚至出现枯萎的现象;单次施肥量较大导致土壤溶液浓度过高进而出现烧苗现象，土壤肥力不足又遏制了蔬菜的生长潜力。因此，必须掌握温室内各种环境因素与蔬菜生长之间的关系，分析出最有利于蔬菜生长的环境指标，从而达到生产效能最大化。农业信息化技术在蔬菜生产管理中的应用集中体现在相应生产模型的建立。信息化技术依据温室环境数据和农作物生长周期内大小、颜色等参数，计算蔬菜品质与环境因素之间的关系。掌握蔬菜成活、病虫害、成熟、死亡等特征是实现对温室蔬菜整个生长周期智能调控的关键。实现过程为：利用物联网技术获取定量数值，结合机器视觉获取图片信息，得到定性数据与定量数据相结合的数据支撑;通过云计算分析蔬菜生长及蔬菜品质与环境参数之间的关系，同时结合专家系统建立相应蔬菜种类的成熟机制模型，生成最利于蔬菜成长的控制模式。
2.2预测模型存在的问题及对策
目前用于蔬菜生长状况的预测模型有很多，可灵活选用，但每个模型都有自己的开发原理和实现方法，得出的最佳蔬菜种植品种和生长决策方向也各有千秋。农户在众多方案中选择出最适合自己使用的模型是一件困难的事情。模型中参数的设置是基于单一种类或者具体地理环境设置的，其灵活性和普适性较低。生长决策模型应更加明确采集到的图像与蔬菜生长之间的关系，扩大模型的应用范围，提高模型的普适性。同时，随着数据量的增加，模型的控制参数将得以扩充，有利于提高模型的控制精确度。
3温室蔬菜病虫害防治
3.1防治方法
温室蔬菜大棚与室外环境有较大的差异，大棚内存在通风效果较差、空气湿度大、有害气体含量较高、土壤盐渍化等问题。这些问题构造出了非常有利于病菌生长的温床，促进了害虫的繁殖速度和病菌的传播速率，加剧了病虫害的扩散规模。温室大棚内病虫害发生无特定规律，相对自然環境来说较为复杂。温室蔬菜栽培采用四季循环的种植方式，病虫害根源持续存在且无法在冬季休眠或者被有效治理。传统农民从蔬菜状态推测病虫害种类的方法有误判的风险和不断试错的几率，对蔬菜生长带来一定程度的影响。现代信息科技通过物联网技术获取环境因素的数量值，结合机器视觉获取部分区域的图像信息，通过模型对数据的分析得出病虫害类型;通过深度学习算法搭建神经网络开发蔬菜病虫害诊断模型，提高诊断精准度;利用信息技术和推理预测模型对蔬菜病虫害状态展开计算推理得出诊断结果;结合农户及专业工作人员开展疾病预防，进而减小病虫害影响范围。
3.2诊断模型存在的问题及对策
一是病虫害的发展具有随机性，且受多种因素共同影响，单个诊断模型的结果可能存在考虑不周的情况。二是深度学习模型的建立依托庞大的历史数据，这些数据相当于农业专家的经验，诊断结果的精准度受历史数据的数量和质量影响较大。三是目前技术发展尚不成熟，需多个模型共同参与预测并结合专业人员进行最终的选择，研发出病虫害防治系统，实现疾病预测和辅助诊断，最大化减少损失。为此，要创建以深度神经网络为基础的病虫害预测模型，完善历史数据的记录，调整模型参数，搭建更高效的神经网络，提高诊断精准度，把握最佳防治时机，避免不必要的经济损失。
4结语
总之，近年来人民生活水平不断提高，在蔬菜栽培自动化控制系统建设与应用上有着更高的要求，产品附加值越来越高，经济效益也不断提升。实行智慧温室大棚蔬菜种植技术，为蔬菜种植技术提供量化指标作为参照，这样蔬菜种植产量与品质得到保障，可操作性也大幅度提升，不仅可以实现增产创收的目的，也为产业链的形成创造了有利条件。
参考文献
[1]陈学庚，温浩军，张伟荣，等.农业机械与信息技术融合发展现状与方向[J].智慧农业（中英文），2020，2（04）：1-16.
[2]兰晓妤，孙运强，王金.基于云平台的智慧农业大棚监控系统设计[J].单片机与嵌入式系统应用，2020，20（12）：84-87.