一种基于气象因素的苹果叶片斑点落叶病叶率预测系统

本发明涉及一种基于气象因素的苹果叶片斑点落叶病叶率预测系统，属于苹果叶斑点落叶病病害预警。

背景技术：

1、苹果叶片斑点落叶病是一种常见病害，其具有对作物的侵蚀类型多样、传播迅速及季节性变化的特点，严重影响着果实的生长和果园的产量。

2、传统的苹果叶片斑点落叶病害需要人工到现场检验作物叶片或其他发病位置有无病斑侵染现象。但是一旦已经出现病斑侵染状况，再采取防治措施，只能收到微乎其微的防治效果，必然带来果实减产的后果，给种植户造成经济损失。

技术实现思路

1、本发明的目的在于提供一种基于气象因素的苹果叶片斑点落叶病叶率预测系统，该预测系统能够对斑点落叶病的发生趋势进行预测，以便于提前采取防治措施，减轻病害对果实生长带来的不利影响。

2、为了实现上述目的，本发明提供一种基于气象因素的苹果叶片斑点落叶病叶率预测系统，包括如下步骤：

3、step 1、对所研究果园的历史苹果叶片斑点落叶病叶率信息以及历史气象信息进行采集并建立数据集；

4、step 2、对step 1得到的数据集进行预处理；

5、step 3、对预处理后的数据集中的特征值即果园历史气象信息与目标值即果园历史苹果叶片斑点落叶病叶率信息进行相关性分析，得到与病叶率更相关的主要气象因素；

6、step 4、将step 3中得到的影响斑点落叶病叶率的主要气象因素作为特征，斑点落叶病叶率作为目标，使用双向长短期记忆网络的时序序列预测网络的方法建立预测模型，对于已知气象因素条件下的斑点落叶病叶率进行预测；

7、step 5、根据step 4得到的预测模型使用pyqt界面开发工具对系统界面进行设计，得到预测系统。

8、进一步地，所述step1中历史苹果叶片斑点落叶病叶率信息来自于果园所处地区的农林科学实验站发布于苹果病虫害防控信息网上的数据；历史气象信息来自于果园所处位置的气象网站发布的数据；将采集到的苹果叶片斑点落叶病叶率数据和气象数据按照气象因素在前、病叶率在后的顺序整理在同一张excel表格中。

9、进一步地，所述step 2中对数据集进行预处理包括特征编码和缺失值填充，其中，特征编码为将数据集中非数值型的数据转换成后续的预测模型能够处理的数值型数据；缺失值为数据集中缺失的数据，将缺失值使用随机森林回归的方法从缺失最少的特征开始将数据集中所有的缺失项填充完整，具体的步骤为：

10、step 2-1、确定缺失值的数量，并将缺失值从由少到多的列逐一列出；

11、step 2-2、由缺失值最少的列开始，遍历每一列，其中被填充的列视为特征列，其他未被填充的列与目标值组成新的特征矩阵以便进行填充；当所组成的新的特征矩阵中存在缺失值，先使用0填充，然后将填充后的特征矩阵拆分为训练集和测试集，其中，训练集中没有缺失值部分，测试集中包含缺失值部分；

12、step 2-3、使用随机森林回归模型进行训练，并对测试集中的缺失值进行预测，将得到的结果填补回step 1得到的数据集中的相应位置；

13、step 2-4、检查填充后的数据集中是否还存在缺失值，若存在则按照step 2-1至step 2-3的步骤继续进行填充，不存在则结束填充。

14、进一步地，所述step 3中特征值与目标值之间的相关性分析使用pearson相关性分析，具体步骤为：

15、step 3-1、分别计算各特征列与目标变量之间的协方差与标准差，将两者的比值作为pearson相关系数r，用表达式表示为：

16、

17、式中，xi、yi分别表示第i个特征变量与目标变量；分别表示两样本均值；

18、r的取值范围为[-1,1]，当取值为-1时，表示完全负线性相关，取值为0时，表示无线性相关，取值为1时，表示完全正线性相关；

19、step 3-2、分别计算出各气象因素与病叶率之间的相关系数r，对比得到的各相关系数，在[-1,1]取值区间，绝对值越大代表该气象因素与病叶率更相关，进而分析得到与斑点落叶病叶率更相关的气象因素。

20、进一步地，所述step 4中双向长短期记忆网络的时序序列预测网络的方法的具体步骤为：

21、step 4-1、通过前一时刻的隐层状态ht-1以及当前时刻的输入xt计算出遗忘门的值ft，其计算表达式为：

22、ft＝σ(wf·[ht-1,xt]+bf)；

23、式中，wf、bf分别表示此时遗忘门的权重和偏置项，σ表示激活函数；

24、step 4-2、选择要记忆的信息，其中包括记忆门的值it和临时状态用表达式表示为：

25、it＝σ(wi·[ht-1,xt]+bi)；

26、

27、式中，wi和wc分别表示此时记忆门的权重和偏置项；bi和bc分别表示此时临时状态的权重和偏置项；

28、step 4-3、通过记忆门的值it、遗忘门的值ft、临时状态以及上一时刻状态ct-1计算得到当前时刻状态ct，用表达式表示为：

29、

30、step 4-4、根据当前时刻状态ct结合前一时刻隐藏层状态ht-1和当前时刻输入xt得到输出门的值οt以及此时刻的隐藏层状态ht，用表达式表示为：

31、οt＝σ(wο[ht-1,xt]+bο)；

32、ht＝οt*tanh(ct)；

33、式中，wο和bο分别表示此时输出门的权重和偏置项；当长短期记忆网络反向处理序列当前时刻为t时，原来的上一时刻t-1变为下一时刻t+1，原来的下一时刻t+1变为上一时刻t-1，实现时序的倒置处理。

34、进一步地，所述step5中使用pyqt界面开发工具对系统界面进行设计的界面包括对于斑点落叶病的病斑特征、防治建议、上传表格文件按钮；其预测系统包括两个部分，第一部分是病害基础知识部分，这一部分包括斑点落叶病病害图像，病斑特征以及防治建议；第二部分是预测部分，单击上传按钮将采集得到的气象信息上传到系统中，根据训练好的预测模型得到病叶率预测结果并显示在系统界面上。

35、本发明通过对所研究果园的历史苹果叶片斑点落叶病叶率信息以及历史气象信息进行采集并建立数据集，对数据集进行预处理后，再对预处理后的数据集中的特征值与目标值进行相关性分析，得到影响病叶率的主要气象因素；将得到的气象因素作为特征，病叶率作为目标，使用双向长短期记忆网络的时序序列预测网络的方法建立预测模型，对于已知气象因素条件下的斑点落叶病叶率进行预测，最后根据预测模型使用pyqt界面开发工具对系统界面进行设计，得到预测系统。本发明通过深度学习时间序列预测方法实现了基于气象因素对苹果叶片斑点落叶病叶率的准确预测，实现了对于病害的提前预警，能够在病害发生之前及时采取措施，减轻了病害对果实生长带来的不利影响。

技术特征：

1.一种基于气象因素的苹果叶片斑点落叶病叶率预测系统，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于气象因素的苹果叶片斑点落叶病叶率预测系统，其特征在于，所述step1中历史苹果叶片斑点落叶病叶率信息来自于果园所处地区的农林科学实验站发布于苹果病虫害防控信息网上的数据；历史气象信息来自于果园所处位置的气象网站发布的数据；将采集到的苹果叶片斑点落叶病叶率数据和气象数据按照气象因素在前、病叶率在后的顺序整理在同一张excel表格中。

3.根据权利要求1所述的基于气象因素的苹果叶片斑点落叶病叶率预测系统，其特征在于，所述step 2中对数据集进行预处理包括特征编码和缺失值填充，其中，特征编码为将数据集中非数值型的数据转换成后续的预测模型能够处理的数值型数据；缺失值为数据集中缺失的数据，将缺失值使用随机森林回归的方法从缺失最少的特征开始将数据集中所有的缺失项填充完整，具体的步骤为：

4.根据权利要求1所述的基于气象因素的苹果叶片斑点落叶病叶率预测系统，其特征在于，所述step 3中特征值与目标值之间的相关性分析使用pearson相关性分析，具体步骤为：

5.根据权利要求1所述的基于气象因素的苹果叶片斑点落叶病叶率预测系统，其特征在于，所述step 4中双向长短期记忆网络的时序序列预测网络的方法的具体步骤为：

6.根据权利要求1所述的基于气象因素的苹果叶片斑点落叶病叶率预测系统，其特征在于，所述step5中使用pyqt界面开发工具对系统界面进行设计的界面包括对于斑点落叶病的病斑特征、防治建议、上传表格文件按钮；其预测系统包括两个部分，第一部分是病害基础知识部分，这一部分包括斑点落叶病病害图像，病斑特征以及防治建议；第二部分是预测部分，单击上传按钮将采集得到的气象信息上传到系统中，根据训练好的预测模型得到病叶率预测结果并显示在系统界面上。

技术总结本发明公开了一种基于气象因素的苹果叶片斑点落叶病叶率预测系统，步骤包括对所研究果园的历史苹果叶片斑点落叶病叶率信息及气象信息进行采集并建立数据集，对数据集进行预处理后，对预处理后的数据集中的特征值与目标值进行相关性分析，得到影响病叶率的主要气象因素；将得到的气象因素作为特征，病叶率作为目标，使用双向长短期记忆网络时序序列预测网络的方法建立预测模型，对于已知气象因素条件下的斑点落叶病叶率进行预测，最后根据预测模型使用PyQt界面开发工具对系统界面设计，得到预测系统。本发明实现了基于气象因素对苹果叶片斑点落叶病叶率的准确预测，实现了对于病害的提前预警，减轻病害对果实生长带来的不利影响。技术研发人员：段纳,霍世昕,徐止政受保护的技术使用者：江苏师范大学技术研发日：技术公布日：2024/9/2