[發明專利]基于蜂群與梯度提升決策樹算法農作物病害診斷預警方法

有效

• 申請號: 201710834223.1
• 申請日: 2017-09-15
• 公開（公告）號: CN107622236B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 辜麗川;饒海笛;王超;焦俊;馮娟娟;趙子豪;李小偉
• 申請（專利權）人: 安徽農業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/00
• 代理公司: 合肥鼎途知識產權代理事務所(普通合伙) 34122
• 代理人: 葉丹

1.基于蜂群與梯度提升決策樹算法農作物病害診斷預警方法，其特征在于：其方法步驟為：

(1)對服務器端病害庫中的病害信息提取相應特征，即圖像特征、墑情特征、圖像—墑情特征，使用引入位置偏移的蜂群算法優化特征選擇，利用GBDT算法訓練并建立作物的病害關聯模型，其中，提取相應特征指，利用區間縮放法和啞編碼方法處理原始作物生境墑情數據，將其轉換成向量數據；利用顏色直方圖，并對HSV空間中的H、S、V按照人的顏色感知進行非均勻量化，合成為一維特征量L_b＝9H+3S+V，(0≤b≤71)提取相應顏色特征；采用灰度共生矩陣，將灰度級歸并為G＝{1，2，…，N_g}，其中最高灰度級別為N_g，得到圖像的灰度共生矩陣的元素，從而得到需提取的紋理特征參數；上述圖像特征、墑情特征、圖像—墑情特征包括多個特征，其中圖像特征主要指圖像顏色和紋理特征；墑情特征主要包括溫度特征、濕度特征、PH值特征、光照強度特征、日照時數特征、降水量特征及其他組合特征；圖像—墑情特征則為圖像特征和墑情特征的組合；

(2)在農作物種植區域布置無線傳感器網絡數據采集單元，數據采集單元通過無線通信網絡將葉片圖像數據和墑情數據以單播方式上傳至服務器；

(3)將數據采集單元上傳的圖像數據和墑情數據經特征提取、優化選擇后，運用病害關聯模型進行相似性計算，診斷病害的種類及預測病害發生趨勢；

(4)若計算得出病害發生趨勢和危害等級達到警戒閾值，服務器端將啟動自動報警提示，同時將病害特征信息寫入農作物葉片病害案例知識庫中；

其中，步驟(1)中所述的使用引入位置偏移的蜂群算法優化特征選擇包括以下步驟：

①初始特征提取后得到初始特征集{L₁，L₂，…，L_N}，即蜂群算法初始解區間；為了清晰地表明算法特征優化過程，特引入二進制編碼，采用一維二值細胞自動機模型表示，初始化后，雇傭蜂從初始蜜源點出發搜索遍歷蜜源，若被觀察蜂所選擇，則從細胞狀態集合中選擇1，否則為0，得到初步可行解；

②初始化蜂群總數量N，其中雇傭蜂數量設為N/2，其余均為跟隨蜂，所有雇傭蜂在解區間隨機選中一個蜜源，計算當前食物源收益率fit；

③雇傭蜂記錄自己到目前為止的最優值，并在當前蜜源的鄰域進行搜索，選取新的食物源，計算新蜜源的收益率，依據約束條件決定是否接受新蜜源；雇傭蜂招募跟隨蜂時，通過引入蜜源位置偏移量改進跟隨蜂選擇雇傭蜂的概率，為蜜源點招募跟隨蜂；

④若雇傭蜂的蜜源信息在有限次迭代中均沒有改進時，便放棄該蜜源，并且將該蜜源記錄在禁忌表中，同時該蜜源對應的雇用蜂轉變為偵查蜂，隨機產生一個新的位置代替原蜜源；

⑤重復以上②-④步驟不斷迭代，直到達到算法終止條件，得到優化后的特征集；

步驟(1)中所述的利用GBDT算法訓練并建立農作物的病害關聯模型的具體步驟為：

①模型輸入為：給定損失函數為均方差損失函數，決策樹個數為M，經蜂群算法優化后的特征數K；

②對損失函數作線性變換，求得殘差減少的梯度方向，并構建新的決策樹，通過M次迭代構建出基于梯度漸進回歸樹模型的病害關聯模型。

2.如權利要求1所述的基于蜂群與梯度提升決策樹算法農作物病害診斷預警方法，其特征在于：步驟(3)中所述運用病害關聯模型進行相似性計算，診斷病害的種類及預測病害發生趨勢的具體做法是：將數據采集單元上傳的圖像數據和墑情數據經特征提取和蜂群算法優化后得到特征數據集，利用步驟(1)中生成的病害關聯模型進行相似性計算，診斷病害的種類及預測是否會發生。

3.如權利要求1所述的基于蜂群與梯度提升決策樹算法農作物病害診斷預警方法，其特征在于：步驟(4)中所述服務器端將啟動自動報警提示主要表現為：手機端和電腦接收提示、警示燈閃爍。

4.如權利要求1所述的基于蜂群與梯度提升決策樹算法農作物病害診斷預警方法，其特征在于：步驟(4)中所述將病害特征信息寫入農作物葉片病害案例知識庫中，進一步包括：將病害名稱、病害圖片、病害時間、病害時土壤溫度、病害時土壤濕度、病害時日照時數和病害時降水量數據寫入服務器端MySQL數據庫中。

5.如權利要求1所述的基于蜂群與梯度提升決策樹算法農作物病害診斷預警方法，其特征在于：無線傳感器網絡可自適應采用有線或GPRS/GSM/3G/4G/WiFi網絡。