一种橡胶树病虫害的智能识别方法及装置与流程

1.本发明涉及橡胶树病虫害智能识别相关领域，尤其涉及一种橡胶树病虫害的智能识别方法及装置。


背景技术：

2.天然橡胶是农业生产中具有竞争优势的一个传统支柱产业，而橡胶树病虫害是橡胶生产中的一个突出问题。因此，橡胶树病虫害的研究和防治向来都受到植胶国的重视，并且在一些橡胶树主要病害的防治研究和开发推广上取得较大的进展。但是过去的生产防治没有从整体上对橡胶病虫害进行综合治理，多数病虫害没有预测预报的方法和防治指标，防治带有盲目性，因而常常出现用药多、成本高、防效差，效益低、环境污染严重，经济、社会、生态效益都偏低等情况。
3.但本技术发明人在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术中在进行橡胶树病虫害防治过程中，存在缺少智能化进行橡胶树的病虫害识别，导致进而导致防治不及时/不准确、防治效果差、生态效益低的技术问题。


技术实现要素：

5.本技术实施例通过提供一种橡胶树病虫害的智能识别方法及装置，解决了现有技术中在进行橡胶树病虫害防治过程中，存在缺少智能化进行橡胶树的病虫害识别，导致进而导致防治不及时/不准确、防治效果差、生态效益低的技术问题，达到基于图像进行橡胶树病虫害的智能、准确的识别，进而进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。
6.鉴于上述问题，提出了本技术实施例提供一种橡胶树病虫害的智能识别方法及装置。
7.第一方面，本技术提供了一种橡胶树病虫害的智能识别方法，其中，所述方法应用于病虫害智能识别系统，所述系统与第一图像采集装置通信连接，所述方法包括：获得第一橡胶树的基础信息；获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治。
8.另一方面，本技术还提供了一种橡胶树病虫害的智能识别装置，所述装置包括：第一获得单元，所述第一获得单元用于获得第一橡胶树的基础信息；第二获得单元，所述第二获得单元用于获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信
息获得所述第一橡胶树的预期生长特征；第三获得单元，所述第三获得单元用于通过第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；第四获得单元，所述第四获得单元用于根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；第一构建单元，所述第一构建单元用于构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；第五获得单元，所述第五获得单元用于根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治。
9.第三方面，本发明提供了一种橡胶树病虫害的智能识别装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
10.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
11.由于采用了获得第一橡胶树的基础信息；获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治，通过图像采集和影响参数对橡胶树的病虫害特征进行识别，综合考量橡胶树的生长环境和病虫害的特征比对，进而达到准确对病虫害进行识别，进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。
12.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
13.图1为本技术实施例一种橡胶树病虫害的智能识别方法的流程示意图；
14.图2为本技术实施例一种橡胶树病虫害的智能识别方法的获得预期生长特征的流程示意图；
15.图3为本技术实施例一种橡胶树病虫害的智能识别方法的获得所述第一图像采集结果的流程示意图；
16.图4为本技术实施例一种橡胶树病虫害的智能识别方法的获得第一初检抽样位置分布规则的流程示意图；
17.图5为本技术实施例一种橡胶树病虫害的智能识别方法的获得所述第一影响参数的流程示意图；
18.图6为本技术实施例一种橡胶树病虫害的智能识别方法的构建橡胶树的病虫害特征比对模型的流程示意图；
19.图7为本技术实施例一种橡胶树病虫害的智能识别方法的模型参数修正的流程示
意图；
20.图8为本技术实施例一种橡胶树病虫害的智能识别装置的结构示意图；
21.图9为本技术实施例示例性电子设备的结构示意图。
22.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一构建单元15，第五获得单元16，电子设备50，处理器51，存储器52，输入装置53，输出装置54。
具体实施方式
23.本技术实施例通过提供一种橡胶树病虫害的智能识别方法及装置，解决了现有技术中在进行橡胶树病虫害防治过程中，存在缺少智能化进行橡胶树的病虫害识别，导致进而导致防治不及时/不准确、防治效果差、生态效益低的技术问题，达到基于图像进行橡胶树病虫害的智能、准确的识别，进而进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。下面结合附图，对本技术的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
24.本技术的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本技术的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
25.申请概述
26.天然橡胶是农业生产中具有竞争优势的一个传统支柱产业，而橡胶树病虫害是橡胶生产中的一个突出问题。因此，橡胶树病虫害的研究和防治向来都受到植胶国的重视，并且在一些橡胶树主要病害的防治研究和开发推广上取得较大的进展。但是过去的生产防治没有从整体上对橡胶病虫害进行综合治理，多数病虫害没有预测预报的方法和防治指标，防治带有盲目性，因而常常出现用药多、成本高、防效差，效益低、环境污染严重，经济、社会、生态效益都偏低等情况。
27.针对上述技术问题，本技术提供的技术方案总体思路如下：
28.本技术实施例提供了一种橡胶树病虫害的智能识别方法，其中，所述方法应用于病虫害智能识别系统，所述系统与第一图像采集装置通信连接，所述方法包括：获得第一橡胶树的基础信息；获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治。
29.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非
限制性的实施方式。
30.实施例一
31.如图1所示，本技术实施例提供了一种橡胶树病虫害的智能识别方法，其中，所述方法应用于病虫害智能识别系统，所述系统与第一图像采集装置通信连接，所述方法包括：
32.步骤s100：获得第一橡胶树的基础信息；
33.步骤s200：获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；
34.具体而言，所述病虫害智能识别系统为进行橡胶树病虫害智能识别的系统，所述病虫害智能识别系统包括进行病虫害特征比对的模型，是具有信息交互，信息处理能力的不断学习的智能化系统，所述第一图像采集装置为可进行图像采集的装置，依据采集的环境、采集的橡胶树的生长周期、采集位置的不同，所述第一图像采集装置可以为无人机携带的可以进行图像采集的设备，且所述第一图像采集装置与所述病虫害智能识别系统通信连接，所述第一图像采集装置可与所述病虫害智能识别系统进行实时的信息交互。通过所述病虫害识别系统，获得所述第一橡胶树的基础信息，所述基础信息包括但不限于所述第一橡胶树的品种信息、生长周期信息、品种质量信息等。通过所述病虫害智能识别系统获得所述第一橡胶树的生长环境信息，所述生长环境信息包括所述第一橡胶树的生长土质信息、营养历史供给信息等，通过所述基础信息和所述生长环境信息进行所述第一橡胶树的预期生长特征的评估，获得所述第一橡胶树的预期生长特征，举例而言，所述预期生长特征可以是橡胶树的尺寸特征、橡胶树叶特征，可以是橡胶树的乳胶产量特征。通过获取所述第一橡胶树的基础信息和所述生长环境信息，为后续对所述第一橡胶树的预期生长特征进行准确的评估奠定了基础，基于所述评估的预期生长特征为后续进行准确的病虫害特征识别提供了数据支持。
35.步骤s300：通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；
36.步骤s400：根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；
37.具体而言，通过所述第一图像采集装置对所述第一橡胶树进行图像采集，所述图像采集的位置可以为随机分布位置，也可以为根据整体对所述第一橡胶树进行图像采集后进行图像的分析，进而根据分析的结果对所述第一橡胶树进行有侧重位置的图像采集，举例而言，当对所述第一橡胶树进行整体图像采集后，根据整体的图像采集结果，判断所述第一橡胶树是否具有异常的位置，如叶片的区域异常、落叶异常、枝条回枯、叶片畸形皱缩等，当存在异常位置区域时，则着重对所述异常位置区域进行图像的采集，根据采集的带有位置标识的图像集合，获得所述第一图像采集结果。基于所述第一图像采集结果对所述第一橡胶树的实际生长特征进评估，即根据所述第一图像采集结果获得第一橡胶树的实际表现出的生长特征。通过所述实际生长特征和所述预期的生长特征进行特征的比对，如叶片状态的比对、颜色比对、乳胶产量比对等，根据实际生长特征和预期生长特征的偏差值获得所述第一影响参数。通过对所述实际生长特征和预期生长特征的比对，进行所述第一影响参数的确定，为后续进行橡胶树是否存在异常进行生长匹配维度的数据支持，进而为进行准确的病虫害的评估夯实了基础。
38.步骤s500：构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；
39.步骤s600：根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治。
40.具体而言，所述病虫害特征比对模型为机器学习中的进行图像的特征分析比对的模型，他以第一影响参数作为一个权重分析的参数，以输入的第一图像采集结果作为检测数据，以历史训练数据集合作为比对的基础参数，进行所述第一橡胶树的图像特征比对。进一步来说，所述病虫害特征比对模型为通过多组训练数据训练获得的模型，所述模型的训练数据包括但不限于第一影响参数、图像采集结果和标识病虫害特征比对结果的标识信息，通过标识病虫害特征比对结果的标识信息对所述病虫害特征比对模型进行监督学习，通过测试数据对进行监督学习后的所述病虫害特征比对模型进行测试，当所述测试结果满足预定的检测标准时，则结束模型的训练，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果。根据所述第一输出结果进行所述第一橡胶树的病虫害的识别和防治。即根据所述第一输出结果，确定所述第一橡胶树与各个病虫害的特征匹配的匹配程度，当高于预期的阈值时，则根据匹配的病虫害进行防治，进而达到准确对病虫害进行识别，进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。
41.进一步而言，如图2所示，本技术实施例步骤s200还包括：
42.步骤s210：获得所述第一橡胶树的品种信息；
43.步骤s220：根据所述品种信息获得所述第一橡胶树的第一生长周期信息；
44.步骤s230：将所述品种信息和所述第一生长周期信息作为所述基础信息；
45.步骤s240：根据所述基础信息和所述生长环境信息构建生长预测模型，其中所述生长预测模型为以大量的橡胶树生长信息作为基础数据，通过所述基础数据对所述基础信息和所述生长环境信息进行匹配后构建的模型，根据所述生长预测模型获得所述第一橡胶树的预期生长特征。
46.具体而言，所述第一橡胶树的品种信息是指通过一系列的橡胶树选育种程序筛选出来的，达到试种级及以上的种植材料。一般而言，品种包括有性系和无性系，无性系还包括：树冠无性系、茎干无性系、老态无性系等等，根据橡胶树的品种的不同，具有不同的生长特性，如生长周期，耐寒耐热、乳胶产量高低等。根据所述第一橡胶树的品种信息，对所述第一橡胶树的生长周期获取，所述生长周期是根据所述第一橡胶树的同类品种历史栽种信息，进行综合分析处理获得的所述第一橡胶树的评估生长周期信息，将所述品种信息和所述生长周期信息作为所述基础信息，将所述第一橡胶树的基础信息和所述生长环境信息构建所述第一橡胶树的生长预测模型，其中，所述生长预测模型是将大量的所述第一橡胶树的同类品种生长信息作为基础的数据，构建的用于预测所述第一橡胶树的生长特征的模型，基于所述生长预测模型对所述第一橡胶树的生长特征进行预测，如幼树期的尺寸、叶片特征、成熟期的叶片特征、乳胶产量特征等。通过所述生长预测模型的构建，进而使得获得的所述第一橡胶树的预期生长特征更加的准确，进而为后续进行准确的病虫害的识别提供了数据基础。
47.进一步而言，如图3所示，所述通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果，本技术实施例步骤s300还包括：
48.步骤s310：获得第一初检抽样位置分布规则；
49.步骤s320：根据所述第一初检抽样位置分布规则进行所述第一橡胶树的初检图像采集位置分布，获得第一位置分布结果；
50.步骤s330：基于所述第一位置分布结果通过所述第一图像采集装置进行图像采集，获得第一图像采集集合；
51.步骤s340：将所述第一图像采集集合进行采集位置标注，获得所述第一图像采集结果。
52.具体而言，所述第一初检抽样位置分布规则为进行所述第一橡胶树的图像采样位置的分布规则，一般而言，将所述第一橡胶树看做一个有机整体，根据随机分布采样的原则，对所述第一橡胶树进行图像采集的位置分布，获得所述第一位置分布结果，进一步来说，当所述第一橡胶树存在异常区域时，则需要对所述第一初检抽样位置分布规则进行调整，进行偏向性的调整。根据获得的所述第一位置分布结果，基于所述第一图像采集装置进行图像采集，获得第一图像采集集合，并将所述第一图像采集集合中的各个图像的图像采集位置点对所述第一图像采集集合进行位置标识，根据进行位置标识后的所述第一图像采集集合获得所述第一图像采集结果。通过对采集位置的分布和位置标识，进而为后续进行所述第一橡胶树的病虫害准确的评估提供了位置和数据支持，进而为准确对病虫害进行识别，进行及时准确的病虫害防治奠定了基础。
53.进一步的，如图4所示，所述获得第一初检抽样位置分布规则，本技术实施例步骤s310还包括：
54.步骤s311：对所述第一橡胶树进行整体图像采集，获得第一抽样确定图像；
55.步骤s312：对所述第一抽样确定图像进行图像特征分析，获得第一图像特征分析结果；
56.步骤s313：判断所述第一图像特征分析结果是否存在第一侧重采集区域；
57.步骤s314：当所述第一图像特征分析结果存在第一侧重采集区域时，则基于所述第一侧重采集区域进行所述第一初检抽样位置分布规则设定。
58.具体而言，在进行所述第一初检抽样位置分布规则设置前，首先通过所述第一图像采集装置对所述第一橡胶树进行整体的图像采集，获得第一抽样确定图像，基于所述第一抽样确定图像对所述第一图像进行图像的特征分析，即确定所述第一橡胶树是否存在异常区域的过程，当所述图像的特征分析存在异常时，则根据所述第一图像特征分析结果确定侧重采集区域，基于所述侧重采集区域进行所述第一初检抽样位置分布规则的侧重设定，举例而言，当所述第一图像特征分析结果存在第一侧重区域时，则原定计划为对所述第一橡胶树进行10位置点随机分布采样，此时根据所述侧重区域，除过需要进行的10位置点随机分布采样，依据所述侧重区域的大小占比，对所述第一侧重区域进行区域的细分，根据区域内侧重点的不同，增加采样点，并对采样位置依据侧重点来进行确定。根据举例所述的规则，来最终确定所述第一初检抽样位置分布规则的设定。通过对所述第一初检抽样位置分布规则的细化，使得所述第一图像采集装置采集的图像更加能反馈出所述第一橡胶树的特征，进而为后续进行准确的病虫害分析提供了更好的数据支持。
59.进一步的，如图5所示，本技术实施例步骤s400还包括：
60.步骤s410：获得所述第一橡胶树的乳胶产量信息；
61.步骤s420：根据所述乳胶产量信息生成所述第一橡胶树的乳胶产量变化曲线；
62.步骤s430：对所述乳胶产量变化曲线和所述生长环境信息进行匹配度评估，获得第一匹配度评估结果；
63.步骤s440：根据所述第一匹配度评估结果生成第一调整参数，基于所述第一调整参数获得所述第一影响参数。
64.具体而言，根据所述基础信息获得所述第一橡胶树的乳胶产量信息，其中，所述乳胶产量信息为根据所述第一橡胶树的历史信息获得的历史乳胶产量信息，将所述历史乳胶产量信息进行基于时间的统计和分析，根据统计和分析的结果构建所述第一橡胶树的乳胶产量随时间的变化曲线，即所述乳胶产量变化曲线，获得所述第一橡胶树的生长环境信息，即包括季节信息、土壤信息、天气信息、温度信息、湿度信息、营养信息等，根据所述生长环境信息和所述乳胶产量的变化曲线进行匹配度的评估，即判断所述第一橡胶树的生长环境与所述第一橡胶树的实时乳胶的产量变化是否相匹配，根据匹配度评估的结果获得第一调整参数，基于所述第一调整参数对生长特征评估的影响参数进行调整，获得最终的所述第一影响参数。通过对乳胶产量与环境匹配度的进一步分析，使得所述第一影响参数的确定更加准确，进而为后续进行准确的病虫害识别奠定了基础。
65.进一步的，如图6所示，所述构建橡胶树的病虫害特征比对模型，本技术实施例步骤s500还包括：
66.步骤s510：获得橡胶树病虫害图像集合；
67.步骤s520：基于所述病虫害图像集合进行标识有位置特征的病虫害特征集合构建，获得第一构建结果；
68.步骤s530：基于所述第一构建结果、所述第一影响参数和标识病虫害识别结果的标识信息构建训练数据集合；
69.步骤s540：基于所述训练数据集合进行所述病虫害特征比对模型的构建。
70.具体而言，所述橡胶树病虫害图像集合为通过对相同种类的橡胶树在遭受病虫害后不同时间、不同程度的病虫害后，进行采集的图像集合。通过大数据获得所述橡胶树病虫害图像集合，进一步来说，所述橡胶树病虫害图像集合为带有位置标识和时间标识的病虫害图像集合，如六点始叶螨主要在4月下旬至5月和10月下旬至11月期间产生病虫害，主要危害橡胶树老叶，尤以老化期叶片受害严重，亦可危害嫩叶，位置一般初在叶片背面沿主脉两侧，然后扩展为害。病虫害特征为黄白色斑点。基于时间和位置标识进行病虫害特征集合构建，获得第一构建结果。将所述第一构建结果作为比对的特征，依据所述比对特征和标识病虫害识别结果的标识信息、和所述第一影响参数构建训练数据集合，基于所述训练数据集合构建所述病虫害特征比对模型。当所述病虫害特征比对模型构建完成后，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，所述病虫害特征比对模型通过所述橡胶树病虫害图像集合进行病虫害特征的遍历，基于遍历的匹配程度，输出病虫害的识别结果，进而达到准确对病虫害进行识别，进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。
71.进一步的，如图7所示，本技术实施例步骤s700还包括：
72.步骤s710：根据所述第一输出结果获得第一识别结果；
73.步骤s720：将所述第一识别结果输入防治手段列表，获得第一病虫害防治手段；
74.步骤s730：基于所述第一病虫害防治手段对所述第一橡胶树进行病虫害防治，通过所述图像采集装置对所述第一橡胶树进行防治阶段性图像采集，获得第二图像采集集合；
75.步骤s740：基于所述第二图像采集集合获得第一反馈参数，通过所述第一反馈参数进行所述病虫害特征比对模型的修正。
76.具体而言，根据所述第一输出结果，获得所述第一橡胶树的病虫害的识别结果，基于病虫害识别结果输入防治手段列表，所述防治手段列表为根据不同的病虫害的种类、位置、程度、时间构建的专家治疗列表，基于所述防治手段列表进行所述第一识别结果的防治手段匹配，获得所述第一病虫害防治手段，基于所述第一病虫害防治手段对所述第一橡胶树进行病虫害防治，在防治过程中，通过所述图像采集装置对所述第一橡胶树进行防治阶段性图像采集，获得第二图像采集集合，即对所述第一橡胶树的预期恢复阶段和实际恢复阶段进行图像采集的比对，根据比对结果获得第一反馈参数，其中，所述第一反馈参数为根据所述第一病虫害防治手段对所述第一橡胶树进行防治的有效程度的参数，当所述病虫害识别结果与实际的第一橡胶树的病虫害不匹配时，则所述第一反馈参数会出现较大异常，基于所述第一反馈参数对所述病虫害特征比对模型进行实时的反馈修正，进而保证所述病虫害特征比对模型可以通过不断的学习，对病虫害判断更加准确的技术效果。
77.综上所述，本技术实施例所提供的一种橡胶树病虫害的智能识别方法及装置具有如下技术效果：
78.1、由于采用了获得第一橡胶树的基础信息；获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治，通过图像采集和影响参数对橡胶树的病虫害特征进行识别，综合考量橡胶树的生长环境和病虫害的特征比对，进而达到准确对病虫害进行识别，进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。
79.2、由于采用了对所述生长预测模型的构建的方式，进而使得获得的所述第一橡胶树的预期生长特征更加的准确，进而为后续进行准确的病虫害的识别提供了数据基础。
80.3、由于采用了对采集位置的分布和位置标识的方式，进而为后续进行所述第一橡胶树的病虫害准确的评估提供了位置和数据支持，进而为准确对病虫害进行识别，进行及时准确的病虫害防治奠定了基础。
81.实施例二
82.基于与前述实施例中一种橡胶树病虫害的智能识别方法同样发明构思，本发明还提供了一种橡胶树病虫害的智能识别装置，如图8所示，所述装置包括：
83.第一获得单元11，所述第一获得单元11用于获得第一橡胶树的基础信息；
84.第二获得单元12，所述第二获得单元12用于获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；
85.第三获得单元13，所述第三获得单元13用于通过第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；
86.第四获得单元14，所述第四获得单元14用于根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；
87.第一构建单元15，所述第一构建单元15用于构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；
88.第五获得单元16，所述第五获得单元16用于根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治。
89.进一步的，所述装置还包括：
90.第六获得单元，所述第六获得单元用于获得所述第一橡胶树的品种信息；
91.第七获得单元，所述第七获得单元用于根据所述品种信息获得所述第一橡胶树的第一生长周期信息；
92.第八获得单元，所述第八获得单元用于将所述品种信息和所述第一生长周期信息作为所述基础信息；
93.第九获得单元，所述第九获得单元用于根据所述基础信息和所述生长环境信息构建生长预测模型，其中所述生长预测模型为以大量的橡胶树生长信息作为基础数据，通过所述基础数据对所述基础信息和所述生长环境信息进行匹配后构建的模型，根据所述生长预测模型获得所述第一橡胶树的预期生长特征。
94.进一步的，所述装置还包括：
95.第十获得单元，所述第十获得单元用于获得第一初检抽样位置分布规则；
96.第十一获得单元，所述第十一获得单元用于根据所述第一初检抽样位置分布规则进行所述第一橡胶树的初检图像采集位置分布，获得第一位置分布结果；
97.第十二获得单元，所述第十二获得单元用于基于所述第一位置分布结果通过所述第一图像采集装置进行图像采集，获得第一图像采集集合；
98.第十三获得单元，所述第十三获得单元用于将所述第一图像采集集合进行采集位置标注，获得所述第一图像采集结果。
99.进一步的，所述装置还包括：
100.第十四获得单元，所述第十四获得单元用于对所述第一橡胶树进行整体图像采集，获得第一抽样确定图像；
101.第十五获得单元，所述第十五获得单元用于对所述第一抽样确定图像进行图像特征分析，获得第一图像特征分析结果；
102.第一判断单元，所述第一判断单元用于判断所述第一图像特征分析结果是否存在第一侧重采集区域；
103.第一设定单元，所述第一设定单元用于当所述第一图像特征分析结果存在第一侧重采集区域时，则基于所述第一侧重采集区域进行所述第一初检抽样位置分布规则设定。
104.进一步的，所述装置还包括：
105.第十六获得单元，所述第十六获得单元用于获得所述第一橡胶树的乳胶产量信
息；
106.第十七获得单元，所述第十七获得单元用于根据所述乳胶产量信息生成所述第一橡胶树的乳胶产量变化曲线；
107.第十八获得单元，所述第十八获得单元用于对所述乳胶产量变化曲线和所述生长环境信息进行匹配度评估，获得第一匹配度评估结果；
108.第十九获得单元，所述第十九获得单元用于根据所述第一匹配度评估结果生成第一调整参数，基于所述第一调整参数获得所述第一影响参数。
109.进一步的，所述装置还包括：
110.第二十获得单元，所述第二十获得单元用于获得橡胶树病虫害图像集合；
111.第二十一获得单元，所述第二十一获得单元用于基于所述病虫害图像集合进行标识有位置特征的病虫害特征集合构建，获得第一构建结果；
112.第二构建单元，所述第二构建单元用于基于所述第一构建结果、所述第一影响参数和标识病虫害识别结果的标识信息构建训练数据集合；
113.第三构建单元，所述第三构建单元用于基于所述训练数据集合进行所述病虫害特征比对模型的构建。
114.进一步的，所述装置还包括：
115.第二十二获得单元，所述第二十二获得单元用于根据所述第一输出结果获得第一识别结果；
116.第二十三获得单元，所述第二十三获得单元用于将所述第一识别结果输入防治手段列表，获得第一病虫害防治手段；
117.第二十四获得单元，所述第二十四获得单元用于基于所述第一病虫害防治手段对所述第一橡胶树进行病虫害防治，通过所述图像采集装置对所述第一橡胶树进行防治阶段性图像采集，获得第二图像采集集合；
118.第二十五获得单元，所述第二十五获得单元用于基于所述第二图像采集集合获得第一反馈参数，通过所述第一反馈参数进行所述病虫害特征比对模型的修正。
119.前述图1实施例一中的一种橡胶树病虫害的智能识别方法的各种变化方式和具体实例同样适用于本实施例的一种橡胶树病虫害的智能识别装置，通过前述对一种橡胶树病虫害的智能识别方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种橡胶树病虫害的智能识别装置的实施方法，所以为了说明书的简洁，在此不再详述。
120.示例性电子设备
121.下面参考图9来描述本技术实施例的电子设备。
122.图9图示了根据本技术实施例的电子设备的结构示意图。
123.基于与前述实施例中一种橡胶树病虫害的智能识别方法的发明构思，本发明还提供一种橡胶树病虫害的智能识别装置，下面，参考图9来描述根据本技术实施例的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，其上存储有计算机程序，该程序被处理器执行时实现前文所述方法的任一方法的步骤。
124.如图9所示，电子设备50包括一个或多个处理器51和存储器52。
125.处理器51可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。
126.存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器51可以运行所述程序指令，以实现上文所述的本技术的各个实施例的方法以及/或者其他期望的功能。
127.在一个示例中，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
128.本发明实施例提供的一种橡胶树病虫害的智能识别方法，其中，所述方法应用于病虫害智能识别系统，所述系统与第一图像采集装置通信连接，所述方法包括：获得第一橡胶树的基础信息；获得所述第一橡胶树的生长环境信息，根据所述基础信息和所述生长环境信息获得所述第一橡胶树的预期生长特征；通过所述第一图像采集装置对所述第一橡胶树进行图像采集，获得第一图像采集结果；根据所述第一图像采集结果进行图像分析，获得所述第一橡胶树的实际生长特征，根据所述实际生长特征和所述预期生长特征进行比对，获得第一影响参数；构建橡胶树的病虫害特征比对模型，将所述第一影响参数和所述第一图像采集结果输入所述病虫害特征比对模型，获得第一输出结果；根据所述第一输出结果进行所述第一橡胶树的病虫害识别防治。解决了现有技术中在进行橡胶树病虫害防治过程中，存在缺少智能化进行橡胶树的病虫害识别，导致进而导致防治不及时/不准确、防治效果差、生态效益低的技术问题，达到基于图像进行橡胶树病虫害的智能、准确的识别，进而进行及时准确的病虫害防治，达到提高防治效果、提高生态效益的技术效果。
129.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用cpu、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本技术而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、u盘、移动硬盘、rom、ram、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本技术各个实施例所述的方法。
130.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
131.所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从计算机可读存储介质向另计算机可读存储介质传输，所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
132.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
133.另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
134.应理解，在本技术实施例中，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。
135.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
136.总之，以上所述仅为本技术技术方案的较佳实施例而已，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。