基于Android的植保服务平台的研究与实现

张萌 钱蓉 董伟 朱静波 孔娟娟 李闰枚 张立平

摘要 为了实现农作物病虫害有效预防和及时控制的突出需求，提出基于Android的植保服务平台。该平台包括病虫害自动识别、地理信息可视化、典型病虫害及植保机构查询、病虫害防治方法科普等功能，平台设计了量大面广的农作物病虫害图文数据库，便于农户查阅资料。该平台在安徽省舒城县推广试用，测试显示各功能模块均达到了理想的运行效果，用户通过平台可以及时掌握当地病虫害的发生信息及防治方法，该平台实现了“互联网+”植保新模式。

关键词 植物保护;病虫害识别;监测预警;手机终端

中图分类号 S431.9文献标识码 A

文章编号 0517-6611（2019）17-0244-03

Abstract In order to realize the outstanding demand of effective prevention and timely control of crop diseases and pests， an androidbased plant protection service platform was proposed. The platform included functions such as automatic identification of diseases and pests， visualization of geographic information， inquiry of typical diseases and pests and plant protection institutions， and popularization of pest control methods. The platform designed a large and extensive graphic database of crop diseases and insect pests， which was convenient for farmers to consult data. The platform was promoted and tried in Shucheng County， Anhui Province. The test results showed that each functional module achieved the ideal operation effect. Users could timely grasp the occurrence information and control methods of local diseases and pests through the platform， which realized the new mode of “Internet +” plant protection.

Key words Plant protection;Pest identification;Monitoring and forecast;Mobile terminal

病虫害防治的最大难点在于精准识别，对症下药才能达到最好的防治效果，因此病虫害识别技术在农业生产中起着重要的作用[1]。当前，我国围绕农业病虫害监测预警、预防控制为核心内容的体系框架已初步建立[2]，但随着病虫害社会化服务形式日益严峻，农业病虫害数据感知和服务手段相对落后、科技含量不高、应对突发和大面积病虫害能力不强等问题逐渐显现出来。国内开发的植保服务平台大多数仅局限于病虫害图像的采集或传输，而目标对象的精准识别仍然存在很多问题，也很少有平台汇集地域性植保组织或个体的信息，基层工作人员迫切需要一个可以互相交流、咨询实时信息的服务平台。

随着手持终端和移动互联网的普及，APP服务凭借其灵活性、开放性、便捷性等优势，已经成为当今移动互联网的主要服务方式[3-4]，以农业信息化带动农业现代化正在成为现实。目前，工作在一线的农技专家与种植户大多仍然采用陈旧的工作方式和落后的工作机制，难以适应新的挑战[5]，运用信息化手段创新植保新模式已经成为突破发展瓶颈的当务之急。

安徽省地处南北气候过渡带，气候条件适宜多种重大生物灾害的增殖和流行，是我国病虫草鼠害等生物灾害的重灾区[6]，这些不利因素严重影响现代农业发展、农业增产和农民增收。舒城县位于安徽省中部，临近大别山区和巢湖，生态资源丰富，是安徽省城居民粮食的主要来源地[7]。针对当前病虫害防治的突出需求，笔者以安徽省舒城县为试验点，开发大数据植保应用软件APP，体现“互联网+”植保新模式，实现病虫害知识查询、智能诊断与防治、监测预警、植保社会化服务，为病虫害防控提供大数据支撑[8]，切实提高基层农技专家和种植户对病虫害防控的技术水平。

1 系统架构设计

1.1 系统开发环境

舒城县植保服务平台APP是一款基于Android的手机移动应用软件，在Windows 7系统下安装JDK 1.7、 Mac Android studio和Android sdk工具包，配置好必要的变量，选用Mysql 5.1储存数据，成功搭建开发环境，采用Web Service中间件技术对系统架构进行封装[9-10]，开发程序编译后生成Apk文件，下载至手机终端安装后可正常使用该平台。基于云服务架构和分析引擎算法池的理念設计，集成病虫害识别、地理分布图、图文数据库、个人分享社交等多个功能模块，实现云端服务交互，方便用户的使用，可高效准确地实现植保智能化服务。

1.2 关键模块

服务平台建设紧密联系生产实际，对当地的病虫害发生规律及农技专家、种植户的需求进行了充分调研，以确保平台的切实可用性。系统有首页、动态圈、识别、地图、个人中心共5个主要界面，整个服务平台以病虫害识别为核心，简化操作步骤，增强实用性，形成了一个以舒城县为试验点，面向整个安徽的综合性植保服务平台。

首页包含病虫情报、图库、植保组织和植保小贴士4个子模块。病虫情报专栏会定期推送一些当地病虫害及相关的资讯信息，让用户及时掌握可能感兴趣的消息。图库中包含了当地所有主要病虫害的高清图像与文字信息，详细介绍了各类主要病虫害的形态特征、危害程度、发生规律、防治方法等信息，用户可以自行在图文库中查找想要了解的病虫害信息。植保组织中覆盖了当地的植保站、农技专家以及所有在册的合作社、农资店、协会等植保社会化服务组织的简介与联系方式，以解决当地用户植保信息闭塞的突出问题。植保小贴士专栏会定期推送植保小知识，扩展用户的植保知识面，逐渐从根本上缓解专家团队人才紧缺的难题。

动态圈是为用户个性化服务提供的窗口，用户可以在此界面发布自己的作品、心得等，也可以与其他用户进行交流、分享、学习。考虑到虫害与病害发生特征区别较大，为了保证病虫害识别的准确性与可靠性，识别功能包括病害识别和虫害识别2个子模块，分别用于识别并反馈病害与虫害的种类、发生规律、防治方法等具体信息。地图信息用于将后台的病虫害发生信息进行可视化处理，方便用户直观地了解当地病虫害的发生程度，以达到预警、预报、预防的目的。用户可以在个人中心界面设置个人偏好，并在此页面查阅历史浏览记录与收藏记录，可以与后台工作人员反馈建议，以进一步完善服务平台。

2 主要功能

2.1 病虫害自动识别

深度学习是病虫害识别模块所用到的关键技术，该模块基于VGG16深度学习模型建立病虫害识别分析引擎[11-12]，对已有的大量带标注病虫害样本数据进行训练，构建病虫害识别模型，初步实现了基于深度学习技术的病虫害图像识别。

基层的种植户、农技专家等用户将识别目标置于采样区进行拍摄，即可以通过交互式移动服务平台上传样本数据，对应的分析引擎结合后台已经建立的识别模型进行分析判别，并将结果返回给上传用户，实现各类农作物病虫害的在线检测服务[13]，同时通过目标样本与反馈结果进行后台的网络模型优化[14]。若对识别结果抱有疑问，用户可以申请专家在线诊断或通过动态圈在线交流。

目前系统处于测试阶段，可以实现对18种病害和42种虫害的自动识别，满足用户对农作物病虫害识别、预警的基本需求。基于计算机视觉、深度学习等技术，通过对大量农作物病虫害感知数据的有效分析利用，实现病虫害图像的自动识别与分析服务，满足对病虫害远程自动监测预警等管理需求，提高了病虫害监测预报的系统性、科学性、时效性（图1）。

2.2 地理信息可视化

时间和空间是预测病虫害发展趋势的重要数据[15]，用户在使用病虫害识别模块时，系统将样本图像与拍摄时间、地点等数据一起上传以供后台分析，调用电子地图应用程序数据接口，将地理分布库的数据以电子地图的形式呈现，并对电子地图进行实时更新，展示病虫害的地理分布、区域内病虫害种类的分布情况。

在后期的更新中，会基于用户后台数据与当地植保站的病虫害发生历史数据，定期推送当地主要病虫害的发生趋势预测。基于病虫害大数据的可视化分析与预警预报平台，可以满足不同用户对平台的植保智能化服务需求。

2.3 典型病虫害及植保机构查询

对安徽省农业有害生物的发生、分布和形态特征进行了系统调查和研究，采集农业病害、农业虫害、天敌、外来入侵物种等图文信息和防控技术，建立主要病虫害信息数据库[16]，为公众信息服务平台提供知识支撑，提升植保服务的科学规范性。用户可以在平台中查询当地常见的病虫害信息，数据库中以图文并茂的方式详细介绍病虫害的形态及症状、发生规律、防治方法等内容。此外，平台提供了当地植保站、农技服务专家及各类植保社会化服务组织的简介信息和联系方式，用户可根据自己的需求与相关组织或专家取得联系，及时获取需要的技术服务。

丰富、生动的图库数据库与实时、精准的植保信息推送可详细反映病虫害的理论知识与发生现状，为科研教学提供基本资源支持，为农业网络充实技术内容，同时也为农业生产提供信息服务和技术指导，可为各级农业部门的宏观调控提供决策依据，因此应用面广泛（图2）。

2.4 病虫害防治方法科普

系统包含2个科普模块，其中病虫情报专栏会定期推送当地与植保相关的新闻讯息，让用户时刻了解当地的病虫害情况、植保组织动态等信息;植保小贴士专栏会定期推送病虫害防治、农作物种植等农业小技巧，扩充用户的知识面，让每一位用户都逐渐掌握充分的植保领域知识。

同时，为了迎合用户的个性化需求，系统开放了注册用户的个人主页，使系统更加人性化，用户可以在动态圈内发布图文动态，并与其他用户进行交互。个人主页中设置“我的动态”专栏，用户可在专栏中查看自己的历史查询、浏览、发布信息，通过收藏或发表动态完善自己的个人主页。同时，用户可以在系统中反馈意见，方便汲取每一位用户的建议与需求，以在日后的维护中进一步完善系统，有助于APP的演化升级（图3）。

3 结语

目前，整个平台已经上架并在测试阶段，各大功能模块在使用的过程中不断完善，农技专家可以从系统中获取更多、更丰富的理论知识，合作社和种植大户也可以在系统中及时获取农业资讯、实时鉴别病虫害种类，以提高工作效率。该平台在实际使用过程中取得了较好的评价，在后期的更新中将逐步加大可识别病虫害的种类数量，提高核心算法的鲁棒性与准确率;进一步提高电子地图的利用率，将植保站的历史记录与实际使用时的反馈信息进行可视化处理;定期更新当地相关的站点、专家信息，及时发布植保防控信息;根据用戶的实际使用感受，优化操作界面，以提供更好的使用体验感。同时，在用户使用的过程中，可以将实际使用中积累的经验、数据不断反馈完善到专家知识库中。

我国是农业大国，安徽省地处暖温带与亚热带过度地区，地势形态多样化，农作物种类繁多、种植分散，基层植保人员相对薄弱，现有病虫害诊断、预报方法落后。作为面向安徽地区的病虫害大数据智能化服务平台，舒城县植保服务平台可以提升植保服务的科学管理水平和抗灾减灾能力，为病虫害的防控及时提供直观的决策依据，因此进一步推广的市场空间巨大，产业化前景可观。

参考文献

[1] 陈天娇，曾娟，谢成军，等.基于深度学习的病虫害智能化识别系统[J].中国植保导刊，2019，39（4）：26-34.

[2] 周志艳，罗锡文，张扬，等.农作物虫害的机器检测与监测技术研究进展[J].昆虫学报，2010，53（1）：98-109.

[3] 田蕊，陈朝晖，杨琳.基于手持终端的图书馆APP移动服务研究[J].图书馆建设，2012（7）：36-40.

[4] 江波，覃燕梅.基于微信的移动图书馆APP服务系统设计与实现[J].现代情报，2013，33（6）：41-44.

[5] 曹烁，王睿文，王鹏，等.河北省植物保护网络服务平台的实践与思考[J].中国植保导刊，2016，36（10）：78-80.

[6] 陈海中，张友华，刘家成，等.安徽省农作物病虫监测预警平台的研制[J].中国植保导刊，2013，33（11）：54-58.

[7] 汪永安，刘建军.舒城县蔬菜病虫害绿色防控技术示范实践与思考[J].现代农业科技，2018（7）：155-156，158.

[8] 戴建国，赖君臣.基于图像规则与Android手机的棉花病虫害诊断系统[J].农业机械学报，2015，46（1）：35-44.

[9] 黄淑静，杨红梅.利用JSON + WebService实现Android访问远程数据库[J].科技信息，2013（9）：98-99，123.

[10] 王秀徽，史同鑫，杨宝祝，等.基于国产基础软件的蔬菜病虫害识别防治系统的设计与实现[J].中国农学通报，2013，29（35）：368-372.

[11] FENG L T，PO L M，LI Y M，et al.Integration of image quality and motion cues for face antispoofing：A neural network approach [J].Journal of visual communication & image representation，2016，38（23）：451-460.

[12] SIMONYAN K，ZISSERMAN A.Very deep convolutional networks for largescale image recognition [R].2014.

[13] 方夢瑞，吕军，姚波.水稻病害智能识别APP框架的设计[J].安徽农学通报，2018，24（24）：51-52.

[14] 徐旭东，马立乾.基于迁移学习和卷积神经网络的控制图识别[J].计算机应用，2018，38（S2）：290-295.

[15] 赵庆展，靳光才，周文杰，等.基于移动GIS的棉田病虫害信息采集系统[J].农业工程学报，2015，31（4）：183-190.

[16] 高灵旺，陈继光，于新文，等.农业病虫害预测预报专家系统平台的研发[J].农业工程学报，2006，22（10）：154-158.