农业病虫害识别系统数据库设计

前言：想要写出一篇引人入胜的文章？我们特意为您整理了农业病虫害识别系统数据库设计范文，希望能给你带来灵感和参考，敬请阅读。

摘要：本文尝试将传统数据库与微信公众平台的服务号结合，以农业病虫害识别系统为例，实现基于微信公众号的图像数据库建设，为农业种植户搭建了一个便捷的病虫害查询、识别、预测平台。

关键词：微信平台；病虫害；数据库

1引言

智慧农业是物联网技术在现代农业领域的应用，主要是对农作物生长环境信息，如土壤水分和温度、空气温度与湿度、光照强度等参数进行实时监测和监控。除了环境因素，病虫害也经常导致农作物减产或者绝收。如果能对病虫害进行准确的分类识别，对病虫害进行预测预报，就可大大减少农民的损失。如果靠人眼进行识别，存在速度慢、准确性差和信息共享低等缺点。随着数据库技术、图像识别技术和移动互联技术的发展,开发一款基于微信公众号的病虫害识别系统成为可能。微信是腾讯公司推出的一款免费即时网络通信产品，它为个人和组织提供了一对多的自媒体活动平台，简称微信公众号。在该平台可以实现文字、图片、语音、图文链接的全方位沟通和互动。基于农民用户目前智能手机的拥有量、手机操作技能和手机使用习惯，相对动态WEB网页和专门的手机APP软件，借助微信公众号平台开发的查询识别系统将更具方便性和操作性，开发难度相对也较小[1]。病虫害识别系统设计中最关键的就是数据库的设计，特别是图像库的设计；在病虫害诊断中,根据病虫害图像的特征识别出病虫害的种类,可以避免文字描述的主观性。但现有害虫图像库主要存储的是图片,这些图片大部分是在自然场景中拍摄的，害虫的背景图像复杂，这些图片只能由专业人员通过人眼和人脑比对识别害虫，然后对农民施药进行指导。要想达到快速、准确、智慧的机器识别就必须要设计一个科学、合理的图像数据库。

2数据库设计简介

本系统数据采用Oracle11g，具有高性能、伸展性、可用性和安全性，并能在低成本服务器和存储设备组成的网格上运行。数据库的设计内容一般包括：需求分析、概念结构设计、逻辑结构设计、物理结构设计、数据库的实施和数据库的运行和维护[2]。本系统相对较小，数据库设计相对简单，本文重点介绍数据需求分析和逻辑设计。

2.1需求分析

本系统基于深度学习的图像识别云端服务平台，能够通过云计算SPARK框架训练深度学习算法模型，对图像进行目标检测和识别，为客户提供简单易用的图像识别服务，并将目标识别应用到互联网及移动应用场景中。本系统利用微信公众号作为用户的移动互联入口，用户通过此入口上传农作物图像，SPARKAPI实现图像预处理、对图像进行特征提取，最终完成图像识别分类，最后将消息返回给用户；数据库后台可以根据病虫害识别结果，对病虫害发生的区域、时间、农作物种类、病虫害种类、病虫害程度、温度、湿度等纬度进行大数据分析，并对未来病虫害的产生进行预测、预警。同时用户也可以通过该入口进行用户交互和数据访问，如查看历史病虫害发生情况等。

2.2逻辑设计

数据库设计中的逻辑设计按照业务需求和模块需要设计代码表和数据存储表，表设计按标准化第三范式（3NF），达到性能、扩展性和数据完整性方面的最佳平衡。表设计中使用关联字段创建外键，所有的键都必须唯一,外键总是关联唯一的键字段[3]。本系统建立了24个数据列表，分别为：农作物门类、大类、小类、种类代码表4个，农作物病虫害纲类、目类、科类、属类、本体代码表5个，病虫害数据采集表、采集子表2个，病虫害图片预处理、图片颜色特征均值、方差、斜度、纹理特征、形态特征等预处理表6个，病虫害样本、样本颜色特征均值、方差、斜度、纹理特征、形态特征等样本表6个，病虫害识别结果表1个。

2.3物理设计

数据库物理设计是根据特定数据库管理系统所提供的多种存储结构和存取方法，对具体的应用任务选定最合适的物理存储结构,包括文件类型、索引结构、存取方法和存取路径等。首先建立Oracle11g实例NZWBCH，其次是建立表空间TS_BZW-BCH，三是建立BCHFZ用户并分配权限，四是建立各类数据库对象，包括表、索引、视图、序列等，其中表设计是核心内容。以下就是表设计的数据字段举例：（1）农作物门类代码表DM_NZW_ML，该表存储了农作物一级分类，包含了农作物门类代码和门类名称[NZW_ML_DM、CHAR（2）；NZW_ML_MC、VARCHAR2(200)]。同样可以建立农作物大类、小类、种类代码表，农作物病虫害纲类、目类、科类、属类、本体代码表的字段。（2）病虫图像特征值是图像识别的重点。其中病虫图片均值颜色特征表BCH_TZ_YS_JZ存储通过微信上传的病虫图片的颜色特征矩阵，包含了主键、预处理表ID、处理日期、矩阵行次、红色特征值、绿色特征值、蓝色特征值[UUID、VARCHAR2(30)；YCLUUID、VARCHAR2(30)；CLRQ、DATE；HC、NUMBER(5)；JZ_R_TZZ、CLOB；JZ_G_TZZ、CLOB；JZ_B_TZZ、CLOB]。同样可建立病虫图片方差颜色特征表BCH_TZ_YS_FC，该表存储通过微信上传的病虫害数图片的颜色特征矩阵，包含了主键、预处理表ID、处理日期、矩阵行次、红色绿色蓝色方差特征值；病虫图片斜度颜色特征表BCH_TZ_YS_XD，该表存储通过微信上传的病虫害数图片的颜色特征矩阵，包含主键、预处理表ID、处理日期、矩阵行次、红色绿色蓝色斜度特征值；病虫图片均值纹理特征表BCH_TZ_WL，该表存储通过微信上传的病虫害数图片的纹理特征矩阵值，包含了主键、预处理表ID、处理日期、矩阵行次、文理特征值；病虫图片均值形态特征表BCH_TZ_XT，该表存储通过微信上传的病虫害数图片的形态特征值，包含了主键、预处理表ID、处理日期、圆度、偏心率、主轴方向角度；同理病虫害样本、样本颜色特征均值、方差、斜度、纹理特征、形态特征等样本表6个和病虫图片特征值相关表设计相类似。（3）病虫害识别结果表BCH_SBJG，该表存储通过微信上传的病虫害数据识别结果,包含了：主键、数据采集UUID、微信用户ID、病虫害匹配结果、病虫害代码、匹配结果说明、匹配日期、结果返回日期。该表记录了微信公众号最终反馈的信息内容。

2.4系统数据流程

结合需求分析与数据库逻辑和物理设计,数据信息在系统中的流动、处理和存储情况描述如下：病虫数据采集->录入采集情况->上传图片->数据存储在云端数据库中->图像数据预处理(平滑、去噪、增强、分割)->图像特征提取征->存储颜色特征矩阵、纹理特征矩阵和形态特征数据，然后将录入的图形特征值与样本特征值进行匹配。如果匹配成功，将存储匹配成功的结果向微信用户推送，并提出防治意见。同时后台存储微信用户反馈匹配的正确结果和防治的结果，进行病虫害大数据分析。如果匹配失败，返回失败信息并存储无法匹配的结果。

3结束语

本系统通过微信平台采集病虫害的数据，用图像识别的技术对病虫害数据进行识别、反馈，具有极高的社会价值和商业价值。在系统使用多年以后，病虫害数据会大量存储，算法也会随着系统的升级而优化，用户的反馈对图像匹配进行评价，进而改进样本数据，提高识别的准确性。大数据分析按照病虫害发生的区域、温度、湿度、时间、农作物种类和严重程度，病虫害防治的效果等进行分类分析、趋势分析、防治分析，可对病虫害的发生进行预测，农业公共部门可指导相关部门进行病虫害防治，农药生产部门可根据历史数据改进农药生产，根据预测数据开展农药生产。而这一切的基础是数据库的合理设计。

参考文献：

[1]宗燕燕.基于微信公众平台的图书馆特色数据库建设[J].图书馆工作与研究,2016(9):59.

[2]李熔明.基于智能终端微信中的腾讯智慧校园数据库设计[J].电脑迷,2017(11):170.

[3]周运姐.基于微信端数字化城市信息管理系统数据库设计与实现[J].电子商务,2017(3):51.

作者:施纪红 单位:苏州健雄职业技术学院电子信息学院