摘要 水稻病蟲害是影響水稻產(chǎn)量與質(zhì)量的重要因素之一，加強病蟲害的防治意義重大。從需求分析、技術(shù)系統(tǒng)架構(gòu)、功能模塊3個方面詳細闡述了水稻病蟲害檢測預(yù)警平臺的研發(fā)過程，通過周圍環(huán)境信息與圖像識別技術(shù)實現(xiàn)了水稻病蟲害監(jiān)測預(yù)警功能，提升了水稻病蟲害防治效率。分析和調(diào)研發(fā)現(xiàn)，水稻病蟲害檢測預(yù)警平臺仍然存在一些問題，未來將從增強系統(tǒng)的地域適應(yīng)性、提高小型害蟲的識別效果、構(gòu)建高質(zhì)量農(nóng)業(yè)病蟲害數(shù)據(jù)集3個方面開展進一步研究。

關(guān)鍵詞 水稻病蟲害；圖像識別；監(jiān)測；預(yù)警

中圖分類號 S 126 文獻標識碼 A 文章編號 0517-6611（2024）16-0211-06

doi：10.3969/j.issn.0517-6611.2024.16.045

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Research and Development of Rice Disease and Pest Monitoring Platform Based on Computer Vision

GUAN Bo-lun， DONG Wei， ZHANG Li-ping et al

（Institute of Agricultural Economy and Information， Anhui Academy of Agricultural Sciences， Hefei， Anhui 230031）

Abstract Rice diseases and pests are one of the important factors affecting rice yield and quality. It is of great significance to strengthening the prevention and control of diseases and pests. The article elaborates on the development process of a rice pest detection and warning platform from three aspects of demand analysis， technical system architecture and functional modules. Through the use of surrounding environmental information and image recognition technology， the rice pest detection and warning function was achieved， improving the efficiency of rice pest prevention and control. After analysis and research， it was found that there were still some problems with the rice pest detection and warning platform. In the future， in-depth research could be conducted from three aspects of enhancing the regional adaptability of the system， improving the recognition effect of small pests and constructing high-quality agricultural pest and disease datasets.

Key words Rice pests and diseases；Image recognition；Monitor；Warning

基金項目 安徽省財政農(nóng)業(yè)科技成果轉(zhuǎn)化項目“高產(chǎn)優(yōu)質(zhì)抗逆水稻新品種成果轉(zhuǎn)化”（2022ZH001）；安徽省農(nóng)業(yè)科學(xué)院科研計劃項目“農(nóng)業(yè)智能化技術(shù)研發(fā)中心”（2023YL014）。

作者簡介 管博倫（1993—），男，安徽蚌埠人，研究實習(xí)員，碩士，從事數(shù)據(jù)挖掘、農(nóng)業(yè)信息化研究。*通信作者，副研究員，碩士，從事農(nóng)業(yè)信息化研究。

收稿日期 2023-09-13

我國是一個農(nóng)業(yè)大國，水稻是我國主要的糧食作物之一，國家統(tǒng)計局數(shù)據(jù)顯示，2022年我國水稻種植面積和總產(chǎn)量分別為2 945.01萬hm²、20 849.5萬t^［1］，其質(zhì)量和產(chǎn)量與國家糧食安全息息相關(guān)。然而，農(nóng)業(yè)病蟲害往往會嚴重影響作物產(chǎn)量和質(zhì)量，因此及時精準進行農(nóng)作物病蟲害防治意義重大^［2］。傳統(tǒng)的農(nóng)業(yè)病蟲害防治往往利用人工進行田間調(diào)查進行測報，這一方式需要大量人力物力的投入，工作效率低下^［3］，若不及時發(fā)現(xiàn)和防治、藥物使用不當(dāng)?shù)葧λ旧a(chǎn)和生態(tài)環(huán)境造成嚴重影響。近年來，農(nóng)業(yè)物聯(lián)網(wǎng)與信息技術(shù)的發(fā)展使得傳統(tǒng)農(nóng)業(yè)與信息化結(jié)合成為了可能^［4］，通過傳感器采集到的溫度、降水、光照、風(fēng)速、風(fēng)向等數(shù)據(jù)對蟲害的發(fā)生進行監(jiān)測和分析，可以有效緩解人力成本不足的問題。通過農(nóng)業(yè)病蟲害檢測預(yù)警信息化平臺對農(nóng)業(yè)病蟲害進行防治，提高農(nóng)作物的質(zhì)量與產(chǎn)量已經(jīng)成為目前重要的研究方向^［5］。

近年來，將物聯(lián)網(wǎng)、人工智能和通信技術(shù)應(yīng)用于植物保護領(lǐng)域，研制出的智能識別蟲情測報燈，一定程度上減輕了基層部門害蟲測報的工作，提高了測報效率，在蟲情監(jiān)測預(yù)警方面具有良好的應(yīng)用前景。目前，國內(nèi)外學(xué)者研究多集中在病蟲害發(fā)生早期監(jiān)測、發(fā)生嚴重程度預(yù)警分析以及多種病蟲害檢測識別方面^［6］。黃沖等^［7］研發(fā)的馬鈴薯晚疫病監(jiān)測系統(tǒng)基于CARAH模型，通過采集田間小氣候數(shù)據(jù)信息實現(xiàn)對馬鈴薯晚疫病進行分析與預(yù)警。宋瑞等^［8］利用大田中環(huán)境因子數(shù)據(jù)，結(jié)合赤霉病初始菌原量構(gòu)建了小麥赤霉病預(yù)警監(jiān)測系統(tǒng)，該系統(tǒng)已經(jīng)在多地進行推廣和試驗。劉萬才等^［9］提出一款由多家研究機構(gòu)合作研發(fā)的農(nóng)作物移動智能采集設(shè)備，該設(shè)備實現(xiàn)了數(shù)據(jù)自動采集、病蟲害識別、病蟲害計數(shù)及病蟲害發(fā)生程度評估等功能，更方便用于數(shù)據(jù)的獲取。在病蟲害智能檢測預(yù)警系統(tǒng)也是構(gòu)成精準變量施藥技術(shù)的重要支撐技術(shù)之一^［10］；王志彬等^［11］基于農(nóng)業(yè)病蟲害檢測系統(tǒng)研發(fā)了一款可遠程控制的設(shè)施蔬菜綠色防控植保機，對設(shè)施蔬菜病蟲害進行綠色防控。

水稻病蟲害智能監(jiān)測預(yù)警平臺是智慧植保的重要組成部分之一^［12］，害蟲測報是植物保護的基礎(chǔ)性工作，蟲情測報燈作為常用測報工具在害蟲測報工作中發(fā)揮著重要作用。因此，開發(fā)一種現(xiàn)代化、有效的水稻病蟲害監(jiān)測系統(tǒng)，對于提高水稻生產(chǎn)的質(zhì)量和效率、保障國家糧食安全具有重要意義。鑒于此，筆者從需求分析、技術(shù)系統(tǒng)架構(gòu)、功能模塊3個方面詳細闡述了水稻病蟲害檢測預(yù)警平臺的研發(fā)過程，通過周圍環(huán)境信息與圖像識別技術(shù)實現(xiàn)了水稻病蟲害監(jiān)測預(yù)警功能，提升了水稻病蟲害防治效率。

1 功能需求

水稻病蟲害智能監(jiān)測預(yù)警平臺主要在戶外自然大田環(huán)境進行信息數(shù)據(jù)的采集。在技術(shù)方面，項目主要采用圖像識別技術(shù)、數(shù)據(jù)采集技術(shù)、數(shù)據(jù)分析技術(shù)、預(yù)警通知技術(shù)、數(shù)據(jù)庫技術(shù)和數(shù)據(jù)存儲技術(shù)等。主要的功能需求包括：①病蟲害智能識別功能。系統(tǒng)能準確識別水稻的各種病蟲害，包括其癥狀、特點和生活習(xí)性。該功能需要通過整合圖像識別技術(shù)和機器學(xué)習(xí)算法實現(xiàn)。②實時監(jiān)測功能。系統(tǒng)應(yīng)能在不同的時間和天氣條件下，對水稻進行24 h的實時監(jiān)測。這需要使用各種傳感器（如溫度、濕度、光照等）以及圖像視頻捕捉設(shè)備。③數(shù)據(jù)分析功能。系統(tǒng)需要對收集的數(shù)據(jù)進行分析，包括病蟲害的發(fā)生頻率、擴散趨勢、對水稻的影響等，這將需要強大的數(shù)據(jù)處理和機器學(xué)習(xí)算法。④預(yù)警通知功能。系統(tǒng)應(yīng)根據(jù)分析結(jié)果，在出現(xiàn)病蟲害風(fēng)險時，及時向農(nóng)民發(fā)出預(yù)警。預(yù)警方式可以是手機APP通知，或者是通過電子郵件或短信。⑤病蟲害知識庫功能?；诨ヂ?lián)網(wǎng)的系統(tǒng)，專門用于存儲、管理和檢索水稻病蟲害相關(guān)信息。它存儲了各種病蟲害的信息，包括病原、癥狀、傳播途徑和防治方法。用戶可以使用多種檢索和查詢功能，根據(jù)關(guān)鍵詞、病蟲害類型和癥狀描述等快速找到所需信息。⑥數(shù)據(jù)存儲與追溯功能。系統(tǒng)應(yīng)能存儲和分析歷史數(shù)據(jù)，以了解病蟲害的發(fā)生規(guī)律，為未來的防治提供參考。

針對上述功能需求，按照信息處理的完整流程（采集、存儲、分析、處理和顯示），通過現(xiàn)代化的信息手段，研發(fā)了一種能夠?qū)崟r監(jiān)測和預(yù)警水稻病蟲害的發(fā)生、傳播和擴散趨勢的系統(tǒng)。該系統(tǒng)將采集到的信息處理后，可以提供及時的防治建議，以減少病蟲害的危害，提高水稻的產(chǎn)量和品質(zhì)，提高水稻病蟲害防治的及時性和有效性，降低農(nóng)業(yè)生產(chǎn)成本，提高農(nóng)業(yè)生產(chǎn)的效率和效益，同時也有助于保護農(nóng)業(yè)生態(tài)環(huán)境和促進農(nóng)業(yè)可持續(xù)發(fā)展。通過運用移動互聯(lián)網(wǎng)的強大優(yōu)勢，實現(xiàn)病蟲害監(jiān)測信息高效準確采集、存儲及顯示過程，為農(nóng)業(yè)病蟲害信息監(jiān)測系統(tǒng)的完善提供參考。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)架構(gòu)

水稻病蟲害監(jiān)測預(yù)警平臺系統(tǒng)架構(gòu)如圖1所示，基礎(chǔ)設(shè)備層提供了大田環(huán)境數(shù)據(jù)采集和數(shù)據(jù)存儲的功能，蟲情測報燈用以采集田間水稻害蟲高清圖像數(shù)據(jù)，高清攝像頭利用自動巡檢功能采集水稻葉面病害圖像數(shù)據(jù)，微型氣象站中可以采集到風(fēng)向風(fēng)速數(shù)據(jù)、空氣濕度數(shù)據(jù)、降雨量數(shù)據(jù)以及溫度數(shù)據(jù)，土壤墑情站利用土肥傳感器采集土壤中的肥料數(shù)據(jù)，最后將采集到的數(shù)據(jù)分類匯總存儲到云服務(wù)器中保存。網(wǎng)絡(luò)通信層由不同的基礎(chǔ)網(wǎng)絡(luò)和網(wǎng)絡(luò)設(shè)備構(gòu)成，主要用來傳輸基礎(chǔ)設(shè)備所采集到的多模態(tài)數(shù)據(jù)^［13］。系統(tǒng)應(yīng)用層實現(xiàn)水稻病蟲害監(jiān)測預(yù)警的關(guān)鍵功能，對存儲設(shè)備上的時間流數(shù)據(jù)進行分析，將病蟲害的發(fā)生時間分布和地理位置分布按照發(fā)生的嚴重程度進行直觀分析 ^［14］，視頻監(jiān)控系統(tǒng)主要完成葉面病害的信息處理，地理信息系統(tǒng)結(jié)合其他系統(tǒng)提供相應(yīng)的位置信息支持，物聯(lián)網(wǎng)監(jiān)測系統(tǒng)負責(zé)分析處理時刻產(chǎn)生的環(huán)境數(shù)據(jù)，智能蟲體識別系統(tǒng)將蟲情測報燈采集到的圖像進行智能識別，數(shù)據(jù)處理預(yù)警負責(zé)對數(shù)據(jù)進行分類匯總進行預(yù)處理，將識別好的圖像信息與其他環(huán)境信息進行多模態(tài)融合，進行預(yù)警測報。終端策略層將系統(tǒng)應(yīng)用層中分析的結(jié)果以多種方式反饋給用戶，進行全系統(tǒng)的邏輯管理與相應(yīng)的信息反饋。

2.2 技術(shù)架構(gòu)

系統(tǒng)基于java語言開發(fā)，服務(wù)層選用的是SpringBoot+MyBatis，前端選擇Vue框架的前后端分離技術(shù)框架，數(shù)據(jù)庫基于MySQL進行開發(fā)，如圖2所示。

Vue是一款流行的開源前端框架，具有容易上手、靈活性高、復(fù)雜性低等優(yōu)勢^［15］，深受前端開發(fā)者青睞。Vue只關(guān)注前端的視圖層，采用漸進式的框架極大地提高了前端開發(fā)效率。Vue采用的局部刷新策略，不需要每次對DOM和所有的數(shù)據(jù)進行請求，也大大提高了訪問速度、優(yōu)化了用戶的體驗^［16］。Vue主要特點包括：①遵循MVVM（Model-View-ViewModel）模式，對模型層和視圖層進行分離；②組件化開發(fā)模式，對前端中的功能模塊分別組裝到一個一個單獨的組件中，開發(fā)時只需要在標簽中傳入相應(yīng)的參數(shù)就可以實現(xiàn)組件功能，提升了項目的可維護性；③對DOM進行虛擬化，原生的DOM操作需要頻繁的操作DOM樹，導(dǎo)致頁面瀏覽不暢，而虛擬化的DOM利用預(yù)操作處理，將多個DOM操作保存起來，在最后統(tǒng)一由真實DOM進行處理，增加了系統(tǒng)的流暢性。

SpringBoot框架是java語言中一款最流行的開源框架，是基于經(jīng)典的Spring框架升級而來^［17］。它繼承了Spring框架的核心功能，比如依賴注入的編程和面向切面的編程（AOP），在繼承Spring框架功能的同時，增加了一些新的方法來簡化Spring的開發(fā)過程，具有“開箱即用”的優(yōu)點。SpringBoot框架的主要組成部分包括：①Spring Framework，該部分允許開發(fā)者在xml配置文件中配置相關(guān)的依賴后使用Spring框架的一些功能，極大豐富了開發(fā)工具；②Spring Boot Starter，該模塊包含了基礎(chǔ)的必須依賴和配置信息，開發(fā)者只需要使用Spring Boot Web就可以快速開始一個Web程序；③Spring Boot DevTools，該模塊屬于簡便快發(fā)工具，提供了一些簡便用戶開發(fā)的功能，如熱部署工具可以幫助開發(fā)者靈活迅速調(diào)試程序^［18］。

MyBatis是一種數(shù)據(jù)持久化的框架，其主要作用是封裝了JDBC等操作數(shù)據(jù)庫的過程，開發(fā)者只需要寫好SQL語句，而無需關(guān)注與數(shù)據(jù)庫連接，如注冊、連接、釋放資源等復(fù)雜操作。用戶只需要關(guān)注MyBatis的核心配置文件和映射文件，核心配置文件中定義了數(shù)據(jù)庫連接操作、數(shù)據(jù)源、數(shù)據(jù)庫連接池、事務(wù)處理等，映射文件中定義了操作數(shù)據(jù)庫的SQL語句、映射的JavaBean類以及輸出結(jié)果集^［19］。

MySQL是一種建立在關(guān)系模型之上的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)（database managements system，DBMS）。數(shù)據(jù)庫借助數(shù)學(xué)中集合的操作方法來處理數(shù)據(jù)庫中記錄的數(shù)據(jù)，使數(shù)據(jù)更能夠有效、方便查詢和存儲^［20］。其作用是將數(shù)據(jù)存儲在硬盤上，對其進行系統(tǒng)化的管理，在其內(nèi)部設(shè)置了容量小但速度快的高速緩沖區(qū)，盡可能避免I/O速度與CPU速度不匹配的現(xiàn)象發(fā)生^［21］。

為了配合各框架之間更有效的傳遞數(shù)據(jù)流，在整個技術(shù)架構(gòu)中還引入了其他一些技術(shù)支持。Redis二級緩存是高性能基于內(nèi)存的鍵值對數(shù)據(jù)庫，減少MySQL的訪問次數(shù)加快了請求的響應(yīng)式速度^［22］。Kafka和zookeeper是流行的分布式應(yīng)用程序，解決了分布式程序中數(shù)據(jù)一致性的問題^［23］。使用開源輕量級的Activiti工作流引擎來實現(xiàn)無狀態(tài)服務(wù)調(diào)度算法^［24］。

2.3 功能模塊

依據(jù)功能需求和系統(tǒng)架構(gòu)，系統(tǒng)中包含如下功能：①基地管理。具備多基地管理能力，可以管理基地名稱、地址經(jīng)緯度、聯(lián)系人面積等。②設(shè)備管理。接入設(shè)備的對接與管理，可以接入不同的供應(yīng)商的不同設(shè)備，并綁定到對應(yīng)的基地。③視頻管理。管理接入的視頻品牌、序列號、類型、路數(shù)和遠程控制功能以及手動截圖保存到云存儲。④傳感器管理?？梢詫硬煌放茝S商的傳感器，并設(shè)置對應(yīng)的監(jiān)測項目以及數(shù)值單位，支持自定義圖片和顏色。⑤圖表管理。為監(jiān)測的數(shù)值提供可視化圖表展示的功能，支持自定義時間查詢和展示數(shù)據(jù)，支持數(shù)據(jù)對比分析。⑥微信小程序。小程序具有便捷、易用、跨平臺、數(shù)據(jù)共享等優(yōu)勢。用戶無需下載安裝，只需在微信或其他小程序平臺搜索系統(tǒng)名稱即可使用。界面簡潔，操作簡單且提供多種功能，如數(shù)據(jù)查詢、預(yù)警通知和在線咨詢等。⑦可視化大屏?？梢詫⑾到y(tǒng)收集的環(huán)境數(shù)據(jù)和病蟲害發(fā)生情況直觀地展示在大型屏幕上，方便用戶全面了解水稻的生長環(huán)境和病蟲害發(fā)生情況。大屏可以展示實時的數(shù)據(jù)曲線圖和歷史數(shù)據(jù)報表，用戶可以隨時查看水稻的生長狀態(tài)和病蟲害發(fā)生情況，并根據(jù)數(shù)據(jù)分析結(jié)果采取相應(yīng)的防治措施，提高水稻生產(chǎn)的效率和質(zhì)量。⑧用戶管理。用戶是系統(tǒng)操作者，該功能主要完成系統(tǒng)用戶配置。

3 平臺運行原型圖

圖3列舉了系統(tǒng)中微型氣象站采集到的風(fēng)向、風(fēng)速、光照度、空氣溫度、空氣濕度、大氣壓強和降水量數(shù)據(jù)，這些數(shù)據(jù)是蟲情測報的環(huán)境信息。圖4為系統(tǒng)中的數(shù)據(jù)對比功能，用戶可以選擇不同類型的數(shù)據(jù)，在不同時間窗口進行數(shù)值對比，可以清楚地反映出不同時間窗口的數(shù)據(jù)差異。

圖5和6為系統(tǒng)的蟲害檢測功能。從圖5可以看出，圖像識別算法對大量的水稻病蟲害數(shù)據(jù)集訓(xùn)練后，可將背板上的稻飛虱和二化螟準確的檢測識別出來。從圖6可以看出，系統(tǒng)利用后臺的病蟲害檢測識別算法能識別出害蟲的種類，并進行計數(shù)。餅狀圖顯示某個時間窗口稻縱卷葉螟、二化螟、稻飛虱、黏蟲和大螟的數(shù)量分布，折線圖可以直觀反映所選中的時期內(nèi)不同種類害蟲的走勢，柱狀圖更加直觀反映了某一天不同害蟲的數(shù)量。用戶利用這些圖表可以快速判斷不同種類害蟲的增長趨勢，決定是否施藥。

圖7列出了為系統(tǒng)中的病蟲害知識庫功能，知識庫對農(nóng)業(yè)病蟲害知識進行整合，對知識進行轉(zhuǎn)化和共享，對用戶用藥進行科學(xué)的指導(dǎo)。用戶可以使用該功能搜索病蟲害的介紹和相應(yīng)的防治措施，為農(nóng)藥選擇提供重要參考。

4 總結(jié)

該研究分析了水稻病蟲害檢測預(yù)警平臺的重要作用，通過需求分析和總體技術(shù)架構(gòu)設(shè)計進一步闡明了系統(tǒng)平臺的功能結(jié)構(gòu)。該平臺通過采集周圍環(huán)境數(shù)據(jù)和病蟲害圖像數(shù)據(jù)，對水稻病蟲害進行檢測預(yù)警，提高了病蟲害防治效率。但是經(jīng)測試可以發(fā)現(xiàn)，該水稻病蟲害檢測預(yù)警平臺也存在一些問題。①地域適應(yīng)性不夠。害蟲的發(fā)生具有明顯的地域性，而且隨著農(nóng)業(yè)生態(tài)環(huán)境的變化，害蟲種群也在不斷變化，一些次要害蟲有上升為主要害蟲的趨勢。例如，安徽省部分地區(qū)大螟的發(fā)生量要大于二化螟的發(fā)生量，而部分檢測系統(tǒng)對二化螟的識別率要顯著高于大螟。②對部分小型昆蟲難以識別。稻飛虱是水稻的重要害蟲，也可以危害玉米和小麥，由于體型微小，智能蟲情測報燈常因難以拍清或識別算法性能不夠，而將稻飛虱作為一類，混雜在一起進行識別計數(shù)。③數(shù)據(jù)集質(zhì)量不高。農(nóng)業(yè)病蟲害檢測識別模型的優(yōu)劣，不僅取決于識別算法的研究，更取決于病害蟲圖像數(shù)據(jù)集的構(gòu)建。由于部分害蟲圖像存在小型昆蟲難以分辨、種間相似度大、蟲體姿態(tài)不佳難以鑒定等情況，常導(dǎo)致圖像樣本標注錯誤，大類與子類混合標注，從而導(dǎo)致識別正確率難以滿足生產(chǎn)需求。準確高效地識別水稻病蟲害是亟待解決的問題^［25］，未來團隊將從以上3個方面開展研究，進一步提高水稻病蟲害檢測預(yù)警平臺的使用性能。

參考文獻

［1］ 國家統(tǒng)計局.國家統(tǒng)計局關(guān)于 2022 年糧食產(chǎn)量數(shù)據(jù)的公告［EB/OL］.（2022-12-12）［2023-02-21］.http：//www.stats.gov.cn/tjsj./zxfb/202212/t20221209_1890914.html.

［2］ 張凝，楊貴軍，趙春江，等.作物病蟲害高光譜遙感進展與展望［J］.遙感學(xué)報，2021，25（1）：403-422.

［3］ 李敏，孫留濤，孫散日.農(nóng)作物病蟲害信息化監(jiān)測預(yù)警關(guān)鍵技術(shù)［J］.農(nóng)業(yè)工程技術(shù)，2023，43（8）：29-30.

［4］ 王嘉偉.基于物聯(lián)網(wǎng)技術(shù)的農(nóng)業(yè)精準化管控系統(tǒng)試驗［J］.農(nóng)業(yè)科技與裝備，2020（4）：53-54.

［5］ 譚誠濤.淺談農(nóng)業(yè)病蟲害監(jiān)測預(yù)警信息技術(shù)鏈 ［J］.農(nóng)業(yè)工程技術(shù)，2021，41（6）：64-65.

［6］ 趙春江.農(nóng)業(yè)知識智能服務(wù)技術(shù)綜述［J］.智慧農(nóng)業(yè)，2023，5（2）：126-148.

［7］ 黃沖，劉萬才，張君.馬鈴薯晚疫病物聯(lián)網(wǎng)實時監(jiān)測預(yù)警系統(tǒng)平臺開發(fā)及應(yīng)用［J］.中國植保導(dǎo)刊，2015，35（12）：45-48.

［8］ 宋瑞，王嘉薈，袁冬貞，等.小麥赤霉病自動監(jiān)測預(yù)警系統(tǒng)應(yīng)用效果評價［J］.植物保護，2020，46（3）：215-219.

［9］ 劉萬才，陸明紅，黃沖，等.基于植保大數(shù)據(jù)的病蟲害移動智能采集新設(shè)備［J］.植物醫(yī)生，2020，33（1）：59-64.

［10］ 楊征鶴，楊會民，喻晨，等.設(shè)施蔬菜自動對靶噴藥技術(shù)研究現(xiàn)狀與分析［J］.新疆農(nóng)業(yè)科學(xué)，2021，58（8）：1547-1557.

［11］ 王志彬，喬曉軍，劉智，等.設(shè)施蔬菜臭氧植保機設(shè)計與試驗［J］.農(nóng)業(yè)機械學(xué)報，2021，52（5）：293-300.

［12］ 王海光.智慧植保及其發(fā)展建議［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2022，27（10）：1-21.

［13］ 朱伊平，管孝鋒，黃海龍，等.農(nóng)業(yè)病蟲害遠程診斷平臺［J］.浙江農(nóng)業(yè)科學(xué)，2020，61（9）：1819-1820，1832.

［14］ 李艷紅，樊同科.農(nóng)業(yè)病蟲害監(jiān)測預(yù)警平臺設(shè)計［J］.農(nóng)業(yè)工程，2020，10（2）：29-32.

［15］ 張浩洋，顧丹鵬，陳肖勇.基于Vue的數(shù)據(jù)管理平臺實踐與應(yīng)用［J］.計算機時代，2022（7）：66-67，72.

［16］ 管博倫，劉桂民，董偉，等.安徽省地方品種豬智慧管理平臺研發(fā)［J］.農(nóng)業(yè)大數(shù)據(jù)學(xué)報，2021，3（4）：51-58.

［17］ 黃俊勇.基于Spring框架的研究與設(shè)計［J］.電腦知識與技術(shù)，2018，14（3）：116-117，120.

［18］ 銀莉，杜嘯楠.基于SpringBoot和Vue的校園積分系統(tǒng)的設(shè)計與實現(xiàn)［J］.集成電路應(yīng)用，2023，40（7）：414-415.

［19］ 歐陽宏基，葛萌，程海波.MyBatis框架在數(shù)據(jù)持久層中的應(yīng)用研究［J］.微型電腦應(yīng)用，2023，39（1）：73-75.

［20］ 姜宗林，李志軍，顧海軍.融合知識表示的關(guān)系型數(shù)據(jù)庫操作框架［J］.計算機科學(xué)，2022，49（S2）：280-288.

［21］ 王楠，吳云.MySQL緩沖區(qū)自適應(yīng)管理仿真研究［J］.計算機應(yīng)用研究，2023，40（4）：1154-1159.

［22］ 唐材源.面向多源動態(tài)環(huán)境的視頻直播推薦系統(tǒng)設(shè)計與實現(xiàn)［D］.武漢：華中科技大學(xué)，2020.

［23］ 李亞君.基于SSM框架的B2C電子商城系統(tǒng)的設(shè)計與實現(xiàn)［D］.合肥：合肥工業(yè)大學(xué)，2022.

［24］ 林國丹，黃欽開，余陽，等.Activiti引擎的無狀態(tài)云工作流調(diào)度算法［J］.計算機集成制造系統(tǒng)，2020，26（6）：1456-1464.

［25］ 潘晨露，張正華，桂文豪，等.融合 ECA 機制與 DenseNet201 的水稻病蟲害識別方法［J］.智慧農(nóng)業(yè)，2023，5（2）：45-55.