基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病預(yù)警系統(tǒng)研究

王曉蓉，呂雄杰，賈寶紅（天津市農(nóng)業(yè)科學(xué)院，天津3009；天津市農(nóng)業(yè)科學(xué)院信息研究所，天津3009）

?

基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病預(yù)警系統(tǒng)研究

王曉蓉1，呂雄杰2，賈寶紅2
（1天津市農(nóng)業(yè)科學(xué)院，天津300192；2天津市農(nóng)業(yè)科學(xué)院信息研究所，天津300192）

運(yùn)用物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)對(duì)日光溫室黃瓜的生長(zhǎng)環(huán)境包括空氣溫濕度與土壤溫濕度和白粉病發(fā)病狀況進(jìn)行了實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)和采集，并采取Logistic回歸模型建立日光溫室黃瓜白粉病預(yù)警模型，以期探索基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病預(yù)警系統(tǒng)的設(shè)計(jì)與構(gòu)建。研究結(jié)果表明：濕度特征變量（最大空氣濕度）、溫度特征變量（最大空氣溫度）對(duì)日光溫室黃瓜白粉病的發(fā)病概率均有顯著影響，且基于物聯(lián)網(wǎng)技術(shù)構(gòu)建日光溫室黃瓜白粉病預(yù)警系統(tǒng)是可行的。

日光溫室；黃瓜；白粉??；物聯(lián)網(wǎng)；預(yù)警模型

0　引言

黃瓜白粉病是一種廣泛發(fā)生的世界性病害［1］，一般在黃瓜生長(zhǎng)中、后期病情發(fā)展傳播迅速，會(huì)導(dǎo)致大量減產(chǎn)，造成較為嚴(yán)重的經(jīng)濟(jì)損失［2］。近幾年，黃瓜白粉病的發(fā)生愈發(fā)嚴(yán)重［3］，成為黃瓜三大病害之一［4］，特別是對(duì)日光溫室黃瓜的影響甚為嚴(yán)重［5］。目前研究表明，白粉病的發(fā)生流行主要取決于溫室的溫濕度［6］。白粉菌產(chǎn)生分生孢子的適溫為15～30℃，相對(duì)濕度80%以上，且分生孢子發(fā)芽和侵入的適宜相對(duì)濕度為90%～95%［7］。為此，研究溫室黃瓜白粉病發(fā)生流行情況與溫室內(nèi)溫度、濕度等環(huán)境影響因素的關(guān)系，構(gòu)建病害發(fā)生監(jiān)測(cè)預(yù)警模型，有利于及時(shí)制定預(yù)防計(jì)劃，實(shí)現(xiàn)綠色化、高效化的防治［4］。

目前，傳統(tǒng)農(nóng)業(yè)正在向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型，農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)正是農(nóng)業(yè)走向信息化、智能化的必然條件［8］。近年來(lái)，中國(guó)農(nóng)業(yè)物聯(lián)網(wǎng)進(jìn)入了快速發(fā)展階段，智能感知、無(wú)線傳感網(wǎng)、云計(jì)算與云服務(wù)等物聯(lián)網(wǎng)技術(shù)正在向農(nóng)業(yè)產(chǎn)業(yè)各個(gè)領(lǐng)域滲透［9］。其中，將物聯(lián)網(wǎng)技術(shù)運(yùn)用到精準(zhǔn)農(nóng)業(yè)中，可有效提高農(nóng)業(yè)生產(chǎn)力，特別是可有效解決制約精準(zhǔn)農(nóng)業(yè)發(fā)展的重要問(wèn)題——如何簡(jiǎn)便快速地采集到作物的環(huán)境信息和生長(zhǎng)信息［10］。同樣，開(kāi)展黃瓜病害發(fā)生情況調(diào)查研究亦需要實(shí)時(shí)跟蹤監(jiān)測(cè)、分析和處理溫室溫濕度、黃瓜生長(zhǎng)狀況等海量信息［11］，若只依靠人工，不僅工作量大而繁瑣，費(fèi)時(shí)費(fèi)力，而且較難保證數(shù)據(jù)采集的質(zhì)量與時(shí)效性，而運(yùn)用物聯(lián)網(wǎng)技術(shù)則可有效解決這些問(wèn)題［12］。為此，筆者將農(nóng)業(yè)物聯(lián)網(wǎng)關(guān)鍵技術(shù)與黃瓜白粉病發(fā)生預(yù)測(cè)模型相結(jié)合，探索基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病監(jiān)測(cè)預(yù)警系統(tǒng)的構(gòu)建，旨在為今后利用物聯(lián)網(wǎng)技術(shù)探索作物病害流行規(guī)律和構(gòu)建相關(guān)模擬模型奠定前期基礎(chǔ)。

1　系統(tǒng)構(gòu)成

基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病監(jiān)測(cè)預(yù)警系統(tǒng)由3個(gè)部分組成，即感知層、網(wǎng)絡(luò)層和應(yīng)用層。感知層可實(shí)現(xiàn)環(huán)境信息數(shù)據(jù)采集；網(wǎng)絡(luò)層可實(shí)現(xiàn)環(huán)境信息數(shù)據(jù)傳輸；應(yīng)用層可實(shí)現(xiàn)環(huán)境信息數(shù)據(jù)統(tǒng)計(jì)分析，并進(jìn)行及時(shí)預(yù)警和科學(xué)決策。

1.1感知層

針對(duì)日光溫室內(nèi)生產(chǎn)環(huán)境的特點(diǎn)，選取國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心研制的具有自主知識(shí)產(chǎn)權(quán)，且能夠適應(yīng)溫室中高溫、高濕的生產(chǎn)環(huán)境，精度和穩(wěn)定性能滿足設(shè)施生產(chǎn)需求的無(wú)線傳感器。空氣溫度傳感器，測(cè)量范圍-20～70℃，測(cè)量精度±0.1℃，工作溫度-20～70℃；空氣濕度傳感器，測(cè)量范圍0～100%RH，測(cè)量精度±2%RH，工作溫度-20～70℃；土壤溫度傳感器，測(cè)量范圍-20～100℃，測(cè)量精度±0.2℃；土壤濕度傳感器，測(cè)量容積含水率，單位%，量程0～100%，測(cè)量精度±3%。

1.2網(wǎng)絡(luò)層

網(wǎng)絡(luò)層分為2種子網(wǎng)，分別為溫室內(nèi)部感知節(jié)點(diǎn)間的自組織網(wǎng)絡(luò)和溫室與監(jiān)控中心的通信網(wǎng)絡(luò)。溫室內(nèi)部感知節(jié)點(diǎn)間的自組織網(wǎng)絡(luò)通過(guò)ZigBee連接各種傳感器，實(shí)現(xiàn)對(duì)溫室內(nèi)環(huán)境信息數(shù)據(jù)的自動(dòng)采集，進(jìn)而實(shí)現(xiàn)各節(jié)點(diǎn)數(shù)據(jù)在溫室中繼設(shè)備匯聚、傳輸。溫室與監(jiān)控中心的通信網(wǎng)絡(luò)是溫室環(huán)境數(shù)據(jù)通過(guò)溫室內(nèi)部自組織網(wǎng)絡(luò)在溫室中繼節(jié)點(diǎn)匯聚后，執(zhí)行控制器通過(guò)串口服務(wù)器將485協(xié)議轉(zhuǎn)換為網(wǎng)絡(luò)協(xié)議，然后再通過(guò)交換機(jī)與無(wú)線網(wǎng)橋連接，最終將環(huán)境監(jiān)測(cè)數(shù)據(jù)通過(guò)無(wú)線傳輸方式傳回到監(jiān)控中心［13］。

1.3應(yīng)用層

監(jiān)控中心系統(tǒng)由服務(wù)器、操作臺(tái)及物聯(lián)網(wǎng)監(jiān)控軟件等組成。該系統(tǒng)使用Eclipse 3.4作為軟件開(kāi)發(fā)環(huán)境，數(shù)據(jù)庫(kù)為Mysql 5.0，Tomcat 5.5作為瀏覽器查看服務(wù)器。服務(wù)器配置為DELL雙路四核塔式服務(wù)器，處理器為Xeon E 5620，開(kāi)發(fā)工具為Eclipse 3.4+icharts 1.2+Tomcat 6.0，技術(shù)框架為Spring 2.5+Struts 2.5+ Hibernate 3.0。物聯(lián)網(wǎng)監(jiān)控軟件部署在監(jiān)控中心服務(wù)器上，具備以列表和曲線的形式對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行展示的功能，另外還可以對(duì)歷史數(shù)據(jù)進(jìn)行下載和分析。

2　數(shù)據(jù)采集

2014年在天津市現(xiàn)代農(nóng)業(yè)科技創(chuàng)新基地選取4棟種植相同品種黃瓜的日光溫室，對(duì)黃瓜白粉病病害發(fā)生情況進(jìn)行全年調(diào)查，發(fā)現(xiàn)其中一個(gè)日光溫室發(fā)生了較為嚴(yán)重的白粉病。具體發(fā)病情況如下：春茬黃瓜自定植以來(lái)，從2014年3月20日開(kāi)始發(fā)現(xiàn)發(fā)生白粉病，至2014年3月25日白粉病已經(jīng)很嚴(yán)重，一直持續(xù)至2014年4月底；秋冬茬黃瓜從2014年9月1日開(kāi)始發(fā)生白粉病，一直持續(xù)至2014年12月底。

與此同時(shí)，運(yùn)用日光溫室黃瓜白粉病監(jiān)測(cè)預(yù)警系統(tǒng)，采用無(wú)線傳感器采集溫室內(nèi)的主要環(huán)境因子，利用無(wú)線傳輸實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)獲取與傳輸，實(shí)現(xiàn)對(duì)溫室內(nèi)空氣溫度、空氣濕度、土壤溫度、土壤濕度的全天候不間斷監(jiān)測(cè)。

3　黃瓜白粉病預(yù)測(cè)模型構(gòu)建

3.1模型選取和變量定義

將黃瓜白粉病是否發(fā)生作為因變量，最高空氣溫度、最大空氣濕度、最高土壤溫度、最大土壤濕度作為自變量，進(jìn)行模型分析。由于黃瓜白粉病是否發(fā)生的分析屬于二分類因變量的分析，使用非線性函數(shù)效果較佳，其中Logistic分布是最常用的一種函數(shù)，一般運(yùn)用Logistic回歸模型對(duì)分類因變量與連續(xù)或分類自變量之間的非線性關(guān)系進(jìn)行估計(jì)［14］，為此，本研究選擇Logistic回歸模型進(jìn)行分析。

首先，列出黃瓜白粉病是否發(fā)生（Y）的線性概率模型，見(jiàn)公式（1）。

然后，根據(jù)公式（1）列出黃瓜白粉病是否發(fā)生（Y）的Logistic回歸模型，見(jiàn)公式（2）。其中，Pr表示黃瓜白粉病是否發(fā)生（Y）的發(fā)生概率，α和β表示常數(shù)和回歸系數(shù)，X是自變量，

由于研究對(duì)象黃瓜白粉病是否發(fā)生（Y）包含一個(gè)以上的自變量，則令Z=α+β1X1+β2X2+…+βnXn，n表示自變量的個(gè)數(shù)，因此Logistic回歸模型（2）可以變?yōu)長(zhǎng)ogistic回歸模型（3）。

模型中各變量的名稱與定義詳見(jiàn)表1。

表1　Logistic回歸模型的變量名稱與定義

3.2模型檢驗(yàn)

運(yùn)用SPSS 16.0進(jìn)行Logistic回歸，選擇Backward （Wald）方法對(duì)數(shù)據(jù)進(jìn)行模擬計(jì)量，將Wald值不顯著的自變量（土壤溫度、土壤濕度）逐次剔除，再逐次回歸，直到模型系數(shù)的混合檢驗(yàn)（Omnibus Tests of Model Coefficients）、最 大 似 然 平 方 的 對(duì) 數(shù) 值 檢 驗(yàn)（-2loglikelihood=36.720）、Hosmer-Lemeshow檢驗(yàn)、最終預(yù)測(cè)分類檢驗(yàn)、最終模型參數(shù)檢驗(yàn)等檢驗(yàn)結(jié)果良好，獲得最終模型。

模型系數(shù)的混合檢驗(yàn)：取顯著性水平0.05，考慮到自由度df=2，可查出卡方臨界值5.991。計(jì)算的卡方值36.897，大于臨界值，并且相應(yīng)的Sig.值小于0.05，因此在顯著性水平為0.05的情況下，模型通過(guò)檢驗(yàn)，見(jiàn)表2。

最大似然平方的對(duì)數(shù)值檢驗(yàn)：用于檢驗(yàn)?zāi)Ｐ偷恼w性擬合效果，該對(duì)數(shù)值為36.720，大于卡方臨界值5.991，該檢驗(yàn)通過(guò)。見(jiàn)表2。

Hosmer-Lemeshow檢驗(yàn)：取顯著性水平0.05，根據(jù)自由度數(shù)目df=8，得到卡方臨界值15.507。計(jì)算得到Hosmer-Lemeshow檢驗(yàn)的卡方值為 1.029，小于15.507，并且Sig.值大于0.05，表明該檢驗(yàn)通過(guò)。見(jiàn)表2。

最終預(yù)測(cè)分類的準(zhǔn)確度如表3所示，白粉病發(fā)生預(yù)測(cè)正確率為98.6%；白粉病不發(fā)生的概率為60.0%?？偟念A(yù)測(cè)正確率為96.0%，模型效果較好［15］。

表2　模型系數(shù)的混合檢驗(yàn)

表3　預(yù)測(cè)分類表

最終模型的變量檢驗(yàn)如表4所示，B對(duì)應(yīng)的是最終模型參數(shù)估計(jì)值：常數(shù)項(xiàng)為-46.186，最大空氣濕度的回歸系數(shù)為0.597，最高空氣溫度的回歸系數(shù)為-0.054。從Sig.值來(lái)看，最大空氣濕度回歸系數(shù)的置信度接近100%，而最高空氣溫度的回歸系數(shù)只有40%以上。從模型模擬結(jié)果可知，濕度特征變量（最大空氣濕度）、溫度特征變量（最大空氣溫度）對(duì)日光溫室黃瓜白粉病的發(fā)病概率均有顯著影響，其中最大空氣濕度與其呈顯著正相關(guān)，最大空氣溫度與其呈較顯著的反向相關(guān)。

3.3模型建立

根據(jù)表4可建立線性關(guān)系，見(jiàn)公式（4）。

式中：Ha、Ta分別代表最大空氣濕度、最高空氣溫度。

將上面的關(guān)系式代入Logistic回歸模型（3），得到最終黃瓜白粉病發(fā)生預(yù)測(cè)模型（5）。

4　結(jié)論與討論

本研究將農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)與黃瓜白粉病發(fā)生預(yù)測(cè)模型相結(jié)合，建立了基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病監(jiān)測(cè)預(yù)警系統(tǒng)。該系統(tǒng)一方面采取Logistic回歸模型構(gòu)建黃瓜白粉病發(fā)生預(yù)測(cè)模型，探明了黃瓜白粉病發(fā)生概率與溫室內(nèi)主要環(huán)境因子之間的關(guān)系，同時(shí)模型檢驗(yàn)結(jié)果較優(yōu)，表明系統(tǒng)模型在預(yù)測(cè)溫室黃瓜白粉病發(fā)生方面具有較強(qiáng)的實(shí)用性；另一方面系統(tǒng)綜合運(yùn)用無(wú)線傳感器、通信網(wǎng)絡(luò)傳輸、信息智能處理等農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)對(duì)黃瓜日光溫室環(huán)境因子變化情況及黃瓜白粉病病情的實(shí)時(shí)、動(dòng)態(tài)、線上監(jiān)測(cè)與及時(shí)、精準(zhǔn)防控，轉(zhuǎn)變傳統(tǒng)農(nóng)業(yè)信息監(jiān)測(cè)與管理方式，為探索日光溫室栽培管理的精準(zhǔn)化、信息化、現(xiàn)代化發(fā)展奠定了一定的基礎(chǔ)。

今后日光溫室黃瓜白粉病監(jiān)測(cè)預(yù)警系統(tǒng)仍有較大的完善空間，主要有以下3個(gè)方面：一是增加日光溫室環(huán)境調(diào)控功能，當(dāng)溫室內(nèi)溫度或濕度超過(guò)系統(tǒng)設(shè)定臨界值時(shí)，系統(tǒng)發(fā)送指令給風(fēng)機(jī)，從而開(kāi)啟溫室通風(fēng)口，以降低溫室內(nèi)溫度和濕度；二是實(shí)現(xiàn)預(yù)警模型的系統(tǒng)嵌入，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建日光溫室黃瓜白粉病預(yù)警模型，結(jié)合嵌入式技術(shù)，完善和強(qiáng)化整個(gè)系統(tǒng)的預(yù)警功能；三是進(jìn)一步改進(jìn)日光溫室黃瓜白粉病預(yù)警模型，豐富模型自變量，把品種抗性、栽培管理水平等非環(huán)境因素作為補(bǔ)充［16］，考慮到隨著時(shí)間的推移，病原菌的致病性及環(huán)境耐受力也會(huì)發(fā)生變化［17］，所以需不斷對(duì)回歸方程進(jìn)行校正，保持模型的滾動(dòng)發(fā)展，以達(dá)到預(yù)警效果動(dòng)態(tài)最佳。

表4　模型中的變量檢驗(yàn)

［1］劉苗苗，劉宏宇，顧興芳，等.黃瓜白粉病抗性遺傳規(guī)律及分子標(biāo)記研究進(jìn)展［J］.中國(guó)蔬菜，2009（24）：7-12.

［2］馮東昕，李寶棟.主要瓜類作物抗白粉病育種研究進(jìn)展［J］.中國(guó)蔬菜，1996（1）：55-59.

［3］李付軍，王佰晨，吳紅，等.防治黃瓜白粉病田間藥效試驗(yàn)［J］.現(xiàn)代園藝，2015（16）：6.

［4］ 尹哲，原鍇，谷培云，等.京郊溫室大棚黃瓜白粉病流行預(yù)測(cè)模型構(gòu)建［J］.中國(guó)植保導(dǎo)刊，2014（3）：46-48.

［5］ 張淑霞，孫兆法，宋朝玉，等.溫室黃瓜白粉病的發(fā)生與防治［J］.西北園藝：蔬菜?？?，2009（1）：28-29.

［6］ 呂佩珂，蘇慧蘭，高振江，等.中國(guó)現(xiàn)代蔬菜病蟲(chóng)原色圖鑒［M］.呼和浩特：遠(yuǎn)方出版社，2008：174-175.

［7］王愛(ài)英.黃瓜白粉病流行主導(dǎo)因素及病害防治的初步研究［D］.保定：河北農(nóng)業(yè)大學(xué)，2003：17-20.

［8］許世衛(wèi).我國(guó)農(nóng)業(yè)物聯(lián)網(wǎng)發(fā)展現(xiàn)狀及對(duì)策［J］.中國(guó)科學(xué)院院刊，2013，28（6）：686-692.

［9］趙春江.對(duì)我國(guó)農(nóng)業(yè)物聯(lián)網(wǎng)發(fā)展的思考與建議［J］.農(nóng)村工作通訊，2014（7）：25-26.

［10］瞿華香，趙萍，陳桂鵬，等.基于無(wú)線傳感器網(wǎng)絡(luò)的精準(zhǔn)農(nóng)業(yè)研究進(jìn)展［J］.中國(guó)農(nóng)學(xué)通報(bào)，2014，30（33）：268-272.

［11］李明，趙春江，楊信廷，等.溫室蔬菜病害預(yù)警體系初探——以黃瓜霜霉病為例［J］.中國(guó)農(nóng)學(xué)通報(bào)，2010（6）：324-331.

［12］焦俊，張水明，杜玉林，等.物聯(lián)網(wǎng)技術(shù)在農(nóng)田環(huán)境監(jiān)測(cè)中的應(yīng)用［J］.中國(guó)農(nóng)學(xué)通報(bào)，2014，30（20）：290-295.

［13］呂雄杰，陸文龍，王艷，等.基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜智能灌溉控制系統(tǒng)研究［J］.天津農(nóng)業(yè)科學(xué)，2014，20（9）：34-37.

［14］王濟(jì)川，郭志剛.Logistic回歸模型——方法與應(yīng)用［M］.北京：高等教育出版社，2001：10-17.

［15］盧紋岱.SPSS for Window統(tǒng)計(jì)分析［M］.北京：電子工業(yè)出版社，2006：323-326.

［16］徐寧.塑料大棚黃瓜白粉病和霜霉病流行預(yù)測(cè)和管理系統(tǒng)的研究［D］.南京：南京農(nóng)業(yè)大學(xué)，2003.

［17］范紹強(qiáng)，謝咸升，李峰，等.山西省小麥條銹病流行趨勢(shì)預(yù)測(cè)模型研究［J］.中國(guó)農(nóng)業(yè)生態(tài)學(xué)報(bào)，2007，15（4）：113-155.

Construction of Cucumber Powdery Mildew Early Warning System in Solar Greenhouse Based on Internet of Things

Wang Xiaorong1，Lv Xiongjie2，Jia Baohong2
（1Tianjin Academy of Agricultural Sciences，Tianjin 300192，China；2Institute of Information Science，Tianjin Academy of Agricultural Sciences，Tianjin 300192，China）

In order to explore the design and construction of cucumber powdery mildew warning system in solar greenhouse，internet of things technology was used to conduct the real-time dynamic monitoring of the incidence of cucumber powdery mildew and cucumber growth environment in solar greenhouse.The growth environment included temperature and humidity of air and soil.Logistic regression model was used to construct cucumber powdery mildew warning model.The results showed that humidity characteristic variable（maximum air humidity）and temperature characteristic variable（maximum air temperature）had significant effects on the incidence probability of cucumber powdery mildew in solar greenhouse.And it was feasible to construct cucumber powdery mildew warning system in solar greenhouse with internet of things.

Solar Greenhouse；Cucumber；Powdery Mildew；Internet of Things；Warning Model

S642.2

A論文編號(hào)：cjas16040015

天津市科技支撐計(jì)劃資助項(xiàng)目“基于物聯(lián)網(wǎng)技術(shù)的設(shè)施蔬菜病害預(yù)警與診斷研究”（15ZCZDNC00120）。

王曉蓉，女，1982年出生，山西太原人，助理研究員，碩士，研究方向：農(nóng)業(yè)信息化、農(nóng)業(yè)發(fā)展戰(zhàn)略、農(nóng)業(yè)經(jīng)濟(jì)與管理等方面研究。通信地址：300192天津市南開(kāi)區(qū)白堤路268號(hào)農(nóng)科大廈23樓2303室天津市農(nóng)業(yè)科學(xué)院，Tel：022-87670309，E-mail：wxr276@126.com。

呂雄杰，男，1977年出生，湖北武漢人，副研究員，碩士，主要從事農(nóng)業(yè)信息技術(shù)應(yīng)用研究。通信地址：300192天津市南開(kāi)區(qū)白堤路268號(hào)農(nóng)科大廈20樓2006室天津市農(nóng)業(yè)科學(xué)院信息研究所，E-mail：378666409@qq.com。

2016-04-13，

2016-06-24。