19、基于物联网和机器学习的农业作物健康管理与业务模型

基于物联网和机器学习的农业作物健康管理与业务模型

1. 农业现状与问题

农业是社会的支柱，满足人类基本生活需求。印度气候适宜农作物生长，为农业发展提供了良好平台。然而，农业在技术支持方面存在不足，这影响了作物质量的提升和国家的健康发展。农民面临的一个主要问题是，他们的经济收益与外部市场之间存在巨大差距，导致他们难以预估通货膨胀率，最终陷入困境，甚至出现农民自杀等悲剧。

以棉花作物为例，由于气候变化，棉花面临着严重的真菌、细菌和病毒疾病，这些疾病在10到20年前并不常见。及时发现病害对于控制疾病传播和拯救作物至关重要。传统的肉眼识别病害方式不仅困难，而且往往在病害广泛传播后才被发现，导致作物大量损失。此外，槟榔叶树在2 - 3年的生命周期中，可能会面临叶斑病、白粉病等问题，这些问题会降低叶片质量，减少市场供应量，给农民带来巨大损失。叶腐病也是一个严重问题，由病原体攻击引起，可能导致30 - 100%的产量损失。

2. 相关研究进展

2.1 植物病害识别技术

• Sujatha等人 ：提出使用MATLAB识别植物病害的技术，包括图像捕获、对比度增强、图像转换、特征提取等步骤，并结合k - 均值聚类进行病害识别。该方法比肉眼识别更有效，能在病害早期发现并控制，维持作物产量，且所需硬件和成本较低。
• Dubey等人 ：强调彩色图像分割在识别棉花叶病害中的重要性。通过测量叶片粗糙度来区分健康和感染叶片，使用简单线性迭代聚类对叶片图像进行分类，结合灰度共生矩阵进行图像提取，利用支持向量机（SVM）将叶片分为链格孢菌、细菌、白粉虱感染和健康