茶树虫害智能诊断与防治的研究现状及发展趋势

陈松楠，张 莉

(信阳农林学院 信息工程学院，河南 信阳 464000)



数·理·化

茶树虫害智能诊断与防治的研究现状及发展趋势

陈松楠，张 莉

(信阳农林学院 信息工程学院，河南 信阳 464000)

随着农业信息化的快速发展，如何快速、有效地对茶树虫害进行诊断和防治成为当前亟需解决的问题。与传统的人工诊断和防治相比，物联网和web技术在使用过程中具有快捷、方便、准确、可靠的独特优势，受到了越来越多的关注。为此，本文全面、系统地阐述了基于物联网、web技术和本体学习的茶树虫害智能诊断和预防的研究现状，分析其在虫害诊断上存在的优缺点，指出今后茶树虫害诊断和预防的发展方向，以期实现茶树虫害的自动预警和预防。

茶树虫害；物联网；web技术；本体学习

我国茶叶生产历史悠久，种植面积辽阔，远销世界各地。茶产品不仅是我国重要的出口农产品，更是我国茶农增加收入的重要手段之一。近些年来，茶树虫害对茶产品的影响越来越严重。传统的用药和喷施作业不仅造成农药的利用率低下，而且带来了严重的水土资源污染。所以，利用计算机技术推动我国农业信息化的进程和运用先进的农业科学技术提升茶树虫害智能诊断与防治的能力变得刻不容缓。

1 基于物联网技术的茶树虫害智能诊断与防治的研究现状

物联网是当今互联网技术发展的重要阶段，美国麻省理工学院的Kevin Ash-ton教授于1991年首次提出物联网的概念,并在2005年以后受到了世界各国的重视并且得到了迅速的发展[1]。它对推动我国传统农业的转型升级、提高农民的生产效率和收入水平、加快农业信息化进程、实现农业自动化和智能化等方面具有重要的影响。将物联网技术与茶业生产相结合促使传统的茶树虫害预防方法发生了重大的改变。

茶业物联网主要由三部分组成：感知层、传输层和应用层，如图1所示。感知层主要由一些传感器，如视频采集设备、环境监控设备、RFID、二维码扫描器等设备构成，用来采集前端视频流和监测环境参数；传输层主要用于视频流和监测数据的传输，一般由VPN专网来完成，主要是指视频流、传感器采集数据、控制信息流传输通道及传输网络(包括运营商数据专线、运营商网络、3G网络以及前端设备接入网络)；应用层主要用于病虫害的预防，包括视频监控、专家诊断、害虫预警、农药申请与审批等。通过对茶园里病虫害进行监控和分析，对症使用农药[2]。物联网技术在现代茶业种植和生产的过程中需要尽量规避各种外部因素的影响，从而保证茶农能够及时地获取茶园里的土壤和生态环境信息，为他们进行病虫的防治提供依据[3]。通过监测设备对茶场的天气、水质、生态、重金属的含量进行实时监控，保证茶树的健康生长。当出现异常情况时，监测人员能够实时得到反馈，及时对不利于茶树生长的情况进行调整[4]。通过安装REID、传感等设备对茶树的病虫害信息进行采集和监测，然后经监控中心对收集到的数据进行处理后传送给用户，使得用户能够准确分析病虫害的发展趋势并及时作出防治措施[5]。

图1 茶业物联网的主要组成部分

随着zigbee无线通信技术的日渐成熟和快速发展，物联网技术为精准农业、智慧农业的推广提供可能。根据以往茶叶种植的信息形成一套较完整的专家系统，建立各个阶段茶叶生长的信息库，提前做好病虫害的防治工作[6]。设计茶叶物联网系统，通过展现茶园的病虫害情况，利用远程专家诊断、指挥调度来实现农药使用的申请和审批[7]。

2 基于Web技术的茶树虫害智能诊断与防治的研究现状

随着计算机科学、信息技术的快速发展，以web技术为基础的B/S框架模式的优越性越显突出。与传统的ASP.NET相比，JSP在构建Web应用程序方面具有很大优势，主要表现在：充分考虑到跨平台这一概念，使得程序的运行不局限于某一特定的平台，程序只需写一次就可以运行在任何平台；语言的成熟、健壮、易扩展性也提高了程序人员的开发效率和维护效率。

2.1 茶农用户管理

图2 茶农用户管理模块

以web 技术为核心的茶树虫害智能诊断与防治方法的最主要的用户是茶农、科研人员以及基层农技员等。为此，我们需要针对不同的用户类型来设计统一的用户注册接口、用户管理接口和知识管理接口。方便不同的用户群体进行注册，已注册用户提供个性的系统入口以及对茶树虫害知识库进行实时的修订和更新，如图2所示。

2.2 茶树虫害管理决策

以web技术为核心的茶树虫害智能诊断与防治的方法最核心的部分在于茶园虫害的管理决策模块。针对茶农用户上传的害虫基本信息，如：颜色、形状、生活习性等，主要通过三种方法对茶树害虫进行诊断。首先，茶树害虫的特征诊断，通常采用多种特征联合、局部特征信息引入的综合诊断方法对茶树虫害进行分类诊断。通过对高维的特征向量进行降维处理，使得该方法能更好地辅助人们对茶树虫害进行精准的诊断。其次，通过茶树害虫的图谱进行诊断，茶农用户根据自己的实践经验所掌握的害虫基本信息来分类查询当前可能害虫的图谱，如：尺蠖类、蓑蛾类、食叶性甲虫类等。根据害虫所属的类型进入不同的查询页面进行图谱查找，从而获取相应的虫害信息。最后，根据茶树害虫检索系统进行诊断，茶农用户只需提供虫害的危害部位的信息，如：芽、叶、杆、根等，通过对芽叶咀食性害虫、茶树吸汁性害虫、钻蛀性害虫及地下害虫等数据库进行检索，来快速进行害虫诊断。通过以上三种方法优化用户的使用体验，从而满足不同的茶户的需求。

茶树虫害的防治是害虫诊断和害虫预警的目的和结果[8]。获取虫害信息后，就需要对特定地理区域的茶树虫害进行短、中、长期预警和防治。通过对当前虫害的规模、发展趋势、爆发高峰期进行预测，并将预测结果发布到预警信息平台上供茶农浏览，使其提前做好害虫防治的准备。

2.3 交流学习平台

以web技术为核心的茶树虫害智能诊断与防治要求在农户与农户、农户与专家之间构建相互交流学习的平台。主要是通过web技术完成茶树农药残留量的更新信息,方便茶农对作物进行合理的施药；对该领域专家的个人信息进行更新和增加，方便农户及时准确的获取专家信息；提供在线咨询相关界面，以保证农户可以实时向专家提出问题，等待专家对提出的虫害问题进行详细的答疑；提供开放的知识园地相关界面，使农户足不出户获取虫害知识和最新的防治信息；提供资源下载相关界面，方便茶农下载专家教学视频，获取远程防治教育以及国家农业部发布的一些茶产品信息[9]。

利用web技术，茶农还能够对茶园设施展开控制，实时掌握茶园的雨量、光照、病虫害等情况，进而进行科学的管理。

3 基于本体技术的茶树虫害智能诊断与防治的研究现状

计算机相关领域的快速发展，尤其是自然语言处理、机器学习等技术的发展加速了本体学习的研究步伐。基于本体的语义网技术在领域内智能搜索方面是当前研究的重点，因此针对茶学领域虫害诊断过程中存在的问题，有必要在深入研究茶学领域的基础上，探讨出茶树以及茶树害虫本体建模的理论和方法，从而实现茶树虫害的智能诊断与防治。

3.1 茶树害虫本体的建立

茶树害虫本体主要由三部分构成：茶树害虫的概念信息、每种害虫概念信息间的相互关系、计算机能够智能诊断的形式化描述语言。茶树害虫本体的研究对象主要是常见茶树害虫在茶园的具体分布、危害茶树的具体部位、何种方式进行危害以及防治害虫的策略等。为了能够正确的区别引起茶树病症的各种害虫，我们可以引入生物分类方法—“界、门、纲、目、科、属、种”来对茶树害虫进行分类，茶树害虫就被定义为一个“纲”。在构建茶树害虫本体的过程中，从“纲”的下一层“目”开始来对茶树害虫进行诊断分类，形成了基于“目”、形状特征和习性特性的茶树害虫分类领域本体构建方法[10]。

3.2 茶树虫害知识本体构建

茶树虫害知识本体是茶树害虫领域所共识的，可被计算机表示的，并提供茶树害虫领域共享的一种概念模型，主要由常见害虫的概念、茶树害虫类的属性、危害方式与受害部位的约束公理、害虫知识本体实例等五类构成。茶树害虫概念是指在对茶树虫害进行诊断的过程中所涉及的名词集合，主要包括害虫以及害虫危害两个部分的名词集合。茶树害虫类的属性主要包括了类与类之间、属性与属性之间、类与属性之间的关系等内容。由于茶树虫害知识包含许多相关联的内容，因此我们在茶树虫害知识本体构建的过程中只需对害虫在茶园的具体生活区域、对茶树的危害方式以及茶树受虫害的部位进行约束公理表示，进一步对主要的约束公理构造符进行运用。

3.3 茶树虫害知识诊断推理

本体的推理机制是基于描述逻辑的推理，其目的是保持类的一致性，检验类的构成和隐含关系，确定实例是否包含于本体中，以及本体的完整性维护等。基于人工神经网络的方法、基于规则的方法和基于案例的推理方法是诊断推理领域中常用的方法。虫害信息的检索是虫害知识诊断推理过程中不可缺少的一部分，传统虫害信息检索模型将各类检索词看作是孤立的、不关联的，从而忽视了各类检索词之间的语义关系，导致基于关键词的检索模型在一定程度上查询失败。所以，通过建立语义推理引擎来判断用户输入检索词的语义关系，进而通过计算机将本体中具有隐含语义关联的数据推理出来，最后获取相关的数据作为查询数据库。推理引擎借助于本体信息及相关的公理描述可以从基本的描述中获取额外的断言，经过推理处理可以获得有向图中的所有语义闭包，从而对茶树虫害进行诊断和预防[11]。

以本体技术为核心的茶树害虫智能诊断和防治的研究，对于进一步提升茶树疾病诊断系统的智能化水平、适用能力、学习能力和问题求解能力，以及提高茶树虫害诊断防治的准确率和诊断防治速度，拓展茶树虫害诊断系统的应用范围，具有一定的理论研究价值和实际意义。

4 茶树虫害智能诊断与防治的发展趋势

我国在农业虫害智能检测与防治的研究中取得了一定的进展，特别是在茶树等虫害检测中取得了较大的进步，随着物联网、3S、光谱、图像处理、病原微生物检测等信息技术的发展、成熟，也为茶树虫害检测与预防提供了良好的技术支持。加快物联网技术与3S技术的融合，将对整个茶园的生长环境监测形成覆盖，使信息的采集更加全面；结合不同机器学习算法的优势进行虫害检测模型的构建，使得虫害的检测与预防更加快速；结合光谱、电镜检测、PCR及生物芯片技术，茶树虫害的检测从宏观到微观均能得到良好效果；科研机构和相关单位应该更加注重对环境、病害及病原微生物等信息的数据积累和信息获取技术的改进与提升，保证数据的准确性和泛用性，不断更新数据，才能为虫害的检测和预防提供更可靠的技术与数据支撑[12]。

[1] 朱洪波, 杨龙祥, 朱 琦.物联网技术进展与应用[J].南京邮电大学学报(自然科学版),2011, 31(1):1-9.

[2] 刘海鹏.茶业物联网系统的设计与实现[J].福建茶叶,2016，38(1)：19-20.

[3] 刘佩君.物联网技术惠及现代农业发展探析[J].中国农业资源与区划，2016,37(2)：66-71.

[4] 韩 鹏.物联网技术在茶场生态环境监测中的应用分析[J].福建茶叶,2016,38(3):15-17.

[5] 徐德良, 王敏鑫，邵元海.物联网技术在茶树病虫害防治中的探讨[J].茶叶，2014，40 (3):155-156.

[6] 冷 波.基于物联网技术的智慧茶园控制技术[J].中国新通信，2014(12):92-94.

[7] 刘小虎, 汪 兴, 吴 蒙,等.茶叶物联网系统的设计与实现[J].安徽农业科学, 2014(16): 5305-5308.

[8] 秦华光.茶园害虫智能化WEB管理系统的设计与实现[D].中国农业科学院, 2008.

[9] 邱富军.基于Web的茶叶物联网远程智能控制系统的设计[J].福建茶叶，2016，38(2): 14-15.

[10] 吉 喆，李绍稳, 张友华，等.基于本体的茶虫害诊断系统构建的研究[J].农业网络信息，2008(9):112-116.

[11] 吉 喆. 基于本体的茶树虫害智能诊断系统研究[D].安徽农业大学, 2010.

[12] 王翔宇, 温皓杰, 李鑫星，等.农业主要病害检测与预警技术研究进展分析[J].农业机械学报, 2016(9):266-277.

(编辑：严佩峰)

Research Status and Development Trend on Intelligent Diagnosis and Control of Tea Pests

CHEN Song-nan，ZHANG Li

(College of Information Engineering,Xinyang Agriculture and Forestry University, Xinyang 464000,China)

With the rapid development of agricultural information, how to quickly and effectively diagnose and control tea pests has become an urgent problem. Compared with the traditional artificial diagnosis and prevention, the Internet of things and web technology have more and more attention in the process of using, which is quick, convenient, accurate and reliable. Therefore, this paper described the current research status of intelligent diagnosis and prevention of tea pest based on the Internet of things,web technology and the ontology learning, analysed the advantages and disadvantages of the insect pest diagnosis, at the same time, pointed out the future research direction of insect pest diagnosis and prevention, in order to achieve automatic warning and prevention.

tea pest; Internet of things; web technology; ontology learning

2017-03-04

信阳农林学院青年教师基金项目(201501015).

陈松楠(1988—),男，硕士，助教，研究方向：图像处理、农业信息化.

TP391.41

A

2095-8978(2017)02-0103-04