基于GIS的苹果病虫害管理信息系统

以实现苹果病虫害的高效管理与预测预报为目的，设计开发了基于GIS的苹果病虫害管理信息系统。系统以GIS技术、人工神经网络技术和Internet 技术为支撑，包括苹果病虫害基础数据处理子系统、苹果虫害预测预报子系统和苹果病虫害网络发布子系统。在基础数据处理子系统中，系统具有数据获取、数据导出、属性查询、空间查询、数据统计分析、图层编辑、插值分析等功能；在苹果虫害预测预报子系统中，系统具有病虫害图片库维护、病虫害诊断、虫害预测预报功能；在病虫害网络发布系统中，系统提供了苹果病害信息查询、苹果虫害信息查询、专题图查询、预测预报结果查询等功能；系统提供的算法可以较好地预测苹果病害的发生程度。系统作为一种工具软件可以为果树病虫害管理、田间数据分析与精细农业研究提供支持。     

观赏植物病害数据库查询系统研建

利用ASP.NET技术建立了一个在Internet中实现查询观赏植物病害的数据库检索系统,并对其系统结构和功能设计进行了阐述。该系统可用于网上查询各种观赏植物病害的名称、病害发生症状、病原特征、病害发生规律、防治方法等信息。     

基于WebGIS的小麦精准施肥决策系统

为发展小麦精准施肥技术,在测土配方施肥技术基础上,利用Web Services、元数据、空间插值和AJAX技术,结合VS2005、ArcGIS 9.3和SQL Server 2005等软件,在.NET平台上构建了“基于WebGIS的小麦精准施肥决策系统”,系统采用4层架构设计,具有信息查询与定位、施肥决策、处方信息发布与共享等功能;系统定量计算了河南滑县22个乡镇的小麦精准施肥数据,实现了小麦处方信息的Web在线实时决策和发布,以及处方图的制作、生成和发布的半自动化。结果表明,基于元数据的处方图可以脱离GIS平台的限制,实现处方信息的多源和多系统自由共享。     

基于叶片图像和环境信息的黄瓜病害识别方法

作物病害严重影响着作物的产量和质量,病害类型识别是病害防治的前提。利用图像处理和统计分析,提出了一种基于病害叶片图像和环境信息的黄瓜病害类别识别方法。采集不同季节、温度和湿度等环境下的病害叶片图像,并记录病害的环境信息;利用属性约简法提取病害叶片的5个环境信息特征向量,对病害叶片图像进行一系列图像处理,提取病斑图像的颜色、形状、纹理等35个统计特征向量。将两者结合得到黄瓜病害的40个特征分量。再利用统计分析系统(statistical analysis system,SAS)的判别分析方法,选择10个分类能力强的特征分量,计算作物病害的聚类中心分类特征向量。最后,利用最大隶属度准则识别病害叶片的病斑类别。对黄瓜的霜霉病、褐斑病和炭疽病3种叶部病害的识别率高达90%以上。试验结果表明,该方法能够有效识别作物叶部病害类别,可为田间开放环境下实现作物病害的快速自动识别提供依据。     

基于图像的作物病害状态表观三维模拟方法

为了解决病害表观信息难以获取导致的作物病害状态三维模拟困难的问题,该文提出一种基于图像的作物病害状态表观模拟方法。该方法首先利用单张图像提取病斑的形状、颜色以及位置特征,并对其变化过程进行自动推断;基于这些特征信息,对病害的病状以及病症表观进行建模。试验结果表明,该方法可以利用网络中已有的病斑图像对病害侵染导致的作物表观变化进行真实地三维模拟,一定程度上解决病害表观信息缺失的问题,为数字农业设计及农业科普培训动画的制作提供有力工具。     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

农情信息工作知识讲座

农情信工作的主要任务是及时收集、整理、分析、发布各种农情信息．对上准确反映各地政策落实、工作进展、生产动态、形势预测等重要行情、民情和灾情,对下提供政策、生产、市场、品种、技术、经验等信息服务。农情信息工作包括农情调度和农情发布。是一个从农情信息采集、整理、上报、发布（采取措施）,到再采集、再整理、再上报、再发布（采取措施）的循环往复过程,没有起点,没有终点,以至无穷。     

茶树病虫害识别防治信息教学系统开发

系统应用VB6.0开发茶树病虫害识别防治信息教学系统,具有系统界面友好、使用方便的特征。系统共收入77种茶树病虫害的文字描述及图片信息,其中病害24种,叶部病害11种,枝部病害8种,根部病害5种;虫害53种,食叶性害虫24种,刺吸式害虫18种,钻蛀性害虫7种,地下害虫4种。该系统通过安装向导创建安装程序后即可使用,适合各级农业服务中心、基层农技培训学校和广大茶农及科研人员信息查询。     

美国农业部农产品市场信息工作经验介绍

介绍了美国农业部通过立法确保农产品市场信息的收集、发布；将市场信息的收集、发布纳入农业部统一管理；建立农产品市场信息收集、发布制度，使市场信息标准化、工作规范化；明确立法和执法部门的分工和职责，允许地方直接发布信息等经验。     

基于WebGIS的公众信息发布系统的研建——以水土保持公众信息发布系统为例

互联网的发展,使公众信息的发布产生了划时代的革命,基于B/S结构的电子政务信息管理系统(MIS)正在日益重要地发挥着公众信息发布功能。但在林业、水土保持、地质勘探等行业,只有能够发布表征空间特征的地理信息才能满足公众信息发布的需求。以水土保持公众信息发布系统的建立为例,着重介绍了满足这种需求的基于WebGIS(基于互联网的地理信息系统)的公众信息发布系统的系统设计方法、建立过程和应注意的问题。     

猪场信息综合管理系统研究

该文设计了一个猪场信息管理系统,这个系统包含以下6个模块：用户信息、猪场和生猪信息、饲料管理、环境监测、疾病诊断、销售管理。该系统的用户信息管理模块可以实现用户的注册、信息修改、登录和退出等功能;猪场信息管理模块主要实现生猪基本信息的添加、删除、查询等功能以满足实时查询生猪入栏、出栏数量;饲料信息管理模块是查询每个猪场所使用的饲料品牌及相应的价格、买入量和剩余量,使用户能实时记录猪场饲料使用的基本情况以追溯不同品牌的饲料的质量。猪场环境直接影响生猪的生长和健康状况,环境监测管理模块能实时监测影响生猪生长的六大因素,即温度、湿度、NH3、SO2、CO2、光照强度;疾病诊断信息模块用于记录和查询生猪的疾病症状、诊断信息和用药信息,可支持不同猪场疾病信息的动态汇总,并能够根据发病规模进行预警和提醒;销售信息管理模块用于记录和查询生猪的出栏体重、销售价格、背膘厚度、检疫信息;本系统实现了生猪从入栏到出栏的所有信息及猪场相关信息的动态汇总、查询和管理,可实现生猪猪场的自动化管理,提高了生猪养殖户的管理效率,并降低了生猪养殖户的养殖成本,该系统具有重要的实用价值。     

基于水平集的作物病叶图像分割方法

针对具有复杂背景的作物病叶图像中的叶片提取问题,提出了一种基于先验信息的水平集模型。首先,在LBF模型中引入纹理信息——结构张量,构造新的水平集模型;其次,采用水平集方法表示目标叶片形状,并将先验形状信息以能量泛函的表达形式引入到上述新的水平集模型中,得到新的基于先验信息的水平集模型;最后,利用该模型对具有复杂背景的黄瓜病叶图像进行分割。结果表明,该方法能准确地提取具有复杂背景黄瓜病叶图像中的病叶,为后续的病斑提取、识别和诊断奠定前期基础。     

结合知识图谱与双向长短时记忆网络的小麦条锈病预测

针对现有小麦条锈病预测方法没有利用病害发生因素之间的语义信息,存在预测难度大、准确率低等问题,利用知识图谱(Knowledge Graph, KG)和双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)处理多源异构复杂数据的各自优势,提出一种基于KG与Bi-LSTM结合的小麦条锈病预测方法。首先,构建小麦条锈病知识图谱,将与小麦条锈病发生相关的环境信息转换为特征向量;其次,利用特征向量训练Bi-LSTM模型,得到基于Bi-LSTM的小麦条锈病预测模型;最后,利用小麦条锈病数据库数据进行试验。结果表明,KG丰富了进行病害预测所描述的语义信息,提升了Bi-LSTM提取高层病害预测特征的能力,从而提高了病害预测的准确率。在小麦条锈病数据库上的预测准确率达到93.21%,比基于Bi-LSTM的病害预测方法提高了4.5个百分点。该方法能较好预测小麦条锈病,为小麦条锈病的预报预警和综合防治提供科学依据。     

基于GIS的北京市重大动物疫病应急指挥平台设计与应用

针对重大疫病应急防控信息化管理的需要,创建了北京市重大动物疫病应急指挥平台。完成了平台的总体设计、技术体系结构、功能及数据库设计与系统研发。研制了动物疫病应急处置业务流模式及逻辑框架、疫病防控综合决策模型、动物疫病防控信息多源异构数据无缝集成等关键技术。提出了Flex控件与ArcObjects组件的无缝式捆绑技术在系统中的巧妙应用。解决了疫源分析、划定疫点、疫区、受威胁区、路口封锁、疫情监测、无害化处理、消毒、扑杀、紧急免疫及解除封锁等一系列应急处置中的关键问题。实现了北京市重大动物疫病信息化、一体化的应急指挥。为全面判断防控形势与科学决策提供及时、准确的信息,为北京市重大动物疫病应急指挥提供了快速而有力的支撑作用。     

基于GIS的北京市动物疫病应急指挥平台设计与应用

针对重大疫病应急防控信息化管理的需要,创建了北京市动物疫病应急指挥平台。完成了平台的总体设计、技术体系结构、功能及数据库设计与系统研发。研制了动物疫病应急处置业务流模式及逻辑框架、疫病防控综合决策模型等关键技术。提出了Flex控件与ArcObjects组件的无缝式捆绑技术在系统中的应用。解决了疫源分析、划定疫点、疫区、受威胁区、路口封锁、疫情监测、无害化处理、消毒、扑杀、紧急免疫及解除封锁等一系列应急处置中的关键问题。实现了北京市重大动物疫病信息化、一体化的应急指挥。为全面判断防控形势与科学决策提供及时、准确的信息,为北京市重大动物疫病应急指挥提供了快速而有力的支撑作用。     

基于GPS的农田多源信息采集系统的研究与开发

及时准确地获取农田小区影响作物生长的环境因素多源时空差异性信息，是实施精准农业的关键步骤。研究开发基于DGPS及便携式GPS的农田信息采集软件，集成较为成熟的田间信息采集传感器硬件，能够采集田间地物分布、作物生育期苗情状态、杂草分布、病虫害发生情况、土壤肥力等多种基于精确空间位置的实时动态信息，包括数字照片和数字视频等多媒体属性信息。使空间定位、属性记录和导航实施过程相结合，初步实现了农田信息获取的自动化。     

基于改进深度置信网络的大棚冬枣病虫害预测模型

导致冬枣病虫害发生的原因很多而且很复杂,利用传统的数学方法和神经网络(neural network,NN)很难建立正确的病虫害预测模型.由于典型的深度置信网络(deep belief network,DBN)的各层之间缺乏有监督训练,使得网络误差逐层向上传递,降低了预测模型的预测率.针对这些问题,引入冬枣病虫害的先验信息,提出一种基于环境信息和改进DBN的冬枣病虫害预测模型.在该模型中,通过无监督训练和有监督微调从冬枣生长的环境信息序列中获取可表征冬枣病虫害发生的深层特征的隐层参数,并形成新的特征集,然后在预测模型的顶层通过一个后向传播神经网络(back propagation neural network,BPNN)进行病虫害预测.从2014—2017年的4 a时间内,利用农业物联网传感器采集30个大棚冬枣常见的2种虫害和3种病害发生的环境信息序列6000多条,由此验证所提出的预测模型,平均预测正确率高达84.05%.与基于强模糊支持向量机、改进型NN和BPNN的3种病虫害预测模型进行了试验比较,预测正确率提高了20多个百分点.试验结果表明,该模型极大提高了大棚冬枣病虫害的预测正确率.该研究可为大棚冬枣病虫害预测提供技术参考.