基于深度学习的贵州辣椒蚜虫发生气象条件预测模型初报

作     者：刘凯歌 吴康云 邢丹 宋敏 牟玉梅 李明 LIU Kaige;WU Kangyun;XING Dan;SONG Min;MU Yumei;LI Ming

作者机构：贵州春芯科技有限公司贵阳550081 贵州省农业科学院辣椒研究所贵阳550025 北京市农林科学院信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程研究中心/中国气象局-农业农村部都市农业气象服务中心/农业农村部农产品冷链物流技术重点实验室(北京)北京100097 石河子大学农学院/特色果蔬栽培生理与种质资源利用兵团重点实验室新疆石河子832003 

出 版 物：《辣椒杂志》 (Journal of China Capsicum)

年 卷 期：2022年第20卷第1期

页      面：18-22,35页

学科分类：09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 

基　　金：国家重点研发计划项目(SQ2020YFF0418305) 贵州省科技支撑项目(黔科合支撑一般264) 

主　　题：辣椒 蚜虫 深度学习 农业气象 预测 

摘      要：贵州是我国辣椒主产区,受大气环流与山区地形的影响,当地降雨多、日照少,病虫害发生严重,导致辣椒减产、品质下降。蚜虫作为辣椒高发虫害之一,影响辣椒正常生长,传播病毒,危害极大。为了准确预测蚜虫的发生,最大限度地降低蚜虫对辣椒的危害,通过采集辣椒生长期间气象数据,结合人工调查的蚜虫发生情况,基于长短期记忆神经网络(LSTM,Long Short-Term Memory),构建了蚜虫发生预测模型。结果显示:预测准确度为87%,预测发生精准率为92%,预测发生召回率为93%,预测发生F_(1)分值为92%,模型精度较高,可为辣椒蚜虫预测研究提供参考,进而为辣椒种植及时采取防治蚜虫措施提供技术支撑与决策支持。