[发明专利]一种基于机器学习的农作物及害虫互作的预测管控系统

说明书

本发明公开了一种基于机器学习的农作物及害虫互作的预测管控系统，包括：用于采集农作物与害虫数据的数据采集模块、对虫灾情况与处理进行分析的综合分析模块、实时获取农作物与害虫情况的农田监测模块、用于存储农作物与害虫数据的数据存储模块、用于生成农作物养护方案与虫灾预测的预警模块、根据分析预测结果采取相应措施、并进行农作物养护的后台管理模块。本发明绿色高效，在对虫灾进行有效防治的同时还可保护农田的生态环境，为农作物的绿色安全生产提供了保障。

技术领域

本发明属于害虫防治领域，特别是涉及一种基于机器学习的农作物及害虫互作的预测管控系统。

背景技术

褐飞虱是农田中最主要的害虫，褐飞虱产卵时，产卵器划破植株茎秆和叶片组织，形成大量伤口，使植株丧失水分的同时，输导组织破坏，加速植株倒伏；产卵产生的伤口，也是水稻小球菌核病直接入侵稻株的途径，同时褐飞虱还会传播锯龄叶矮缩病、水稻草丛状矮缩病，其分泌物富含各种糖类、氨基酸类，覆盖在稻株上，极易招致煤烟病菌的滋生，造成间接危害，严重影响作物生产。

长期以来，褐飞虱的防治主要依靠生物防治与化学防治，其中生物防治通过投放青蛙、蜘蛛等天敌进行防治，但投放天敌的生物时间必须与害虫发生或产卵时间吻合，才能起到良好效果，由此造成耗时费力，以及防治效果不稳定的缺陷，化学防治通过使用化学药剂进行防治，如吡虫啉、噻嗪酮，但随着褐飞虱对化学药剂的抗性越来越大，造成防治效果逐渐不理想，同时化学药剂的使用会造成农田中土壤、空气环境的污染，为农作物绿色安全生产带来了较大的压力。

发明内容

本发明的目的是提供一种基于机器学习的农作物及害虫互作的预测管控系统，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种基于机器学习的农作物及害虫互作的预测管控系统，包括：

数据采集模块、综合分析模块、农田监测模块、存储数据库模块、预警模块、后台管理模块；

所述数据采集模块用于采集农田虫灾数据，对所述农田虫灾数据进行预处理，并传输至所述综合分析模块；

所述综合分析模块用于基于所述农田虫灾数据对虫灾情况进行分析，输出分析结果至所述后台管理模块，同时将所述农田虫灾数据与所述分析结果传输至所述存储数据库模块；

所述农田监测模块用于实时监测农田环境变化数据，并将所述农田环境变化数据传输至所述存储数据库模块；

所述存储数据库模块用于存储所述农田虫灾数据、所述分析结果与所述农田环境变化数据；

所述预警模块用于基于所述存储数据库模块中的农田虫灾数据与农田环境变化数据生成农田养护方案，并生成虫灾预测结果，将所述农田养护方案与所述虫灾预测结果传输至所述后台管理模块；

所述后台管理模块用于对农田进行日常养护并进行虫灾治理。

可选地，所述农田虫灾数据包括农作物数据、害虫数据与受灾区域数据；

所述农作物数据包括农作物长势、农作物受灾程度、受灾区域；

所述害虫数据包括害虫规模、害虫分布、害虫外形。

可选地，所述预处理包括：对所述农田虫灾数据中的害虫发育特征、农田受灾区域、农作物受灾部位进行标记并将所述害虫发育特征与所述农作物受灾部位进行匹配。

可选地，所述存储数据模块还用于基于互联网大数据技术存储害虫常规发育数据与农作物常规生长数据；

所述害虫常规发育数据包括害虫不同生长阶段的外观特征与各生长阶段的周期；

所述农作物常规生长数据包括农作物不同生长阶段的植株特征与各生长阶段的周期。