农业中的人工智能5（2021）223利用传感器节点的大气参数对葡萄霜霉病和白粉病的早期检测[10]杨文，杨文，杨文.RajurkarcaSNJB COE和研究学者SRTMU，Nanded，印度b计算机工程系，SNJB COE，印度c计算机科学与工程系，米高梅COE，印度南德a r t i c l e i nf o文章历史记录：收到2021年收到修订版2021年10月5日2021年10月18日网上发售关键词：霜霉病白粉病葡萄病害物联网传感器a b s t r a c t葡萄病害是导致葡萄果实发育严重衰退的主要原因不利的气候条件是葡萄病害发生的主要危险因素之一霜霉病、白粉病、炭疽病、蛀干病、黑腐病、叶枯病是葡萄上广泛发生的主要叶部害虫和病害，给葡萄生产造成了严重的经济损失因此，能够实时量化疾病发生的气候条件的设备对于及时诊断和精确检测葡萄叶病至关重要这将确保葡萄植株的健康生长，进一步控制疾病的传播本文讨论了建立一致的葡萄病害检测框架的要求，这将鼓励农业的发展这项工作的主要目的是采用一种基于物联网（IoT）的方法，在早期阶段预测唐尼和白粉病葡萄疾病的发生。在物联网设备NodeMCU的帮助下，接收到的传感器值被传输到中央服务器。在服务器端，基于天气条件进行分析。如果天气特性有利于疾病发作，则向农民发送进一步的通知该系统的独特之处在于使用雨量计传感器与温度传感器一起预测葡萄病害的发生该系统对小麦霜霉病和白粉病的检测准确率分别达到94.4%和96%实验结果表明，该模型能较好地识别葡萄的霜霉病和白粉病。版权所有2020作者。出版社：Elsevier B.V.我代表科爱通信公司，公司这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 我不想让你失望葡萄产业是印度重要的有机产品产业之一2018-19年，印度出口了近2,46,133吨价值3.3479亿美元的新鲜葡萄马哈拉施特拉邦（印度第三大邦）占印度葡萄产量的81%以上然而，由于持续的气候条件，如雨水和湿度，葡萄植物容易受到不同类型的疾病的影响牧场主在保持葡萄质量和不同商业部门的贸易责任方面面临各种问题。葡萄园种植者和研究专家都要求葡萄叶部病害的早期诊断、检测和预防。Downey Mildew（由Plasmoparaviticola诱导）和葡萄白粉病（由Uncinulanecator（Schw.）毛刺），是世界上许多地方葡萄的两种重要病害（GuanlinLi和Wang，2011）。这些疾病影响叶子和葡萄柚。强降水下唐尼尤为严重，相对*通讯作者：SNJB的KBJ COE，SRTMU，SRTMU，Nanded，印度。电子邮件地址：sanghavi. snjb.org（K.Sanghavi）。叶子和果实上的湿度和明显的伸展（Indu等人， 2010）;而高湿度和潮湿天气有利于粉状疾病的发展（Mundankar et al.，2008年）。作物保护产品（杀真菌剂）的应用，以尽量减少这些疾病。杀真菌剂对于农民来说是昂贵的，并且可能导致生态污染（Weissteiner等人，2014），（Zhang等人，2011）（Zhao和Pei，2012）。因此，仅在存在关于疾病存在的振动信号时应用许多最近的疾病识别方法主要依赖于视觉或图像识别。然而，这是一项乏味而繁重的任务。 精确园艺（McBratney等人， 2005）旨在利用信息和通信技术（ICT）设备和进步提高单位农田产量。利用信息和通信技术设备和识别框架，向农民通报疾病的意外发生。由于温度和湿度，葡萄病害可以在各种气候中迅速传播（Eitzinger等人， 2013年，在印度气候条件下。等其他国家美国 澳大利亚有各种系统，利用每小时和每天的气象条件来预测各种不同作物疾病的发生，但不包括葡萄。 由（Thomas等人，1994年）计算日平均气温https://doi.org/10.1016/j.aiia.2021.10.0012589-7217/© 2020作者。出版社：Elsevier B.V.我代表科爱通信公司，公司这是一篇CC BY-NC-ND许可证下的开放获取文章（http：creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表农业中的人工智能杂志主页：http://www.keaipublishing.com/en/journals/农业人工智能/K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工224以及潮湿的时间，并提出治疗孢子感染的解决方案。 他们讨论了在加州气候条件下的模型测试。需要实时量化气候条件的设备，以便可以预测葡萄疾病的发生近年来，来自物联网（IoT）的现代机制已被用于获取实时现场观测（Pesonen等人， 2014），建立参考这些物联网设备的疾病模型至关重要。这项工作的主要目标是通过一个创新的框架，利用传感器测量葡萄园内的实时气象条件，在葡萄栽培领域适应疾病预警模型测量的数据使用云发送到中央服务器，并且当有利条件出现时，向农民发送警报消息，用于在葡萄或叶子上发生Downey和Powdery这一努力的突出贡献是：(a) 通过叶片湿度、湿度和温度有效测定霜霉病和白粉病(b) 根据疾病的严重程度和种类，直接向农民发出定期警告;(c) 在合法发送的物联网中心上使用的模型的应用本文的其余部分组织如下：第2节介绍了背景。第3节详细介绍了用于检测葡萄园中的Downey和Powdery Mildew葡萄病害的方法第4节显示了该系统的实验结果，随后是对性能的见解。第五部分对本文的工作进行了总结，并对今后的工作提出了建议。2. 背景葡萄霜霉病（PlasmoparaViticola）是印度的一种主要葡萄病害（Emmett等人， 1992年）。 农民需要判断是否使用杀真菌剂来对付Downey Mildew（Magarey等人， 1991年）指出，成本和作物上的残留水平随着杀真菌剂的使用而增加。显然，农民需要限制淋浴的机会，以便减少成本和生态污染;然而，他们同样需要限制因疾病而导致作物歉收的危险几十年前，只有少数方法被用来预测葡萄霜霉病。发展了各种统计模型（Hill，2000）（Maurin，1983）（Tran Manh Sung等人 ， 1990 ） （ Blaise 和 Gessler ， 1992 ） （ Orlandini 等 人 ， 1993年），没有解释所有功能细节。机器人模型通常依赖于对许多参数的评估，并且需要很好地了解各种生态因素对这些参数的机制和影响。机制等1992年，一位奥地利分析家建立了Metos程序气候站和相关软件，预测霜霉病的发生。国外无法准确确定印度的Metos软件模型（G.Pessl，2000年）于1995年针对南非环境进行了个性化处理结果表明，在保护淋浴计划中需要补充飞溅物，而不是Metos-2模型的建议，以实现对霜霉病的等效或甚至进一步发展的Metos-2模型没有警告任何Downey霉菌污染。2006年，为了使其更准确和更容易使用，开发了DonsigeSkimmelVroeg-Waarskuwings模型（DSFW）（南非荷兰语为与Metos-2相比，进行了两个显著的变化，用数值非线性回归取代了叶片湿度，并用四类潜在危险取代了Metos-2模型对Downey MildewDisease的以相对湿度和气温为信息量的DSVW模式确定的叶片湿度与估计的叶片湿度相比，其临界保证系数为0.70， DSVW模式目前的产量给出了过去气候因素（长达3周）的图形描述，并给出了可能发生的有利条件的警报（高、中、低三种独特的可能性）。白粉病是另一种金钱上显著的不确定性疾病。在印度，这种疾病在具有有利于疾病生长的潮湿气候（例如高相对湿度）的葡萄种植园中再次发生（Oberti等人， 2014年）。目前，在更热和更干燥的葡萄藤生长地，白粉病受到农业化学品的严格限制，在葡萄种植园中持续施用（Stummer 等 人 ，2003 ） （ Calonnec 等 人 ，2004 ） （Crisp 等 人（2006 a））（Crisp等人（2006 b））（Iriti等人， 2011年）。葡萄产量病害的传感器机械化已经由（Sankaran等人， 2010），他们描述了用于开发基于地面的传感器框架的当前技术，该传感器框架有助于在田间条件下监测植物中的疾病。作者还回顾了光谱和成像创新可以与自主农业汽车相结合，用于可靠和实时的疾病检测识别，以实现主要植物病害的监测和控制。各种研究人员已经提出了通过利用传感器来识别葡萄园状况的解决方案传感器使我们能够识别每个地区的特殊需求，从而改善葡萄种植园的监管并准确解决潜在问题。最近的大多数文献都集中在葡萄园的远程监控上，表1文献综述总结参考系统描述结果Blaise和Gessler（1992）他们可以预测复杂的框架，但他们没有详细解释所有功能Pessl，2000使用各种无线传感器和设备来监控现场条件无法准确确定印度的疾病Haasbroek和Vermeulen，2005年给出可能的有利条件的警报，并给出图形描述为南非环境工作Sankaran等人，2010植物病害检测技术综述。传感器机械化、光谱和成像可用于可靠和实时病害检测识别，实现植物主要病害的监测和控制Luvisi等人， 2012年 评估明确规划的高频和低频应答器的影响。使所检查的枝条发育Rossi等人，2014实时监控框架和在线系统。以警报的形式为葡萄园管理提供最新信息，决策支持Matese等人，2009它包括一个气候站和几个远程集线器，这些集线器将信息传输到远程中央服务器。该系统只收集微小的气象因素，而不涉及感染抵消。VintiOS支持葡萄种植者和葡萄酒商对葡萄生长的选择。莫奈采用精密传感器，用于捕捉最精确的天气参数。产品显示了宅基地的位置，并允许农民处理与之相关保护葡萄种植园的健康，包括疾病增加的危险气候数据K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工225图1.一、所提出的算法的流程图3.2.热 成 像 （ 航 空 和 地 基 ） 和 高 光 谱 方 法 （ Pôças 等 人 ， 2015 ）（ Sepúlveda-Reyes 等 人 ， 2016 ） （ Rey-Caramés 等 人 ， 2015 ）（Turner等人，2011）（Karakizi等人，2016年）。这些方法包括使用昂贵的技术（例如卫星、飞机或无人驾驶飞行器）获取光谱信息农业化学信息可用于开发葡萄植物生长过程，并确保易处理性和精确的葡萄健康感知。明确规划的高频和低频应答器在嵌入葡萄园中时的影响记录在（Luvisi等人，2012年）。尽管易处理的数据是有帮助的，作者描述了嵌入方法对所检查的芽的发育造成了Vite.net，在（Rossi et al.， 2014）是一种包含实时监测框架和在线系统的方法，以处理葡萄种植。尽管如此，作者依赖于第三方硬件，因此传感器集线器的细节被预先包括在内用于精确葡萄栽培的无线传感器网络（Matese等人，2009年）是有用的，逐步观察葡萄种植园。该框架包括一个气候站和几个位于葡萄种植园的远程中心。在集线器上引入的调制解调器将信息传输到远程中央服务器。 该系统只收集微小的气象因素。（Zhang等人，2015）提出了一种使用温度、土壤湿度等因素进行农业监测的系统，并根据田间信息计算系统。该系统将决策支持系统与无线传感器网络相结合，实现了包括气候监测在内的多项信息的计算机化.它为牧场主，框架客户和葡萄栽培企业提供了一种工具，以进一步发展葡萄种植业。各种组织现在为葡萄种植园提供改进的监测解决方案SGSMap开发了一个农业综合企业系统，支持葡萄种植者和葡萄酒商对葡萄生长的选择（VintiOS，2020）。产品展示位置和所有相关信息都被确认了（Monet，2020）概述了一种比较工具，该工具监测葡萄种植园的健康状况，包括疾病爆发增加的危险，以及相关数据。SmartVineyard（SmartVineyard，2020）提出了其他独家安排，其中包括配备用于捕获精确天气参数（例如，每小时，每天）的精密传感器。该传感器用于葡萄，可以放置在叶子之间，将这一重要信息传达给葡萄栽培者。在研究所有参考和总结的框架（见表1）时，我们提出的系统打算在文献中没有同时讨论的五个主要焦点首先，它给出了一个总体的硬件和软件框架，所以相似性是有限的。第三，由于使用了标准的Android节点，框架的安排成本四是注重葡萄生产中的早期检测最后，这种方法是以一种隐蔽的方式设计的，以便于向框架中添加新的警报、传感器和执行器因此，这项工作的目标在于开发一种适应性强的系统，用于葡萄病害的管理，该系统使用无线传感器节点在作物病害的早期阶段3. 拟议工作3.1. 拟议系统的功能建议的系统赋予牧场主一个简单的装置，葡萄疾病的表现和预防，以保护葡萄葡萄园。该框架被认为有助于监测K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工226通过展示有关天气条件的数据和增加对杀菌剂使用的选择，促进葡萄种植的发展，并最终提高葡萄的质量因此，拟议的制度代表了两个基本的必要条件：a. 它跟踪葡萄园内葡萄生长的重要因素，同时通过利用广泛的传感器通过互联网提供数据。b. 它有助于葡萄疾病的预防，通过有先见之明的模型，前固化警报，农民从葡萄园.算法3.1和3.2的实现自动识别Downey和Powdery mildew葡萄病害，并将这些病害的通知发送给农民。算法在中央服务器上执行，该中央服务器使用从传感器集线器收集的气候参数来监测疾病发生的状态。当传感器感测到的叶片湿度和温度范围超过疾病发作所需的阈值时，向农民发送通知。我们的方法的流程图展示了它的内部操作和多方面的性质（图1）。①的人。计算雨量的方法函数chkRainLevel（）声明：开始nLevel = ReadWaterLevel（）if（nLevel 0.10）else if（nLevel>=0.10 nLevel =0.30）else if（nLevel> 0.30）端识别Downey和Powdery出现的算法函数Main（）声明：开始fTemperature = readTemperature（）fHumidity = readHumidity（）nRange=chkRainLevel（）if（nRange==0 fTemperature>=18 fTemperature =25）thenelse if（nRange==1 fTemperature>=22 fTemperature =30）Endif端else if（nRange==0 fTemperature>25）else if（nRange==1 fTemperature>30）else##写数据上云K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工227图二、系统架构。表2建议解决方案的规范Sr. 无组件描述规范1电源：电池40 A，14.8 V - 16.8 V2温度传感器DHT113降雨密度传感器无4GSM模块SIM 800 L GSM/GPRS，4 V5LCD 16 * 2显示屏6Node MCU ESP8266，16数字引脚，模拟−1引脚7RTC时钟DS3231 RTC3.2. 系统架构3.2.1. 概述所提出的系统的架构（见图1）。2）描述了发生的优势成分和联系。温度和降雨传感器节点用于收集传感器信息，并通过物联网设备平台NodeMCU（NodeMCUESP8266，2020）将其NodeMCU负责将传感器节点产生的记录传输到中央服务器。3.2.2. 传感器温度传感器和雨量传感器测量基本的环境参数，即. 温度、湿度和降雨量。 每个传感器都由NodeMCU（一种低成本固件和开发板，专为基于物联网（IoT）的应用而设计（NodeMCU ESP8266，2020））管理。NodeMCU由Arduino微控制器ATMEGA 2560的IDE利用Arduino commune提供的传感器库。拟定溶液的质量标准见表2。3.2.3. GSM模块和LCD显示屏通过短信服务（SMS）向农民发送有关葡萄病害发生的通知。SIM 800 LGSM/GPRS，4 V，是选择用于信息传输的调制解调器，LCD显示器允许农民直观地看到现场的温度和湿度值。4. RESULTS和DISCUSSIONS本节讨论了现场部署的实验装置以及从现场实时捕获的实际结果从物联网传感器捕获的数据使用所述算法进行分析，以测试Downey和Powdery Mildew的发生。经过分析，该系统与现有的系统进行了比较，发现该系统是值得检测的两种疾病的发生。4.1. 实验装置在 位 于 Materwadi （ Tal-Pimpalgaon ） 和 Sakura （ Tal-Pimpalgaon）的葡萄园中进行了现场设备的部署，如图3所示。根据世界气象组织（WMO）（1996）的规定，将传感器节点放置在离地面1m的地方，以监测天气参数。图3. 农场气象监测实验装置。K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工228表3每个场中的传感器记录数Sr·No数据来源总样本测试样品（20%）1Prashant Agro农场，Materwadi，Pimpalgaon，Nashik10802152Boraste Agro Farms，Sakura，Pimpalgaon，Nashik1080215总2160430温度、降雨量与日期-时间35302520151050日期-时间（2019年9月15日至2019年10月15日）系列1系列2图四、中心收集的每日温度值。(a) (15th 2019年9月至10月15日）(b) (152020年 2月15日至2020年3月15日33313031322829 292829 30 30 30 30 30 30 30 30 30 30 30 30 30 302822343223432224322234322343223422343223422234224322432223422234222342223422432323232323232323232323232323232652652525252652652652526252525252762527252725272527252762527272721 212122 22222212 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 20 001降雨量、温度2019 -09- 2500：00：002019 -09- 2900：00：002019 -09- 2100：00：002019 -09- 1800：00：002019 -09- 2900：00：002019 -09- 2000：00：002019 -09- 2100：00：002019 -09- 2200：00：002019 -09- 2300：00：002019 -09- 2400：00：002019 -09- 2500：00：002019 -09- 2600：00：002019 -09- 2700：00：002019 -09- 2800：00：002019 -09- 2900：00：002019 -09- 0100：00：002019 - 01-10K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工229温度，降雨量霜霉病：温度，降雨量与。日期时间302520151050日期时间温度降雨量下降水平图五、（a）霜霉病有利条件（2019年9月15日至9月17日）。（Rossi等人， 2014年）。（b）白粉病有利条件（2020年3月12日至3月 15日4.2. 仿真所提出的模型已经根据放置在农场中的基于物联网的设备实时收集的数据进行了评估本节介绍了所设计的模型的评价表3显示了用于实验目的的数据收集值在2019年9月1日至2020年8月31日期间收集了传感器值的记录，每个农场考虑1080个记录，即每天6个值。图 4.描绘了传感器感测到的信息（温度和降雨量）的图表，并由NodeMCU从2019年9月15日至2019年10月15日在Prashant AgroFarm发送到服务器。它还显示了2020年2月15日至2020年3月15日它显示了每四小时后的估计这也在表3中描述，即测试样本估计为每个农场215个。图5显示了9月15日中心获得的温度- 分别于二零一九年九月十七日及二零二零年三月十二日至十五日（来自Prashant Agro农场）。图中圈出的值。 5a表示根据算法3.2，温度值为21 °C和强降雨的对Downey Mildew有利的条件。同样，在图。5 b. 圈出的值表示根据算法3.2显示温度值23 °C和多云气氛的白粉病的有利条件一个小的不同可以改变事件的转折和必要性大约晚上9点2019年9月15日，雨量计感应器感应到大雨，图 五、（一）.这些情况发生是因为倾盆大雨和温度下降进行了类似的实验，以证明2020年3月12日至2020年3月15日期间白粉病的发生4.3. 警报每隔四小时检查一次温度和降雨量 图图6描述了设置在田间的用于显示和采集农业参数值以及病害发生信息的实验装置。如果参数符合阈值，则向农民发送通知图图6还示出了通过SMS发送的关于Downey和白粉病的发生的警告的实例。4.4. 业绩计量所开发商品的性能通过计算精度Eq.（1）回忆Eq. （2）精度方程。（3）基于如表4.1和4.2中分别针对Downey和Powdery所示的混淆矩阵准确度、召回率和精确度来自真阳性（TP）、真阴性（TN）、假阳性（FP）、假阴性（FN）。这些费用计算如下：TP-2000即使最初信息可能看起来是类似的。例如，出现了对Downey Mildew有利的条件准确度共计1000万美元K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工230¼¼召回TPTPFFN精密TP公司简介ð2Þð3Þ4.5. 与其他系统的比较根据所提出的系统，可以在早期阶段有效地识别葡萄疾病所提出的系统的新颖性在于使用的温度和湿度传感器以及雨传感因此，如果省略雨量计，疾病通知的准确性将大大提高因此，该投影设备在识别葡萄疾病方面表现出更高的性能精密度、召回率和准确度的计算方法见基于表4.1和4.2中所示的混淆矩阵，分别针对Downey和Powdery的表5.1和5.2。从上述结果中，我们可以观察到，在发生Downey Mildew病的情况下，94.4%的记录被正确识别，而对于Powdery Mildew，96%的记录被正确识别。因此，实现的准确性帮助农民减少了葡萄植株上杀菌剂的使用这提高了葡萄的质量。图第六章白粉病发生通知显示实验装置上的温度值为29.60和多云气氛。表4.1所提出的系统对Downey Mildew的混淆矩阵n=430预测值（否）预测是总实际（无）TN= 106FP=14120实际（是）FN= 10TP= 300310116314430表4.2所提出的白粉病系统的混淆矩阵n= 430预测值（否）预测是总实际（无）TN= 115FP=11126实际（是）FN= 6TP= 298304121309430表5.1绩效指标唐尼·米尔杜。在这个建议的系统中，温度和降雨量已被用作功能，以确定葡萄病害生长的有利条件该计划框架的性能已与现有的详细战略进行了对比，并在表6 中给出（Patil和Thorat，2016 ），（Das等人，2009）（Kharde和Kulkarni，2016）。用于比较的系统使用了物联网，无线传感器网络和图像处理方法。所有的系统都在我们的增强数据集上进行了分析，并达到了约90%的准确率。然而，在我们的系统中提出的准确性增加，由于与湿度和温度传感器一起使用的雨量传感器从比较中可以看出，该算法能够以较高的准确率识别唐尼和白粉病葡萄疾病比其他系统的研究。5. 联系我们本文提出了一个框架依赖于无线传感器集线器，认为远程监控葡萄种植园。特别是，拟议中的系统提出了一个行政方法来控制唐尼和白粉病（毁灭性的葡萄疾病的葡萄生产商）。在文献调研的基础上，我们利用无线传感器节点开发了一个适应性强的葡萄病害早期管理系统当达到特定的阈值水平时，拟议的框架会向农民发出警报，以便他们可以通过侦察和可能使用杀真菌剂来采取预防措施因此，该框架避免了在不需要时使用杀虫剂和除草剂，从而减少了对环境的影响并最大限度地降低了农民的成本。该系统最初于2019年 9该装置包括两种依赖于ESP8266微控制器的传感器集线器。类型1节点监测环境信息，类型2监测降水水平。采用蓄电池经济地满足了葡萄藤的供电要求所开发的系统所收集的数据是通过一个易于理解的液晶显示器界面表示这些信息也可以通过云在线访问，并可以从任何PC，平板电脑或智能手机上操作，唯一的先决条件是拥有浏览器和互联网链接。此外，该框架通过向农民发送信息，以警告的形式提供了处理葡萄种植园的最新信息。关于所进行的测试，确认该框架在现实情况下执行良好，并且还提供了与唐尼和白粉病葡萄进展相关的气候、节点和警报收集的准确信息测量估计%疾病精度0.94418604794.4总而言之，拟议系统的所有成果都证实，召回0.96774193596.8为葡萄生产者提供了极好的信息，精度0.95541401395.5通过监测检测Downey和Powdery Mildew与天气有关的变量，同时提供一个具有成本效益的系统，牧场主们解决围绕疾病的实时气候问题，表5.2业绩计量发霉了在葡萄种植园的表现。CRediTauthhipcontributionstatemetKainjanSanghavi：Conceptual izaton，Methodol y，Writin g- i n al dr a f t，V i s u a l i z a t o n，I v e s t i g a t o n. MaheshSanghavi：Datacuration，测量估计%精度0.96046511696召回0.98026398精度0.912698491.3K. Sanghavi，M.Sanghavi和A.M.拉尤卡尔农业人工231表6拟议系统与现有系统的比较参数/作者使用机器学习和物联网早期检测葡萄疾病（Patil和Thorat，2016）WSN监测天气和作物参数以确定可能的疾病风险（Das等人，（2009年）葡萄叶病检测的独特技术（Kharde和Kulkarni，2016）建议计划涵盖的疾病唐尼粉末唐尼粉末唐尼粉末唐尼粉末早期检测细菌性叶斑病是的是的黑腐没有是的通知没有没有是的是的用技术IoTWSNIPIoT精度基于云唐尼90.9%粉状90.9%否唐尼87%粉状84%是唐尼90.47%粉状92.85%否唐尼94.4%粉状96%是年2016201420162020我是一个很好的人。 A rchanaM. Rajurkar：WritingCompetinterest的Declartion作者声明，他们没有已知的竞争性经济利益或个人关系，可能会出现在这篇论文中报告的工作引用布莱斯博士，Gessler，C.，1992. Vinemild：走向葡萄霜米尔露的管理工具. ActaHortic313，257-262. https://doi.org/10.17660/ActaHortic.1992.313.32网站。Calonnec，A.，Cartolaro，P.，Poupot角，Dubourdieu，D.，Darriet，P.，2004.钩虫对 葡 萄 产 量 、 品 质 及 葡 萄 酒 的 影 响 。 植 物 病 理 学 53 （ 4 ） ， 434-445 。https://doi.org/10.1111/j.0032-0862.2004.01016.x网站。克里斯普彼得威克斯TJLorimer，Michelle，Scott，Eileen，2006 a.葡萄白粉病生物与非生物防治之评价。 1. 温室研究。 Aust. J. Grape Wine Res. 12，192-克里斯普彼得威克斯TJBruer，D.，Scott，Eileen，2006 b.葡萄白粉病的生物和非生物防治评价 。 二 、 葡 萄 园 试 验 。 Aust.J.葡 萄 酒 研 究 12 ， 203-211 （ 10.1111/j.1755-0238.2006.tb00060.x.）.Das ， Ipsita ， Naveen ， C.P.R.G. ， Shah ， Narendra ， Merchant ， Shabbir ， Desai ，Uday，2009.无线传感器网络监测天气和作物参数，用于葡萄农场可能的疾病风险评估-苏拉葡萄园，案例研究。Eitzinger，J.，Thaler，S.，Schmid，E.，Strauss，F.，费里斯河，Moriondo，M.，Bindi，M.，Palosuo，T.，罗特河，Kersebaum，K.，2013.作物模型对小麦和玉米生育期极端天气条件的敏感性。农业科学杂志151（6），813-835。https://doi.org/10.1017/S0021859612000779。R.W.埃米特，哈里斯，A.R.，泰勒，R.H.，McGechan，J.K.，一九九二年葡萄病害与葡萄园保护。在：Coombe，B.G.，干燥，P.R.（编），葡萄栽培Adelaide，SA：Winetitles.第2页 。 232-278 章 11. 参 考 文 献 62 篇 ， 参 见 http://hdl.handle.net/102.100.100/248149?index=1。李冠林，马占红，王海光，2011.基于支持向量机的葡萄霜霉病和白粉病图像识别。第五届计算机和计算技术在农业（CCTA），（2011年10月），北京，中国，页。151-162（ff10.1007/978-3-642-27275- 2_17 ff. ffhal01361130f）。Haasbroek，P.，Vermeulen，A.，2005年 新的和未来的霜霉病预警模型，农业研究理事会，斯泰伦博斯（南非）。Inst. 《土壤、气候和水》、《农业科技信息》、《技术年鉴》。2004/5，pp. 五五开Hill，G.K.，2000. SIMPO模型对葡萄疫霉卵孢子成熟的模拟你好葡萄卵孢子成熟模型SIMPO23，7-8 4，2000。印度集团论坛，2019年。印度葡萄论坛https://www.freshplaza.com/article/9164030/indian-grape-forum-2019-to-launch-november-17th/（2019）.Indu ，Sawant ，Sawant ，Sanjay， Sharma ，Jagdev ， Upadhyay， Ajay Kumar ，Shetty，Dinesh，Bhirangi，Rita，2010.在非流行性植物病条件下，由于霜霉病在开花前和开花后阶段对葡萄簇的感染造成的作物损失。印第安人J·霍蒂奇。67，425-43 2.Iriti， M.， Vitalini，S.， Di Tommaso，G.，D'amico ，S.，Borgo，M.，Faoro，F.，Vitalini，S.，Di Tommaso，G.，Di Tommaso，D.，Faoro，F.，2011. 一种新的壳聚糖制剂诱导葡萄对白粉病的抗性并改善葡萄品质性状。Aust. J. Grape Wine Res. 17（2），263-269 2011.Karakizi角，Oikonomou，M.，Karantzalos，K.，2016年。利用甚高分辨率卫星数据进行葡萄园探测和葡萄品种RemoteSens.8（3），235.https://doi.org/10.3390/rs8030235网站。Kharde，Prathamesh K.，Kulkarni，H.，2016年。 一种独特的葡萄叶部病害检测技术。国际科学杂志Res. Sci.工程技术2，343-34 8.Luvisi ， Andrea ， Panattoni ， Alessandra ， Bandinelli ， Roberto ， Rinaldelli ，Enrico，Pagano，Mario，Triolo，Enrico，2012.葡萄藤中的超高频转发器：一种工具用 于 葡 萄 栽 培 中 的 植 物 和 处 理 的 可 追 溯 性 生 物 系 统 Eng. 113 ， 129-139 。https://doi.org/10.1016/j.biosystemseng.2012.06.015。Magarey，P.A.，Wachtel，M.F.，Weir，P.C.，Seem，R. C.，一九九一年一个基于计算机的模拟器，用于葡萄霜霉病的合理管理。植物保护Q. 6（1），29-33（参考文献23）。Matese，A.，Di Gennaro，S.F.，Zaldei，A.，Genesio，L.，Vaccari，F.P.，2009.一个用于精确葡萄栽培的无线传感器网络：NAV系统。Comput. Electron. Agric. 69（1），51-58. https://doi.org/10.1016/j.compag.2009.06.016十一月.Maurin ， G. ， 一 九 八 三 年 农 业 协 调 技 术 协会， 巴 黎 （ 法 国 ） 葡 萄 霜 霉 病[Plasmoparaviticola]感染潜力模型的应用，@eng，Bulletin-OEPP（法国）。(Jan1983年）。第13（2）页。 263-26 9.McBratney，Alex，Whelan，Brett，Bethiv，Tihomir，Bouma，Johan，2005.精准农业的未来发展方向。精确度农业6，7-23。 https://doi.org/10.1007/s11119-005-0681-8.莫奈，2020年。 翻译版本（可于网上查阅：http://monet-ti.com，于2020年12月21日查阅）。Mundankar，K.Y.，Sawant，S. D.，Sawant，I.S.，Sharma，J.，2008.印度葡萄白粉病管理专家系统。霍蒂克学报785，297-300。https://doi.org/10.17660/ActaHortic.2008.785.36网站。NodeMCU ESP8266 ， 2020 。 . 可 在 线 访 问 https://components101.com/development-boards/nodemcu-esp8266-pinout-features-and-socket（2020年12月22日访问）。Oberti，Roberto，Marchi，Massimo，Tirelli，Paolo，Calcante，Aldo，Iriti，Marcello，Alberto，N.，2014.通过图像分析自动检测葡萄叶片上的白粉病：最佳视角范围，提高灵敏度。 Comput. 电子。104，1- https://doi.org/10.1016/j.compag.2014.03.001。Orlandini，S.，Gozzini，B.，Rosa，M.，Egger，E.，Storchi，P.，Maracchi，G.，Miglietta，F.，一九九三年PLASMO：一个控制葡萄树上的单孢霉的模拟模型1。EPPOBull. 23，619-626. https://doi.org/10.1111/j.1365-2338.1993.tb00559.x。Patil，S. S.，Thorat，S.A.，2016年。 使用机器学习和物联网早期检测葡萄疾病。第二届认知 计 算 和 信 息 处 理 国 际 会 议 （ CCIP ） ， 迈 索 尔 ， 页 。1https://doi.org/10.1109/CCIP.20
我的内容管理
展开
