專利名稱：溫室蔬菜病蟲害的預警方法
技術領域：
本發(fā)明應用于溫室蔬菜病蟲害防治領域，更確切地說，本發(fā)明涉及一種溫室蔬菜病蟲害的預警方法。
背景技術：
蔬菜病蟲害的監(jiān)測與預警是農(nóng)業(yè)蔬菜生產(chǎn)管理中的重要環(huán)節(jié)，也是其優(yōu)良品質(zhì)的保證。隨著溫室建設規(guī)模的發(fā)展及內(nèi)部設施的完善，病蟲害的管理也列為溫室生產(chǎn)管理的重要組成部分。近年來設施農(nóng)業(yè)病蟲害的發(fā)生規(guī)模有逐年增大的趨勢，農(nóng)藥作為一種補償性手段得到了廣泛性的應用，但也隨之帶來農(nóng)藥殘留、人體內(nèi)重金屬離子積累等危害人類健康的問題，蔬菜是溫室主要批量生產(chǎn)的作物，因此解決溫室蔬菜病蟲害的監(jiān)測與預警問題具有重要的意義。目前，針對各種植物的病蟲害預警問題主要依靠對氣候條件的監(jiān)測與預警，通過采集歷年的氣象數(shù)據(jù)(如溫度、濕度、露點溫度、降雨量、日照時間、太陽輻射等)進行各種處理，通過對比年或月的平均數(shù)據(jù)得到當年病蟲害發(fā)生的氣象數(shù)據(jù)，從而指導現(xiàn)在的農(nóng)業(yè)生產(chǎn)。這種方法雖然對于現(xiàn)在的生產(chǎn)有一定的幫助，但氣象數(shù)據(jù)也受到風速、蒸發(fā)量、地溫等各方面的影響，此外，每一次海洋的大規(guī)模運動都會給陸地的氣象數(shù)據(jù)帶來突發(fā)性的變化，而這種運動不可控也無法改變；同時，依靠積累氣象數(shù)據(jù)平均值、最大值或最小值得到病蟲害預警指標的方法只能達到定性分析，只能得到病蟲害發(fā)生條件的閾值，而病蟲害的發(fā)生還要依靠微生物種群的變化和病菌與植物體相互作用的結(jié)果，因此這種方法預警的臨界點更廣泛，單單依靠氣象數(shù)據(jù)不能夠完全指導現(xiàn)在及未來的生產(chǎn)活動。較為常用的另一種方法為酶活性的化學檢測方法，是根據(jù)酶活性的增大或是減小的規(guī)律檢測病菌的侵染情況，必須采摘活體葉片進行離體測量，需要使用化學藥品進行測定，采用這種方法費時、費力，而且破壞活體葉片，不能達到無損檢測的要求。溫室是一個半封閉的環(huán)境個體，在與外部環(huán)境條件進行氣體交換的同時也保證著內(nèi)部生長的作物完成正常的生理反應，作物的生理生化反應與周圍環(huán)境的相互作用致使在溫室內(nèi)部形成了高溫高濕的環(huán)境特點，而這種環(huán)境條件又極利于病蟲害的發(fā)生，但病蟲害的發(fā)生和流行具有周期性和季節(jié)性的特點，如果采用全年時間的預警必然造成資源的浪費和成本投入的增加，而單純的對環(huán)境指標的計算無法滿足溫室病蟲害預警的需求，因此采用新的方法對溫室病蟲害的預警具有重要的意義。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是克服了現(xiàn)有技術 存在的問題，提供了一種溫室蔬菜病蟲害的預警方法。為解決上述技術問題，本發(fā)明是采用如下技術方案實現(xiàn)的所述的溫室蔬菜病蟲害的預警方法的步驟如下I.安裝型號為PC-3的自動氣象站，對溫室的環(huán)境條件進行常年自動檢測，并將檢測結(jié)果通過無線傳輸方式輸入計算機中，預警系統(tǒng)每隔24小時對檢測結(jié)果進行統(tǒng)計，若未達到監(jiān)測閾值則繼續(xù)檢測，若達到監(jiān)測閾值則啟動葉綠素熒光光譜采集系統(tǒng)，如果環(huán)境條件超出發(fā)生病蟲害所需要的環(huán)境條件閾值則終止檢測。2.操作者啟動計算機,打開葉綠素熒光光譜采集系統(tǒng),首先對葉綠素熒光光譜采集系統(tǒng)中的光纖光譜儀和激光發(fā)生器進行連接測試，檢查通訊是否正常，通訊檢查結(jié)果正常后，開啟激光發(fā)生器發(fā)出激光，同時光纖光譜儀開始采集被激光激發(fā)出來的葉綠素熒光。3.葉綠素熒光光譜采集系統(tǒng)啟動光譜采集軟件接收熒光光譜，將激光發(fā)生器垂直照射蔬菜葉片表面，激光強度為7. 5mW，熒光采集探頭與葉片距離2cm并成45°角接收熒光 光譜，光纖光譜儀把采集到的熒光光譜進行分光、光電轉(zhuǎn)換和A/D轉(zhuǎn)換后傳入計算機，傳入計算機的數(shù)據(jù)以光譜的形式顯示并保存。4.操作者打開預警系統(tǒng)中的數(shù)據(jù)采集模塊，提取計算機中保存的熒光光譜數(shù)據(jù)，判斷提取的熒光光譜數(shù)據(jù)，若熒光光譜的第一波谷強度值小于0，說明葉片可能處于病蟲害侵染狀態(tài)，需要對其進行繼續(xù)判斷；若熒光光譜的第一波谷強度值大于0，說明葉片可能處于健康狀態(tài)，需要進一步判斷。5.預警系統(tǒng)自動繼續(xù)判斷提取的熒光光譜數(shù)據(jù)，提取熒光光譜的第二波峰發(fā)射波長位置，若第二波峰發(fā)射波長位置大于685nm，說明葉片可能處于病蟲害侵染狀態(tài)，需要對其進行繼續(xù)判斷；若熒光光譜的第二波峰發(fā)射波長小于685nm，說明葉片可能處于健康狀態(tài)，需要進一步判斷。6.預警系統(tǒng)顯示提取的熒光光譜數(shù)據(jù)的第一、二特征點的判斷結(jié)果，若完全不能夠滿足前兩個特征，終止檢測；若只滿足一個特征點，提示操作者是否決定進行下一步檢測；若完全符合兩個特征點，則自動通過分類模型與預測模型的檢測，實現(xiàn)病害與蟲害的分類，進而確定病蟲害的類型及潛伏期、發(fā)生等級。7.監(jiān)測預測系統(tǒng)將得到的監(jiān)測結(jié)果輸出，預警系統(tǒng)對分析處理結(jié)果進行判斷，顯示和保存處理結(jié)果，對形成警情的結(jié)果傳輸至報警系統(tǒng)，完成一次報警；對未形成警情的結(jié)果進行提示，由操作者決定是否顯示并保存數(shù)據(jù)。與現(xiàn)有技術相比本發(fā)明的有益效果是I.本發(fā)明所述的溫室蔬菜病蟲害的預警方法確定了溫室蔬菜病蟲害預警的初始值，提供了定量檢測病蟲害的預警方法，解決了傳統(tǒng)氣象數(shù)據(jù)統(tǒng)計方法的耗時費力、不定量的缺點，達到了測量時間短、定量與準確的效果。2.本發(fā)明所述的溫室蔬菜病蟲害的預警方法直接針對葉片表面測量，瞬時完成，達到無損檢測的效果，解決了傳統(tǒng)化學方法測量酶活性檢驗病菌侵染情況，避免了化學方法檢測與破壞活體葉片的缺點。3.本發(fā)明所述的溫室蔬菜病蟲害的預警方法針對于單株植物進行定量測量，更利于及早發(fā)現(xiàn)病源植株。4.本發(fā)明所述的溫室蔬菜病蟲害的預警方法測量準確、精度高，對于黃瓜區(qū)分健康、霜霉、白粉、蚜蟲害的分類的準確率達到94. 7%，霜霉病害的分類準確率達到97. 7%,白粉病害分類準確率達到91. 9%，蚜蟲害的分類準確率達到96. 3%。


下面結(jié)合附圖對本發(fā)明作進一步的說明圖I是本發(fā)明所述的溫室蔬菜病蟲害的預警方法中蔬菜葉綠素熒光光譜采集系統(tǒng)的結(jié)構原理示意框圖；圖2是本發(fā)明所述的溫室蔬菜病蟲害的預警方法中溫室蔬菜病蟲害監(jiān)測預測系統(tǒng)工作流程的示意框圖；圖3是本發(fā)明所述的溫室蔬菜病蟲害的預警方法中溫室蔬菜病蟲害預警系統(tǒng)結(jié)構的示意框圖；圖4是本發(fā)明所述的溫室蔬菜病蟲害的預警方法中采集的葉綠素熒光光譜；圖5是本發(fā)明所述的溫室蔬菜病蟲害的預警方法對健康葉片與病蟲害葉片分類結(jié)果圖；圖6是本發(fā)明所述的溫室蔬菜病蟲害的預警方法的流程框圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明作詳細的描述傳統(tǒng)的采用氣象數(shù)據(jù)統(tǒng)計的方法實現(xiàn)病蟲害預測，只能對病蟲害的發(fā)生情況作出定性的判斷；而采用酶活性的增大或是減小的方法檢測病菌的侵染情況卻費時、費力，且化學藥品的使用會帶來環(huán)境污染、操作者體內(nèi)毒素的積累、測量成本的增加等問題。本發(fā)明所要解決的技術問題是提供了一種溫室蔬菜病菌蟲害潛伏期的檢測與預警方法，該預警方法不僅能夠?qū)崿F(xiàn)快速、準確、無損的檢測，而且能夠檢測植物的營養(yǎng)成分，進而判斷植物所處于健康狀態(tài)或是病蟲害的侵染及發(fā)生階段。這種方法是在蔬菜葉片表現(xiàn)病害病癥之前達到檢測病菌侵染階段，是一種實時檢測、快速準確與無損植物活體葉片的監(jiān)測和預警方法。參閱圖1，葉綠素熒光光譜采集系統(tǒng)是自主研發(fā)的光譜采集系統(tǒng)，這是進行葉綠素熒光光譜采集的必要條件，包括激光發(fā)生器(激光二極管)、激光發(fā)射探頭、光纖光譜儀、熒光采集探頭與裝有控制軟件的計算機，計算機與光纖光譜儀之間采用電連接，激光發(fā)生器與激光發(fā)射探頭之間、光纖光譜儀與熒光采集探頭之間是光纖和電線連接。打開計算機的光譜采集軟件，發(fā)出檢測指令和發(fā)光指令，開啟光纖光譜儀和激光發(fā)生器(激光二極管)，利用激光發(fā)生器發(fā)出激光，垂直照射到植物葉片表面以激發(fā)葉片的葉綠素熒光，再利用光纖光譜儀采集葉片反射的熒光，光纖光譜儀與葉片距離2cm，光纖光譜儀的光電轉(zhuǎn)換模塊將熒光光譜轉(zhuǎn)換成電信號輸入計算機內(nèi)，由計算機顯示并保存光譜，以便進行下一步的檢測。參閱圖2，圖中是本發(fā)明所述的溫室蔬菜病蟲害的預警方法中溫室蔬菜病蟲害監(jiān)測預測系統(tǒng)工作流程的示意框圖。本發(fā)明所采用的溫室蔬菜病蟲害的預警方法為溫室蔬菜外部環(huán)境條件與溫室蔬菜內(nèi)在的葉綠素熒光光譜同時檢測相結(jié)合，因此將環(huán)境條件檢測作為病蟲害預警系統(tǒng)的初始檢測，葉綠素熒光光譜作為病蟲害預警的定量檢測。在日常的溫室蔬菜生產(chǎn)管理中，只需定期(初始設定24小時，也可根據(jù)用戶需要自行設定)對氣象站的數(shù)據(jù)進行提取、統(tǒng)計分析，與病蟲害預警的環(huán)境條件閾值進行對比，若沒有達到初始條件的閾值則無需進行定量檢測；若達到了初始條件檢測閾值，則需要進一步進行葉綠素熒光光譜的檢測并進行定量計算，提取熒光光譜 的第一、二特征點，若不符合光譜第一、二特征點則終止檢測，若達到了特征點則需對熒光光譜進行定量分析，即將光譜進行波段篩選(簡單波段自相關選擇方法)、降維(主成分分析法)后將主成分得分值輸入分類模型和預測模型進行計算，輸出模型的計算結(jié)果，確定病蟲害的類型及潛伏時期，完成溫室蔬菜病蟲害的監(jiān)測。參閱圖3，圖中是本發(fā)明所述的溫室蔬菜病蟲害的預警系統(tǒng)結(jié)構，利用PC-3型自動氣象站得到溫室內(nèi)(蔬菜外部)的環(huán)境條件，利用葉綠素熒光光譜采集系統(tǒng)得到蔬菜葉片熒光光譜數(shù)據(jù)，利用病蟲害的發(fā)病規(guī)律得到環(huán)境條件判別閾值，以及光譜分析技術建立病蟲害判別數(shù)據(jù)庫、監(jiān)測預測系統(tǒng)與報警系統(tǒng)，通過對環(huán)境條件和蔬菜葉片葉綠素熒光光譜的采集，經(jīng)過判別數(shù)據(jù)庫識別后，確定葉片的健康狀態(tài)，若判斷葉片處于非健康狀態(tài)，則繼續(xù)對光譜進行波段篩選、降維處理，再結(jié)合病蟲害分類模型和預測模型，確定病蟲害的潛伏期及發(fā)生情況，由報警系統(tǒng)的操作者判斷警情，實現(xiàn)溫室、主控室與管理者三者同時報警，完成一次病蟲害預警檢測。1.數(shù)據(jù)采集I)葉綠素熒光光譜數(shù)據(jù)采集利用葉綠素熒光光譜采集系統(tǒng)采集了黃瓜的幼苗期、壯苗期、開花期、結(jié)果期四個作物生長時間內(nèi)的霜霉、白粉和蚜蟲三種病蟲害葉片樣本的葉綠素熒光光譜數(shù)據(jù),采集了炭疽、灰霉、鐮刀菌枯萎病出現(xiàn)病斑時的葉片光譜數(shù)據(jù)，并進行了詳細的計算。2)蔬菜外部環(huán)境條件數(shù)據(jù)采集通過調(diào)研和數(shù)據(jù)采集統(tǒng)計了黃瓜常見的五種病害和三種蟲害發(fā)生的環(huán)境條件，病害分別為霜霉、白粉、灰霉、炭疽、鐮刀菌枯萎病，蟲害分別為美洲斑潛蠅、蚜蟲和朱砂葉螨。蔬菜外部環(huán)境條件是采用PC-3型自動氣象站常年自動檢測，其監(jiān)測的指標包括環(huán)境的溫度、濕度、露點溫度等指標量，定期(初始設定24小時)將數(shù)據(jù)無線傳輸至計算機，由操作者提取氣象數(shù)據(jù)并計算。2.判別數(shù)據(jù)庫I)環(huán)境條件判別通過對環(huán)境數(shù)據(jù)的統(tǒng)計發(fā)現(xiàn)病害發(fā)生的條件中，環(huán)境溫度在15 32°C之間適宜病菌孢子的發(fā)育，低于15°C、高于35°C均不利于病菌孢子侵染葉片；除溫度因素外，環(huán)境濕度也是病害發(fā)生和蔓延的重要因素，在環(huán)境濕度達到60%及以上，較為適宜病害的發(fā)生，而濕度達到80% 90%，極有利于某些病害的發(fā)生，有利的環(huán)境條件持續(xù)6小時，是保證病菌成功侵染葉片并成活的基本條件。導致蟲卵產(chǎn)生的環(huán)境溫度范圍是15 30°C，但當濕度大于70%后不利于蟲卵的成活，根據(jù)有效積溫法則，每年蟲害發(fā)生的世代不同，在5 6、9 10月是美洲斑潛蠅和蚜蟲的害盛期，6 8月是朱砂葉螨的害盛期。而作物從播種至收獲的生長時期也是5 10月，因此從蟲害的發(fā)生周期角度出發(fā)，蔬菜正常生長周期內(nèi)具備蟲害發(fā)生的條件。通過分析統(tǒng)計，確定環(huán)境溫度達到15°C為病蟲害發(fā)生的起始溫度，濕度達到60%為病蟲害發(fā)生的起始濕度，本著“提前預警”的原則，將濕度55%作為預警的起始濕度，且該溫濕度持續(xù)6小時后(病菌附著葉片并成活的時間)，作為監(jiān)測預測系統(tǒng)的起始條件。確定環(huán)境溫度達到35°C為監(jiān)測預測系統(tǒng)的終止條件。2)第一特征點判別判別數(shù)據(jù)庫的內(nèi)容根據(jù)黃瓜生長時期的不同，分別對幼苗、壯苗、開花、結(jié)果四個不同生長時期內(nèi)的葉片進行熒光光譜采集，確定判別點；根據(jù)葉片受病蟲害的影響情況不同，對于病害葉片樣本分別采集健康、潛伏期、病癥初顯、大面積流行四個時期內(nèi)的熒光光譜，對于蟲害葉片分別采集健康、蟲卵及少量成蟲(0 50頭)、少量蟲卵及大量成蟲(50 200頭)、大面積成蟲或全面覆蓋(200頭以上)，并對其進行特征信息提取。參閱圖4，葉綠素熒光光譜屬于可見光波段光譜，采用葉綠素熒光光譜采集系統(tǒng)所采集到的光譜范圍為500. 500 799. 784nm，在這段波譜內(nèi)共出現(xiàn)三峰二谷，波峰的位置大致位于 510. 098 514. 461,682. 984 687. 354,731. 056 736. 301nm 之間，波谷的位置大致位于630. 510 635. 745,710. 784 714. 275nm之間，為下文表達方便起見，將波谷630. 510 635. 745nm稱為第一波谷,將波峰682. 984 687. 354nm稱為第二波峰。通過對130片健康葉片、178片蟲害葉片研究發(fā)現(xiàn)，健康葉片的第一波谷強度均大于0，178片蟲害葉片中有164片的第一波谷強度小于0，且隨著蟲情指數(shù)的增大，第一波谷強度隨之變得越小，直至不能形成熒光光譜。第一特征點對于健康葉片檢測的準確率為100%，對于蟲害葉片檢測的準確率達到92. 13%。因此將第一波谷強度值作為熒光光譜檢測健康葉片與病蟲害葉片的第一特征點。 3)第二特征點判別經(jīng)統(tǒng)計發(fā)現(xiàn)健康葉片的第二波峰發(fā)射波長處于682. 135 685. 326nm之間，白粉病害葉片的第二波峰發(fā)射波長為684. 197 685. 749nm之間，姆蟲害的第二波峰發(fā)射波長為685. 019 685. 620nm之間。統(tǒng)計130片健康葉片，其中107片葉片的第二波峰發(fā)射波長小于685nm，約為統(tǒng)計總數(shù)的82. 3%。統(tǒng)計148片病蟲害葉片，其中有126片的第二波峰發(fā)射波長大于685nm，約為統(tǒng)計總數(shù)的85. I %。因此確定685nm作為區(qū)分病蟲害與健康葉片的第二特征點，第二波峰發(fā)射波長大于685nm的葉片為病蟲害葉片，第二波峰發(fā)射波長小于685nm的為健康葉片。3.監(jiān)測預測系統(tǒng)監(jiān)測預測系統(tǒng)分別是對得到的環(huán)境條件進行計算，再利用分類模型和預測模型對采集的熒光光譜進行分析，最后得出監(jiān)測結(jié)果報告。I)環(huán)境監(jiān)測取一天(24h)的環(huán)境條件監(jiān)測結(jié)果，計算連續(xù)的6個小時內(nèi)的平均溫度值(T_)、平均濕度值(RH_n)，計算公式如下
I 6Tmean = —
n 1=x
I 6RHmean式中，i= 1,2, ... ,6j = 1,2, ... ,6Xi為溫度，Xj為濕度n為樣本個數(shù),此處為6。2)分類模型采用光纖光譜儀采集到的熒光發(fā)射譜全波段為331. 010 1099. 970nm,每條譜線記錄1355個數(shù)據(jù)點，數(shù)據(jù)冗雜；同時為消除光譜首末端波動影響及激發(fā)光光譜曲線，根據(jù)特征峰谷波長選取500. 573 799. 916nm波段進行數(shù)據(jù)分析等相關處理，該波段共有523個數(shù)據(jù)點，光譜分析數(shù)據(jù)工作仍然繁重，因此建立分類模型首先利用簡單波段自相關選擇方法篩選光譜內(nèi)的有效波段，再對有效波段內(nèi)的光譜數(shù)據(jù)進行主成分分析，達到降維的目的，最后以主成分得分值和病蟲害的侵染等級作為模型的輸入和輸出值，采用最小二乘支持向量機的方法建立模型 熒光光譜特征信息提取，光譜敏感波段的篩選簡單自相關波段選擇方法是計算同一光譜內(nèi)兩波段間的自相關系數(shù)，認為兩波段自相關系數(shù)較大則表示兩個波段相似度較大，將光譜內(nèi)所有波段進行相關系數(shù)計算后，得到的相關系數(shù)較小者，被認為是有效信息。采用簡單自相關波段選擇方法對523個光譜數(shù)據(jù)采用5點高斯平滑方法進行處理，得到中心波長分別是500. 573 798. 791nm，即將原光譜分成105個波段，并將105個波段兩兩組合計算其決定系數(shù)R2，將R2值按序排列，統(tǒng)計其值及出現(xiàn)次數(shù)，發(fā)現(xiàn)波段38 41、60 68區(qū)域得到的R2值最小，如表I所示，其代表的波長分別為606. 846 617. 222nm、670. 035 695. 165nm，將這部分光譜作為波段優(yōu)選區(qū)域。 表I光譜劃分波段自相關系數(shù)
權利要求
1.一種溫室蔬菜病蟲害的預警方法，其特征在于，所述的溫室蔬菜病蟲害的預警方法的步驟如下 .1)安裝型號為PC-3的自動氣象站，對溫室的環(huán)境條件進行常年自動檢測，并將檢測結(jié)果通過無線傳輸方式輸入計算機中，預警系統(tǒng)每隔24小時對檢測結(jié)果進行統(tǒng)計，若未達到監(jiān)測閾值則繼續(xù)檢測，若達到監(jiān)測閾值則啟動葉綠素熒光光譜采集系統(tǒng)，如果環(huán)境條件超出發(fā)生病蟲害所需要的環(huán)境條件閾值則終止檢測； .2)操作者啟動計算機，打開葉綠素熒光光譜采集系統(tǒng)，首先對葉綠素熒光光譜采集系統(tǒng)中的光纖光譜儀和激光發(fā)生器進行連接測試，檢查通訊是否正常，通訊檢查結(jié)果正常后，開啟激光發(fā)生器發(fā)出激光，同時光纖光譜儀開始采集被激光激發(fā)出來的葉綠素熒光； .3)葉綠素熒光光譜采集系統(tǒng)啟動光譜采集軟件接收熒光光譜，將激光發(fā)生器垂直照射蔬菜葉片表面，激光強度為7. 5mff,熒光采集探頭與葉片距離2cm并成45°角接收熒光光譜，光纖光譜儀把采集到的熒光光譜進行分光、光電轉(zhuǎn)換和A/D轉(zhuǎn)換后傳入計算機，傳入計算機的數(shù)據(jù)以光譜的形式顯示并保存； .4)操作者打開預警系統(tǒng)中的數(shù)據(jù)采集模塊，提取計算機中保存的熒光光譜數(shù)據(jù)，判斷提取的熒光光譜數(shù)據(jù)，若熒光光譜的第一波谷強度值小于O，說明葉片可能處于病蟲害侵染狀態(tài)，需要對其進行繼續(xù)判斷；若熒光光譜的第一波谷強度值大于O，說明葉片可能處于健康狀態(tài)，需要進一步判斷； .5)預警系統(tǒng)自動繼續(xù)判斷提取的熒光光譜數(shù)據(jù)，提取熒光光譜的第二波峰發(fā)射波長位置，若第二波峰發(fā)射波長位置大于685nm，說明葉片可能處于病蟲害侵染狀態(tài)，需要對其進行繼續(xù)判斷；若熒光光譜的第二波峰發(fā)射波長小于685nm，說明葉片可能處于健康狀態(tài)，需要進一步判斷； .6)預警系統(tǒng)顯示提取的熒光光譜數(shù)據(jù)的第一、二特征點的判斷結(jié)果，若完全不能夠滿足前兩個特征，終止檢測；若只滿足一個特征點，提示操作者是否決定進行下一步檢測；若完全符合兩個特征點，則自動通過分類模型與預測模型的檢測，實現(xiàn)病害與蟲害的分類，進而確定病蟲害的類型及潛伏期、發(fā)生等級； .7)監(jiān)測預測系統(tǒng)將得到的監(jiān)測結(jié)果輸出，預警系統(tǒng)對分析處理結(jié)果進行判斷，顯示和保存處理結(jié)果，對形成警情的結(jié)果傳輸至報警系統(tǒng)，完成一次報警；對未形成警情的結(jié)果進行提示，由操作者決定是否顯示并保存數(shù)據(jù)。
全文摘要
本發(fā)明公開了一種溫室蔬菜病蟲害的預警方法，步驟1.安裝型號為PC-3的自動氣象站對溫室環(huán)境條件自動檢測，預警系統(tǒng)每隔24小時對檢測結(jié)果進行統(tǒng)計。2.光纖光譜儀采集葉綠素熒光。3.葉綠素熒光光譜采集系統(tǒng)接收熒光光譜經(jīng)處理后傳入計算機。4.預警系統(tǒng)提取熒光光譜數(shù)據(jù)。5.預警系統(tǒng)繼續(xù)判斷提取的熒光光譜數(shù)據(jù)，進一步判斷。6.預警系統(tǒng)顯示提取的熒光光譜數(shù)據(jù)的第一、二特征點的判斷結(jié)果，決定終止檢測、進行下一步檢測或?qū)崿F(xiàn)病害與蟲害分類，確定病蟲害的類型、潛伏期及發(fā)生等級。7.監(jiān)測預測系統(tǒng)將得到的監(jiān)測結(jié)果輸出，預警系統(tǒng)對分析處理結(jié)果進行判斷，顯示和保存處理結(jié)果，對形成警情的結(jié)果傳輸至報警系統(tǒng)，完成一次報警。
文檔編號G01N21/64GK102621118SQ20121007129
公開日2012年8月1日 申請日期2012年3月18日 優(yōu)先權日2012年3月18日
發(fā)明者于海業(yè), 任順, 張強, 張蕾, 曲劍巍, 王淑杰, 羅瀚, 肖英奎, 隋媛媛 申請人:吉林大學