技术摘要：
本发明公开了一种手持式田间小麦赤霉病监测预警装置，包括采集卡、处理器、摄像头1、触摸屏2、电源和4G网卡，采集卡用于采集数据，处理器用于对采集数据进行分析，基于深度学习算法得出小麦生长状况；摄像头用于采集田间小麦根、茎和穗部信息；触摸屏，用于人机交互的  全部
背景技术：
根据小麦赤霉病（Fusarium）发生和流行的特征、病症和气候条件，对赤霉菌的田 间监测预警需要基于多地点、多时间段和多元数据（如图像、田间气候和土壤信息等）的采 集，然后通过网络将采集的数据与云端服务器同步上传后，开展快速智能化分析，进而实现 快速预测报警。针对赤霉病的侵入和扩展时的温度情况、雨湿和光照条件，对小麦抽穗、扬 花等期间的空气温度、相对湿度、日照情况、土壤温湿度等数据的采集将是对小麦赤霉病发 生和流行的主要大数据基础。 目前，小麦赤霉病的预警主要通过部署环境监测装置的方法来实现，此方法的成 本较高，并且需要人工导出数据，费时费力，只适用于一定范围内的小麦监测，无法大规模 部署从而获得小麦信息。然而，由于我国幅员广阔，赤霉病爆发规模和地点的不可控性，固 定装置采集环境数据和图像数据并不能有效地预警小麦赤霉病爆发。
技术实现要素：
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种手持式田间小麦赤 霉病监测预警装置及方法。 采取的技术方案：一种手持式田间小麦赤霉病监测预警装置，包括 采集卡，用于采集数据； 处理器，用于对采集数据进行分析，基于深度学习算法得出小麦生长和染病状况； 摄像头，用于采集田间小麦根、茎和穗部信息； 触摸屏，用于人机交互的载体； 电源，用于为所述监测预警装置供电； 以及4G网卡，用于数据通讯同时与外部云端服务器通信； 处理器分别与摄像头、触摸屏和采集卡通讯连接，电源分别与所述摄像头、触摸屏和采 集卡电连接。 本手持式田间小麦赤霉病监测预警装置，体积小，携带方便，不需要大范围部署监 测装置，可以对大规模小麦种植区进行监测预警。 本发明手持式田间小麦赤霉病监测预警装置进一步限定的技术方案是： 处理器采用华为海思Hikey970单板机，华为海思Hikey970单板机内置wifi模块与4G网 卡实现数据通讯。华为Hikey970是小体积，高性能，高集成主板。板载蓝牙4.1、双频WiFi，同 时集成GPS、4G、SSD、CAN等可扩展口，尺寸仅有100*85*10mm，不但支持CPU、GPU人工智能运 算，还支持基于NPU的神经网络计算硬件加速，满足小麦赤霉病采集数据时的运算要求和传 输方式。 5 CN 111611983 A 说　明　书 2/10 页 采集卡包括集成在线路板上的MCU微控制器、启动电路、DC/CD降压模块、环境监测 传感器模块、wifi无线传输模块和两路485通讯接口，环境监测传感器模块与MCU微控制器 连接，用于监测环境中的各项指标数据并将数据送入MCU微控制器；启动电路和DC/CD降压 模块都与MCU微控制器连接，wifi无线传输模块与MCU微控制器连接并实现MCU微控制器与 处理器之间的数据通讯，两路485通讯接口与MCU微控制器连接； 环境监测传感器模块包括光照传感器、二氧化碳传感器、一氧化碳传感器、臭氧传感 器、温湿度传感器和PM5颗粒监测传感器，光照传感器、二氧化碳传感器、一氧化碳传感器、 臭氧传感器、温湿度传感器和PM5颗粒监测传感器的输出端都与MCU微控制器连接； 环境监测传感器还包括外部分别接插两路485通讯接口的土壤温湿度传感器和土壤ph 值传感器。 摄像头采用工业级一体机摄像头，所述工业级一体机摄像头通过可调节螺旋摇杆 转动连接监测预警装置，实现工业级一体机摄像头360度旋转；所述工业级一体机摄像头通 过圆柱平台配合联接可调节螺旋摇杆固定工业级一体机摄像头的拍摄角度。此工业摄像 头，耐温性能高，高温工作下，电平稳定，低功耗，节能省电，适合安装在手持式设备上，并且 在田间作业时能够最大限度的延长工作时间，避免需要充电的状况。 本发明提出一种手持式田间小麦赤霉病监测预警装置的预警方法，包括如下步 骤： 步骤1：获取需监测预警的小麦种植区域的江苏省小麦种植区所在市之前10年的历史 气象数据，所述历史气象数据包括九个气象因子，分别为气温、湿度、日照时数、蒸发量、５cm 地温、10cm地温、土壤温湿度、土壤酸碱度和空气孢子数； 步骤2：将步骤1中九个气象因子进行归一化处理，获得九个气象因子作为九个模型变 量，上传存入云端服务器； 步骤3：四月中下旬利用手持式监测预警设备连续14天在小麦种植区域内每1亩地随机 选取12个点进行数据采集，拍摄小麦穗部图片并同时获得14天的气象数据，所述气象数据 包括七个气象因子，分别为温度、湿度、土壤温度、土壤湿度、土壤PH值、光照和空气中pm5颗 粒数目； 步骤4：将步骤3采集的小麦穗部图片数据和14天的气象数据上传到云端服务器； 步骤5：在云端服务器内对步骤4中的小麦穗部图片数据通过深度学习目标检测算法 ConerNet检测小麦穗部图片中的病穗数目，再通过深度学习语义分割算法U-net计算小麦 穗部染病面积占整体穗部面积，得到小麦赤霉病病穗率，小麦赤霉病病穗率作为一个模型 变量； 步骤6：在云端服务器内对步骤4中14天的气象数据的七个气象因子进行归一化处理， 获得七个气象因子作为七个模型变量，存在云端服务器； 步骤7：采用并行的Bagging集成学习（ensemble  learning）方式，同时使用多元回归分 析机器学习算法、BP神经网络机器学习算法和支持向量机SVM机器学习算法分别建立三个 预测模型，作为三个个体学习器；然后将三个预测模型集成，形成统一的集成模型，作为小 麦赤霉病发生的二元模型，输出小麦是否染病；将步骤2、步骤5和步骤6内共十七个模型变 量分别代入二元模型中个体学习器的三个预测模型，同时进行运算，通过调参调优最终得 出三个预测结果，预测结果包括小麦病穗率等级和计算结果准确率； 6 CN 111611983 A 说　明　书 3/10 页 所述小麦病穗率等级为4个级别进行分级，观察样本数据小麦病穗率为零的小麦分为 级别0，将病穗率介于百分之一和百分之十之间的小麦分为级别１；将病穗率介于百分之十 和百分之二十之间的小麦分为级别２；将病穗率大于百分之二十的小麦分为级别３； 步骤8：对步骤7内得出的三个预测结果，以同等级、准确率高为最优解。 本发明方法，首先采集多元数据，就多元数据进行归一化数据预处理，之后通过 ConerNet和U-net深度学习算法计算小麦穗部染病状况，计算小麦穗部发病面积，两种算法 分工明确，并且具有递进关系，能够解决传统计算机视觉方法在处理田间图片准确率不高 的问题，使用较新的深度学习算法能够准确预测染病穗数及穗部染病面积，将深度学习算 法得到的结果作为一个模型变量加入到机器学习集成算法中，此机器学习集成算法时通过 三个子算法进行计算，形成三个个体学习器，分别计算结果，选择最优方案，并将结果反馈 用户。使用此方法预防小麦赤霉病不仅能够得到小麦的染病状况，还能将染病的等级告知 使用者，便于使用者对赤霉病治理做出及时的措施。 本发明方法进一步限定的技术方案是： 气象因子进行归一化处理，各个因子遵循的归一化公式为： 其中， 是气象因子， 是通过公式得到的归一化之后特征j对应的值， 是数据集 中特征 对应的值， 和 是数据集合中特征 的最大值和最小值。 步骤3具体为：将外置的土壤温湿度传感器和土壤ph值传感器接入手持式设备，设 备运行，环境监测传感器模块采集气象数据，触摸屏显示实时气象数据； 调整摄像头的拍摄角度，在距离小麦穗部50cm处对小麦进行从上到下的拍摄，完成后， 通过4G网卡上传小麦穗部图片和气象数据到云端服务器。 所述步骤5具体为： 步骤501：对小麦穗部图片进行穗部标注，标注好的图片将随机以75%，25%进行划分，建 立训练集和数据集； 步骤502：通过深度学习目标检测算法ConerNet对步骤501中标注好的图片进行训练， 得出小麦穗部图片中的病穗数目； 步骤503：通过深度学习语义分割算法U-net对步骤502中的穗部染病麦粒进行分割提 取；首先，建立训练环境；然后，修改训练文件路径，即保存小麦图片的文件路径；最后，测试 每一张图片，计算每一张图片内染病区域面积占整体穗部面积，得到小麦赤霉病病穗率。 小麦穗部图片进行穗部标注，一共分为两种标注方式：第一种标注方式是利用 labelImg软件对图片中的所有染病小麦穗部进行框选，框选之后保存矩形框四角在图片中 的位置信息，以jason格式进行保存；第二种标注方式是利用labelme软件对图片中每一株 小麦穗部染病区域麦粒进行描点标注，所有框选点的位置信息都会以jason格式保存。 步骤7中支持向量机SVM机器学习算法建立的预测模型，该预测模型中核函数使用 的是高斯核函数，将特征矩阵输入SVM预测模型中，先对每一组数据进行特征向量矩阵构 建，然后将构建好的特征向量矩阵放入支持向量机中进行训练，初次分类将小于百分之一 的病穗率特征值数据即正常小麦作为正类输入，大于百分之一的病穗率特征值数据即发病 7 CN 111611983 A 说　明　书 4/10 页 小麦作为负类输入，分类完毕之后进行二次分类；二次分类对发病小麦进行分类，将介于百 分之一和百分之十的病穗率特征值数据即１级小麦作为正类输入，大于百分之十的病穗率 特征值数据作为负类输入；以此类推，三次分类将介于百分之十和百分之二十的病穗率特 征值数据即２级小麦作为正类输入，大于百分之二十的病穗率特征值数据即３级小麦作为负 类输入。 本发明与现有技术相比的有益效果是： 1、本手持式田间小麦赤霉病监测预警装置，体积小，携带方便，不需要大范围部署监测 装置，可以对大规模小麦种植区进行监测预警。 2、本发明通过手持设备采集数据的方式获取小麦生长及染病状况，能够实时上传 采集到的数据，并能够在云端通过多元算法对田间多尺度数据进行融合智能解析，  反馈给 用户小麦是否染病及染病程度。同时此设备成本可控，集成化程度高。 3、本小麦赤霉病预警方法使用最新的深度学习算法和机器学习算法来预测小麦 赤霉病的染病情况，做到了对多云数据进行融合，实时上传采集到的数据，并在云端进行数 据的输入，通过模型计算染病等级，及时反馈用户，避免赤霉病的进一步传播。 4、本发明能够帮助用户对赤霉病发病做出决策，避免化学农药的粗放式施放，节 约农药的使用，符合国家“双减”政策，保障食品安全。 附图说明 图1为本发明手持式田间小麦赤霉病监测预警装置的外形立体图。 图2为本发明手持式田间小麦赤霉病监测预警装置的原理框图。 图3为采集卡的原理框图。 图4为本实施例的MCU微控制器模块的电路图。 图5为本实施例的两路485通讯模块的电路图。 图6为本实施例的wifi无线通讯模块的电路图。 图7为本实施例的温湿度传感器模块接口的电路图。 图8为本实施例的光照采集接口的电路图。 图9为本实施例的PM2.5/5/10传感模块接口的电路图。 图10为本实施例的一氧化碳浓度检测模块接口的电路图。 图11为本实施例的二氧化碳浓度检测模块接口的电路图。 图12为本实施例的臭氧浓度检测模块接口的电路图。 图13为本实施例的点动开关机的电路图。 图14为本实施例的电源降压可调模块的电路图。 图15为本实施例的下载接口的电路图。 图16为本实施例的供电接口的电路图。