病害预测方法、装置、电子设备和存储介质

技术领域

本发明涉及农业智能监测技术领域，尤其涉及一种病害预测方法、装置、电子设备和存储介质。

背景技术

随着科技的迅速发展，对作物的产量和质量有了更高的要求。为增加作物产量，以及提升作物质量，需要对作物的病害进行预测，从而减少病害对作物的影响，确保作物生产安全。

目前，大多通过病害预测模型进行病害预测，然而，病害预测模型需要基于实地调查的样本数据进行训练，样本数据获取困难，需要耗费大量的人力物力，并耗费大量的时间，从而无法获取大量的样本数据，导致病害预测模型的预测准确性降低。

发明内容

本发明提供一种病害预测方法、装置、电子设备和存储介质，用以解决现有技术中病害预测准确性低的缺陷，实现高准确性的病害预测。

本发明提供一种病害预测方法，包括：

确定待预测病害，以及所述待预测病害对应的待预测数据；

将所述待预测数据输入至所述待预测病害对应的病害预测模型，得到所述病害预测模型输出的病害预测结果；

其中，所述病害预测模型是基于样本预测数据和所述样本预测数据对应的样本病害预测结果训练得到的，所述样本预测数据是基于所述待预测病害对应的文献数据确定得到的。

根据本发明提供的一种病害预测方法，所述样本预测数据是基于如下步骤确定：

获取病害检索指令；

基于所述病害检索指令指示的目标病害和检索关键词，获取所述目标病害对应的文献数据，所述目标病害为所述待预测病害；

基于所述文献数据，确定所述样本预测数据。

根据本发明提供的一种病害预测方法，所述基于所述文献数据，确定所述样本预测数据，包括：

基于所述目标病害和所述检索关键词，对所述文献数据进行筛选，得到所述目标病害和所述检索关键词对应的匹配数据；

基于所述匹配数据，确定所述样本预测数据。

根据本发明提供的一种病害预测方法，所述基于所述目标病害和所述检索关键词，对所述文献数据进行筛选，得到所述目标病害和所述检索关键词对应的匹配数据，包括：

从所述文献数据中确定出所述目标病害或所述检索关键词对应的目标关键词；

基于所述目标关键词，对所述文献数据进行筛选，得到所述目标关键词对应的匹配数据。

根据本发明提供的一种病害预测方法，所述基于所述目标关键词，对所述文献数据进行筛选，得到所述目标关键词对应的匹配数据，包括：

显示所述目标关键词，并获取所述目标关键词对应的检查指令；

基于所述检查指令，对所述目标关键词进行筛选，得到检查关键词；

基于所述检查关键词，对所述文献数据进行筛选，得到所述检查关键词对应的匹配数据。

根据本发明提供的一种病害预测方法，所述病害预测模型是基于如下步骤训练：

基于所述样本病害预测结果，对所述样本预测数据进行筛选，得到关键因子数据；

基于所述关键因子数据和所述样本病害预测结果，对所述病害预测模型进行训练。

根据本发明提供的一种病害预测方法，所述基于所述样本病害预测结果，对所述样本预测数据进行筛选，得到关键因子数据，包括：

确定所述样本预测数据的各数据类型的数据量；

基于预设数据量阈值和所述数据量，对所述样本预测数据进行筛选，得到筛选数据；

基于所述样本病害预测结果，对所述筛选数据进行筛选，得到关键因子数据。

本发明还提供一种病害预测装置，包括：

确定模块，用于确定待预测病害，以及所述待预测病害对应的待预测数据；

预测模块，用于将所述待预测数据输入至所述待预测病害对应的病害预测模型，得到所述病害预测模型输出的病害预测结果；

其中，所述病害预测模型是基于样本预测数据和所述样本预测数据对应的样本病害预测结果训练得到的，所述样本预测数据是基于所述待预测病害对应的文献数据确定得到的。

本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述病害预测方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述病害预测方法。

本发明提供的病害预测方法、装置、电子设备和存储介质，确定待预测病害，以及待预测病害对应的待预测数据；将待预测数据输入至待预测病害对应的病害预测模型，得到病害预测模型输出的病害预测结果。通过上述方式，可以通过病害预测模型进行病害预测，该病害预测模型是基于样本预测数据和该样本预测数据对应的样本病害预测结果训练得到的，且该样本预测数据是基于待预测病害对应的文献数据确定得到的，从而基于文献数据所包括的大量历史数据，可以训练得到准确性较高的病害预测模型，并且无需耗费大量的人力物力，节省时间并减少资源浪费，从而确保效率和成本的同时，可以提高病害预测模型的病害预测准确性。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的病害预测方法的流程示意图之一；

图2为本发明提供的病害预测方法的流程示意图之二；

图3为本发明提供的病害预测方法的流程示意图之三；

图4为本发明提供的病害预测装置的结构示意图；

图5为本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

随着科技的迅速发展，对作物的产量和质量有了更高的要求。为增加作物产量，以及提升作物质量，需要对作物的病害进行预测，从而减少病害对作物的影响，确保作物生产安全。

目前，大多通过病害预测模型进行病害预测，然而，病害预测模型需要基于实地调查的样本数据进行训练，例如，需要调查周病情指数和病害发生率。现有技术中，样本数据获取困难，需要耗费大量的人力物力，并耗费大量的时间，即耗费大量资源。而为了获取大量的样本数据，由于上述耗费资源的限制，从而无法获取大量的样本数据，导致病害预测模型的预测准确性降低。

即使样本数据不通过实地调查获取，现有技术中的病害预测模型大多是基于光谱指数进行病害预测。然而，光谱指数对病害影响的噪声过大，其易受地块、年份的影响，导致基于光谱指数构建的病害预测模型普适性较差。

针对上述问题，本发明提出以下各实施例。图1为本发明提供的病害预测方法的流程示意图之一，如图1所示，该病害预测方法包括：

步骤110，确定待预测病害，以及所述待预测病害对应的待预测数据。

此处，待预测病害为待进行病害预测的病害。该待预测病害可以为作物病害，例如，葡萄霜霉病；也可以为其他病害。

此处，待预测数据为待进行病害预测的数据。该待预测数据的数据类型可以根据实际需要进行设定。不同的病害对应的待预测数据不同。

在一实施例中，确定待预测的目标病害结果，基于该目标病害结果，对获取的待预测数据进行筛选，得到筛选后的待预测数据，以供将筛选后的待预测数据输入至待预测病害以及目标病害结果对应的病害预测模型。

需要说明的是，根据不同的需求，病害预测结果可以划分为多种病害结果，基于此，根据当前的需求，确定待预测的目标病害结果，例如，该目标病害结果为病害始发期。而不同的病害结果对应的病害预测模型不同，这是因为不同的病害结果的关键影响因子不同，基于此，需要基于该目标病害结果，对获取的待预测数据进行筛选，得到筛选后的待预测数据，即筛选得到关键影响因子对应的待预测数据。

步骤120，将所述待预测数据输入至所述待预测病害对应的病害预测模型，得到所述病害预测模型输出的病害预测结果。

此处，病害预测模型用于对待预测数据进行病害预测，得到待预测病害对应的病害预测结果。不同的病害对应的病害预测模型不同，这是因为不同的病害对应的样本预测数据不同，从而训练得到的病害预测模型不同。

在一些实施例中，该病害预测模型为回归预测模型。即构建回归方程，通过回归分析法对待预测数据进行预测得到病害预测结果。该回归分析法是基于自变量（待预测数据）来预测因变量（病害预测结果）的方法。

此处，病害预测结果为待预测病害对应的预测结果。该病害预测结果可以包括但不限于以下至少一种：病害始发期、发病率、病害级别、病情指数、病害发生情况、病害发生程度等等。

其中，所述病害预测模型是基于样本预测数据和所述样本预测数据对应的样本病害预测结果训练得到的，所述样本预测数据是基于所述待预测病害对应的文献数据确定得到的。

此处，样本预测数据的数据类型可以根据实际需要进行设定。不同的病害对应的样本预测数据不同，以使不同的病害对应的病害预测模型不同。

在一实施例中，确定样本预测数据的各数据类型的数据量；基于预设数据量阈值和该数据量，对样本预测数据进行筛选，得到筛选后的样本预测数据。

其中，样本预测数据的数据类型可以包括但不限于以下至少一种：地理位置信息、土壤信息、管理方式信息、农事操作信息、水肥管理措施信息、前茬作物信息、易发生育期信息、未用药的发病信息、品种类型信息、用药后的发病信息等等。

其中，数据量用于表征任一数据类型的文献数据的来源量。例如，样本预测数据中的地理位置信息可以从五个文献资料中获取得到，则其数据量为5；当然，从一个文献资料的五个不同地方获取得到5个地理位置信息，则其数据量也为5。其中，预设数据量阈值可以根据实际需要进行设定，本发明实施例对此不做具体限定。

其中，筛选后的样本预测数据包括筛选后的数据类型对应的样本数据，该筛选后的数据类型的数据量大于预设数据量阈值。

可以理解的是，考虑到样本预测数据中各数据类型的样本数据的数据量不同，有些数据类型的样本数据过少，对模型训练的帮助不大，从而基于预设数据量阈值和样本预测数据的各数据类型的数据量，对样本预测数据进行筛选，得到数据量较多的筛选数据，从而基于数据量较多的样本预测数据对病害预测模型进行训练，从而提高模型训练效果，最终使病害预测模型的病害预测更为准确，提高病害预测的准确性；同时，使进行训练的样本数据的数据量降低，不考虑数据量较少的数据，从而提升模型训练效率。

此处，样本病害预测结果为待预测病害对应的预测结果，且为样本预测数据对应的真实病害结果。该样本病害预测结果可以包括但不限于以下至少一种：病害始发期、发病率、病害级别、病情指数、病害发生情况、病害发生程度等等。

此处，文献数据为文献资料中包括的数据，其包括大量的历史数据，从而对文献数据进行清洗可以得到样本预测数据。不同的病害对应不同的文献数据，即不同的病害对应不同的历史数据。

本发明实施例提供的病害预测方法，确定待预测病害，以及待预测病害对应的待预测数据；将待预测数据输入至待预测病害对应的病害预测模型，得到病害预测模型输出的病害预测结果。通过上述方式，可以通过病害预测模型进行病害预测，该病害预测模型是基于样本预测数据和该样本预测数据对应的样本病害预测结果训练得到的，且该样本预测数据是基于待预测病害对应的文献数据确定得到的，从而基于文献数据所包括的大量历史数据，可以训练得到准确性较高的病害预测模型，并且无需耗费大量的人力物力，节省时间并减少资源浪费，从而确保效率和成本的同时，可以提高病害预测模型的病害预测准确性。

基于上述实施例，图2为本发明提供的病害预测方法的流程示意图之二，如图2所示，所述样本预测数据是基于如下步骤确定：

步骤210，获取病害检索指令。

此处，病害检索指令可以由用户通过本发明实施例的执行主体触发，而可以由用户通过其他设备触发，再由其他设备将病害检索指令发送至该执行主体。

该病害检测指令用于指示关键词，从而基于该关键词可以确定目标病害和检索关键词。

步骤220，基于所述病害检索指令指示的目标病害和检索关键词，获取所述目标病害对应的文献数据，所述目标病害为所述待预测病害。

考虑到不同病害对应的文献数据不同，基于此，病害检索指令指示有目标病害。

此处，目标病害为待检索的病害，该目标病害可以为作物病害，例如，葡萄霜霉病；也可以为其他病害。该目标病害为待预测病害，从而可以获取待预测病害对应的样本预测数据，进而训练得到待预测病害对应的病害预测模型。

考虑到影响病害发生的影响数据包括多种数据，基于此，病害检索指令指示有检索关键词，以供检索检索关键词对应的文献数据。

此处，检索关键词用于检索对应的文献数据，从而检索得到与病害发生相关的文献数据，进一步地，检索得到与病害发生相关的环境数据。

该文献数据可以包括但不限于以下至少一种：地理位置信息、土壤信息、管理方式信息、农事操作信息、水肥管理措施信息、前茬作物信息、易发生育期信息、未用药的发病信息、品种类型信息、用药后的发病信息等等。其中，历史气象数据可以包括每日气象信息，进一步的，该历史气象数据可以包括但不限于：平均温度、平均空气湿度、光照度、光合有效辐射、降水量、雨日数、气压、风速、风向、最高温度、最低温度等等。地理位置信息可以包括但不限于：省、市、县、经纬度等信息。土壤信息可以包括但不限于：土壤类型、土壤温度、土壤湿度、土壤水分、土壤盐分、土壤PH值、微生物含量等信息。管理方式信息可以包括但不限于：粗放管理、一般管理、精细管理等等。农事操作信息可以包括但不限于：是否避雨栽培、是否覆膜等等。水肥管理措施信息可以包括但不限于：用水肥时间、用量、种类等等。前茬作物信息通常是在本地菌源病害时考虑。未用药的发病信息可以包括但不限于：调查时间、调查面积、调查方法、调查分级标准、始见症状期、发病率、病害程度及病情指数等等。品种类型信息可以包括但不限于：品种名称、感（抗）品种级别等等。用药后的发病信息可以包括但不限于：农药使用量、农药使用时间、用药种类、用药与对照发病率的差异等等。

该检索关键词可以包括但不限于以下至少一种：历史气象数据对应的检索关键词、地理位置信息对应的检索关键词、土壤信息对应的检索关键词、管理方式信息对应的检索关键词、农事操作信息对应的检索关键词、水肥管理措施信息对应的检索关键词、前茬作物信息对应的检索关键词、易发生育期信息对应的检索关键词、未用药的发病信息对应的检索关键词、品种类型信息对应的检索关键词、用药后的发病信息对应的检索关键词等等。

步骤230，基于所述文献数据，确定所述样本预测数据。

具体地，可以直接将文献数据确定为样本预测数据，也可以对文献数据做进一步的数据处理得到样本预测数据。

需要说明的是，样本预测数据可以基于一个病害检索指令确定得到，也可以基于多个病害检索指令确定得到。

本发明实施例提供的病害预测方法，基于病害检索指令指示的目标病害和检索关键词，获取目标病害对应的文献数据，从而可以由用户通过病害检索指令确定所需获取的文献数据，进而使样本预测数据的获取更为灵活，最终使病害预测模型的构建更为灵活，提升病害预测的灵活性和个性化水平。此外，通过病害检索指令获取样本预测数据，无需耗费大量的人力物力，节省时间并减少资源浪费，从而确保效率和成本的同时，可以提高病害预测模型的病害预测准确性。

基于上述任一实施例，考虑到文献数据中并不是所有数据都跟病害发生情况有关，基于此，该方法中，上述步骤230包括：

基于所述目标病害和所述检索关键词，对所述文献数据进行筛选，得到所述目标病害和所述检索关键词对应的匹配数据；

基于所述匹配数据，确定所述样本预测数据。

此处，匹配数据为与目标病害和检索关键词更为匹配的文献数据。该匹配数据为文献数据中的一部分。该匹配数据可以包括但不限于以下至少一种：表格、图像、文字等等。

具体地，可以直接将匹配数据确定为样本预测数据，也可以对匹配数据做进一步的数据处理得到样本预测数据。

进一步地，显示匹配数据，并获取该匹配数据对应的检查指令，基于该检查指令，对匹配数据进行筛选，得到检查数据；基于检查数据确定样本预测数据。

其中，显示匹配数据用于供用户查看该匹配数据，进而供用户对匹配数据进行检查，即供用户检查匹配数据是否为所需的数据。

在一实施例中，若显示终端为本发明实施例的执行主体，则在该执行主体上显示匹配数据。在另一实施例中，若显示终端不为本发明实施例的执行主体，则生成显示指令，并将显示指令发送至显示终端，以供显示终端显示该匹配数据。

其中，检查指令由用户通过显示终端进行触发，该检查指令指示用户对匹配数据的筛选结果，以供基于检查指令指示的筛选结果，对匹配数据进行筛选。

在一实施例中，若显示终端为本发明实施例的执行主体，则检查指令由用户通过该执行主体进行触发。在另一实施例中，若显示终端不为本发明实施例的执行主体，则由显示终端将检查指令发送至该执行主体。

具体地，可以直接将检查数据确定为样本预测数据，也可以对检查数据做进一步的数据处理得到样本预测数据。

可以理解的是，考虑到文献数据中的匹配数据并不全是用户所需检索的数据，基于此，基于检查指令，对匹配数据进行筛选，得到检查数据，从而可以由用户通过检查指令确定与目标病害和检索关键词更为匹配的文献数据，即通过检查指令确定与用户所需的文献数据更为匹配的数据，进而使样本预测数据的获取更为准确，提高模型训练效果，最终使病害预测模型的病害预测更为准确，进一步提高病害预测的准确性。

本发明实施例提供的病害预测方法，考虑到文献数据中并不是所有数据都跟病害发生情况有关，从而基于目标病害和检索关键词，对文献数据进行筛选，得到与目标病害和检索关键词更为匹配的文献数据，进而使样本预测数据的获取更为准确，提高模型训练效果，最终使病害预测模型的病害预测更为准确，进一步提高病害预测的准确性；同时，使样本预测数据的数据量降低，不考虑无关数据，从而提升模型训练效率。

基于上述任一实施例，所述基于所述目标病害和所述检索关键词，对所述文献数据进行筛选，得到所述目标病害和所述检索关键词对应的匹配数据，包括：

从所述文献数据中确定出所述目标病害或所述检索关键词对应的目标关键词；

基于所述目标关键词，对所述文献数据进行筛选，得到所述目标关键词对应的匹配数据。

此处，目标关键词为文献数据中的关键词，该目标关键词为与目标病害或检索关键词匹配的关键词。其中，匹配方式可以为二者相同，也可以为二者语义相似度最大，或者二者语义相似度大于预设相似度阈值。该目标关键词的数量可以为一个或多个。

在一实施例中，从文献数据中确定出与目标病害或检索关键词相同的目标关键词。

在另一实施例中，从文献数据中确定出与目标病害或检索关键词语义相似度最大的目标关键词。

在另一实施例中，从文献数据中确定出与目标病害或检索关键词语义相似度大于预设相似度阈值的目标关键词。

此处，匹配数据为与目标关键词更为匹配的文献数据。该匹配数据为文献数据中的一部分。该匹配数据可以包括但不限于以下至少一种：表格、图像、文字等等。

为便于理解，例如目标病害为葡萄霜霉病，检索关键词为土壤信息对应的检索关键词，如砂土，则确定文献数据中葡萄霜霉病以及砂土对应的目标关键词，从而基于目标关键词对文献数据进行筛选，得到目标关键词对应的匹配数据，即得到葡萄霜霉病以及砂土对应的匹配数据。

本发明实施例提供的病害预测方法，先从文献数据中确定出目标病害或检索关键词对应的目标关键词，从而基于文献数据中自身的目标关键词，对文献数据进行筛选，可以得到与目标病害和检索关键词更为匹配的文献数据，进而使样本预测数据的获取更为准确，进一步提高模型训练效果，最终使病害预测模型的病害预测更为准确，进一步提高病害预测的准确性。

基于上述任一实施例，考虑到文献数据中的目标关键词并不全是用户所需检索的关键词，基于此，该方法中，所述基于所述目标关键词，对所述文献数据进行筛选，得到所述目标关键词对应的匹配数据，包括：

显示所述目标关键词，并获取所述目标关键词对应的检查指令；

基于所述检查指令，对所述目标关键词进行筛选，得到检查关键词；

基于所述检查关键词，对所述文献数据进行筛选，得到所述检查关键词对应的匹配数据。

此处，显示目标关键词用于供用户查看该目标关键词，进而供用户对目标关键词进行检查，即供用户检查目标关键词是否为所需检索的关键词。

在一实施例中，若显示终端为本发明实施例的执行主体，则在该执行主体上显示目标关键词。在另一实施例中，若显示终端不为本发明实施例的执行主体，则生成显示指令，并将显示指令发送至显示终端，以供显示终端显示该目标关键词。

此处，检查指令由用户通过显示终端进行触发，该检查指令指示用户对目标关键词的筛选结果，以供基于检查指令指示的筛选结果，对目标关键词进行筛选。

在一实施例中，若显示终端为本发明实施例的执行主体，则检查指令由用户通过该执行主体进行触发。

在另一实施例中，若显示终端不为本发明实施例的执行主体，则由显示终端将检查指令发送至该执行主体。

此处，检查关键词为用户检查确定的关键词，该检查关键词为目标关键词中的关键词。

此处，匹配数据为与检查关键词更为匹配的文献数据。该匹配数据为文献数据中的一部分。该匹配数据可以包括但不限于以下至少一种：表格、图像、文字等等。

本发明实施例提供的病害预测方法，考虑到文献数据中的目标关键词并不全是用户所需检索的关键词，从而基于检查指令，对目标关键词进行筛选，得到检查关键词，从而可以由用户通过检查指令确定与目标病害和检索关键词更为匹配的关键词，即通过检查指令确定与用户所需的文献数据更为匹配的数据，进而使样本预测数据的获取更为准确，进一步提高模型训练效果，最终使病害预测模型的病害预测更为准确，进一步提高病害预测的准确性。

基于上述任一实施例，考虑到不同的病害结果的关键影响因子不同，基于此，图3为本发明提供的病害预测方法的流程示意图之三，如图3所示，所述病害预测模型是基于如下步骤训练：

步骤310，基于所述样本病害预测结果，对所述样本预测数据进行筛选，得到关键因子数据。

步骤320，基于所述关键因子数据和所述样本病害预测结果，对所述病害预测模型进行训练。

需要说明的是，根据不同的需求，可以选择不同的样本病害预测结果，基于此，根据当前的需求，确定样本病害预测结果，进而基于样本病害预测结果从样本预测数据中筛选得到对样本病害预测结果起到关键影响的关键因子数据。

此处，关键因子数据为对样本病害预测结果起到关键影响的数据。该关键因子数据为样本预测数据中的数据。

为便于理解，例如，样本病害预测结果为病害始发期、发病率、病害级别或病情指数，样本预测数据包括历史气象数据、地理位置信息、土壤信息、管理方式信息、农事操作信息、水肥管理措施信息、前茬作物信息、易发生育期信息、未用药的发病信息、品种类型信息、用药后的发病信息，则样本病害预测结果对应的关键因子数据包括历史气象数据、地理位置信息、土壤信息、管理方式信息、水肥管理措施信息、前茬作物信息。又例如，样本病害预测结果为病害发生情况，样本预测数据包括历史气象数据、地理位置信息、土壤信息、管理方式信息、农事操作信息、水肥管理措施信息、前茬作物信息、易发生育期信息、未用药的发病信息、品种类型信息、用药后的发病信息，则样本病害预测结果对应的关键因子数据包括用药的使用时间、农药使用量、用药种类。

本发明实施例提供的病害预测方法，考虑到不同的病害结果的关键影响因子不同，从而基于样本病害预测结果，对样本预测数据进行筛选，得到对样本病害预测结果起到关键影响的关键因子数据，进而基于关键因子数据和样本病害预测结果，对病害预测模型进行训练，使进行训练的样本数据的数据量降低，不考虑对样本病害预测结果影响不大的数据，从而提升模型训练效率；同时，更关注关键因子数据，从而进一步提高模型训练效果，最终使病害预测模型的病害预测更为准确，进一步提高病害预测的准确性。

基于上述任一实施例，考虑到样本预测数据中各数据类型的样本数据的数据量不同，有些数据类型的样本数据过少，对模型训练的帮助不大，基于此，该方法中，上述步骤310包括：

确定所述样本预测数据的各数据类型的数据量；

基于预设数据量阈值和所述数据量，对所述样本预测数据进行筛选，得到筛选数据；

基于所述样本病害预测结果，对所述筛选数据进行筛选，得到关键因子数据。

此处，样本预测数据的数据类型可以包括但不限于以下至少一种：地理位置信息、土壤信息、管理方式信息、农事操作信息、水肥管理措施信息、前茬作物信息、易发生育期信息、未用药的发病信息、品种类型信息、用药后的发病信息等等。

此处，数据量用于表征任一数据类型的文献数据的来源量。例如，样本预测数据中的地理位置信息可以从五个文献资料中获取得到，则其数据量为5；当然，从一个文献资料的五个不同地方获取得到5个地理位置信息，则其数据量也为5。

此处，预设数据量阈值可以根据实际需要进行设定，本发明实施例对此不做具体限定。

此处，筛选数据包括筛选后的数据类型对应的样本数据，该筛选后的数据类型的数据量大于预设数据量阈值。该筛选数据为样本预测数据中的部分数据。

本发明实施例提供的病害预测方法，考虑到样本预测数据中各数据类型的样本数据的数据量不同，有些数据类型的样本数据过少，对模型训练的帮助不大，从而基于预设数据量阈值和样本预测数据的各数据类型的数据量，对样本预测数据进行筛选，得到数据量较多的筛选数据，从而基于数据量较多的筛选数据对病害预测模型进行训练，从而进一步提高模型训练效果，最终使病害预测模型的病害预测更为准确，进一步提高病害预测的准确性；同时，使进行训练的样本数据的数据量降低，不考虑数据量较少的数据，从而进一步提升模型训练效率。

下面对本发明提供的病害预测装置进行描述，下文描述的病害预测装置与上文描述的病害预测方法可相互对应参照。

图4为本发明提供的病害预测装置的结构示意图，如图4所示，该病害预测装置，包括：

确定模块，用于确定待预测病害，以及所述待预测病害对应的待预测数据；

预测模块，用于将所述待预测数据输入至所述待预测病害对应的病害预测模型，得到所述病害预测模型输出的病害预测结果；

其中，所述病害预测模型是基于样本预测数据和所述样本预测数据对应的样本病害预测结果训练得到的，所述样本预测数据是基于所述待预测病害对应的文献数据确定得到的。

本发明实施例提供的病害预测装置，确定待预测病害，以及待预测病害对应的待预测数据；将待预测数据输入至待预测病害对应的病害预测模型，得到病害预测模型输出的病害预测结果。通过上述方式，可以通过病害预测模型进行病害预测，该病害预测模型是基于样本预测数据和该样本预测数据对应的样本病害预测结果训练得到的，且该样本预测数据是基于待预测病害对应的文献数据确定得到的，从而基于文献数据所包括的大量历史数据，可以训练得到准确性较高的病害预测模型，并且无需耗费大量的人力物力，节省时间并减少资源浪费，从而确保效率和成本的同时，可以提高病害预测模型的病害预测准确性。

基于上述任一实施例，该装置还包括数据确定模块，该数据确定模块包括：

指令获取单元，用于获取病害检索指令；

数据获取单元，用于基于所述病害检索指令指示的目标病害和检索关键词，获取所述目标病害对应的文献数据，所述目标病害为所述待预测病害；

数据确定单元，用于基于所述文献数据，确定所述样本预测数据。

基于上述任一实施例，该数据确定单元还用于：

基于所述目标病害和所述检索关键词，对所述文献数据进行筛选，得到所述目标病害和所述检索关键词对应的匹配数据；

基于所述匹配数据，确定所述样本预测数据。

基于上述任一实施例，该数据确定单元还用于：

从所述文献数据中确定出所述目标病害或所述检索关键词对应的目标关键词；

基于所述目标关键词，对所述文献数据进行筛选，得到所述目标关键词对应的匹配数据。

基于上述任一实施例，该数据确定单元还用于：

显示所述目标关键词，并获取所述目标关键词对应的检查指令；

基于所述检查指令，对所述目标关键词进行筛选，得到检查关键词；

基于所述检查关键词，对所述文献数据进行筛选，得到所述检查关键词对应的匹配数据。

基于上述任一实施例，该装置还包括模型训练模块，该模型训练模块包括：

数据筛选单元，用于基于所述样本病害预测结果，对所述样本预测数据进行筛选，得到关键因子数据；

模型训练单元，用于基于所述关键因子数据和所述样本病害预测结果，对所述病害预测模型进行训练。

基于上述任一实施例，该数据筛选单元还用于：

确定所述样本预测数据的各数据类型的数据量；

基于预设数据量阈值和所述数据量，对所述样本预测数据进行筛选，得到筛选数据；

基于所述样本病害预测结果，对所述筛选数据进行筛选，得到关键因子数据。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行病害预测方法，该方法包括：确定待预测病害，以及所述待预测病害对应的待预测数据；将所述待预测数据输入至所述待预测病害对应的病害预测模型，得到所述病害预测模型输出的病害预测结果；其中，所述病害预测模型是基于样本预测数据和所述样本预测数据对应的样本病害预测结果训练得到的，所述样本预测数据是基于所述待预测病害对应的文献数据确定得到的。

此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的病害预测方法，该方法包括：确定待预测病害，以及所述待预测病害对应的待预测数据；将所述待预测数据输入至所述待预测病害对应的病害预测模型，得到所述病害预测模型输出的病害预测结果；其中，所述病害预测模型是基于样本预测数据和所述样本预测数据对应的样本病害预测结果训练得到的，所述样本预测数据是基于所述待预测病害对应的文献数据确定得到的。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。