植物健康系统毕业设计源码
博主介绍：✌ 专注于Java,python,✌关注✌私信我✌具体的问题，我会尽力帮助你。
一、研究目的
本研究旨在构建一个基于多源异构数据融合与智能分析技术的植物健康监测系统，以解决传统农业中植物健康评估存在依赖人工经验、响应滞后以及数据处理能力不足等问题。随着全球气候变化与农业集约化程度不断提高，农作物病虫害发生频率与危害程度显著上升，这对粮食安全与生态环境保护构成严峻挑战。当前植物健康监测主要依赖田间调查与实验室检测手段，存在成本高昂、时效性差以及难以实现大规模覆盖等局限性。因此，亟需开发一种能够实时采集多维度数据并进行高效分析的智能化系统，以提升植物健康管理效率。本研究的核心目标在于设计一套集成遥感影像分析、环境传感器网络以及生物特征识别技术的综合解决方案，通过构建多模态数据融合框架，实现对植物生长状态的动态监测与精准评估。具体而言，拟采用深度学习算法对高光谱遥感数据进行特征提取与分类识别，建立基于物联网技术的环境参数采集体系，实现土壤湿度、温度、光照强度等关键指标的实时感知。同时，引入图像识别技术对植物叶片病斑纹理进行自动分析，从而构建多维度健康评估模型。该系统将重点解决传统方法在数据获取精度不足、分析维度单一以及预警机制不完善等方面的缺陷，通过跨学科技术整合，形成具有自主知识产权的智能化监测平台。本研究拟采用实验验证与实地测试相结合的方法对系统性能进行评估。首先，在实验室环境下构建模拟种植场景，验证各模块的数据处理能力与算法准确性。随后，在典型农业区域开展为期六个月的实地运行测试，收集不同作物类型的健康数据，并对比分析系统输出结果与专家诊断结论。最终形成可推广的技术方案。本研究预期成果包括建立一套完整的植物健康监测技术体系，开发具有自主知识产权的核心算法模块，形成可复用的数据处理框架，并提出适用于不同种植环境的系统部署方案。研究成果将为精准农业提供关键技术支撑，有助于提高作物产量与品质，降低农药使用量，推动绿色可持续发展，同时为相关领域的智能感知技术研发提供理论参考与实践范例。
二、研究意义
本研究构建的植物健康监测系统具有重要的理论价值与现实意义。其核心价值体现在推动农业信息化发展、提升作物健康管理智能化水平以及促进生态环境保护与可持续农业实践等方面。首先，该系统通过集成多源异构数据融合与智能分析技术，为农业领域提供了新的研究范式，拓展了传统植物健康评估方法的技术边界，在理论层面实现了对复杂农业生态系统中植物生长状态的多维度建模与动态分析，为精准农业相关理论体系构建提供了实证基础。其次，该系统的研发将显著提升农业生产效率与资源利用水平。通过实时采集土壤湿度、温度、光照强度等环境参数，并结合高光谱遥感影像与生物特征识别技术，实现对作物健康状态的全天候监测与预警。这一能力将有效弥补传统人工检测方法在时效性、准确性与覆盖范围上的不足，从而降低病虫害造成的经济损失，提高农产品产量与品质，同时减少农药使用量，推动绿色农业生产模式的形成。再次，该系统对于生态环境保护具有积极意义。其基于智能感知与数据分析的技术路径，能够为农业生态系统的可持续管理提供科学依据。通过精准识别植物健康问题，及时调整种植策略，有助于减少化肥、农药等化学物质的过度施用，降低土壤污染风险，维护生物多样性，促进生态平衡。此外，本研究的技术成果还具有广泛的跨学科应用价值。其采用的数据融合算法、模型构建方法以及智能分析框架，可为林业病害监测、环境遥感解析、智慧园林建设等领域提供可借鉴的技术路径，同时为相关领域的科研工作者提供新的研究思路与方法论支持。在社会层面，该系统有助于提高农业生产智能化水平，增强农民应对自然灾害的能力，提升农产品市场竞争力，进而推动农村经济发展，促进乡村振兴战略实施。此外，其研究成果还可为政府制定农业政策提供数据支撑，助力实现粮食安全目标。在全球气候变化背景下，保障农作物稳定生长具有重要的战略意义。综上所述，本研究不仅能够解决当前农业生产中存在的关键问题，还将在理论创新、技术突破、社会经济发展等多个维度产生深远影响。其成果有望成为现代农业智能化转型的重要支撑工具，为实现高效可持续的农业生产模式提供科学依据和技术保障。
四、预期达到目标及解决的关键问题
本研究的预期目标在于构建一套具备高精度监测能力与高效分析性能的植物健康智能评估系统，以实现对农作物生长状态的实时感知与动态预警。具体而言，拟通过多源异构数据融合技术，整合遥感影像、环境传感器采集的数据以及生物特征信息，形成统一的数据处理框架，从而提升植物健康评估的整体准确性与可靠性。同时，开发基于深度学习算法的特征提取与分类模型，以增强对病虫害类型识别的能力，并建立动态健康评估模型，实现对植物生长状态变化趋势的预测分析。本研究面临的关键问题主要体现在以下几个方面：首先，多源异构数据融合过程中存在数据格式不统一、时间戳差异以及空间分辨率不匹配等问题。如何有效处理这些数据并构建统一的数据处理框架，是系统设计的核心挑战。其次，深度学习算法在植物健康评估中的应用面临模型泛化能力不足的问题。由于不同作物类型生长环境差异较大，导致训练数据集覆盖范围有限，影响模型对未知场景的适应性。因此，需探索具有强泛化能力的算法架构，并设计针对性的数据增强策略。第三，系统集成过程中需解决硬件部署成本高、维护难度大以及软件模块协同性不足等问题。如何在保证监测精度的前提下降低硬件投入成本，并提升系统的稳定性与可扩展性，是技术实现的关键。第四，实时健康评估模型需兼顾计算效率与分析精度。如何在有限算力条件下实现高分辨率影像处理与快速特征提取，是算法优化的重要方向。第五，系统的可推广性面临地域环境差异带来的适应性问题。如何构建适用于不同气候条件、土壤类型及种植模式的技术方案，需结合实地测试结果进行参数调优与模型迭代。上述关键问题将直接影响系统的实际应用效果。因此，本研究将围绕数据融合、算法优化、系统集成与部署以及模型泛化能力提升等方面展开深入探讨。通过理论分析、实验验证与实地测试相结合的方法，攻克技术瓶颈，最终形成一套具备自主知识产权且可广泛应用于农业生产领域的植物健康监测解决方案。该研究成果不仅能够提高农作物病虫害防治效率，降低农业生产风险，还将在推动农业智能化转型、促进绿色可持续发展等方面发挥重要作用。
五、研究内容
本研究的整体内容围绕构建一套基于多源异构数据融合与智能分析技术的植物健康监测系统展开，其核心框架包括系统架构设计、数据采集与处理、智能分析模型构建以及系统集成与优化四个主要模块。首先，系统架构设计将采用分层结构模式，分为感知层、传输层、计算层与应用层。感知层部署高精度环境传感器网络，实现土壤湿度、温度、光照强度等关键参数的实时采集。同时，集成高光谱遥感影像获取设备，通过多模态数据融合策略构建统一的数据处理平台。传输层基于物联网通信协议，实现多源数据的高效传输与低延迟处理。计算层采用分布式计算架构，结合边缘计算与云计算技术，提升系统的实时响应能力与大规模数据处理效率。应用层则面向农业生产需求，开发健康评估、预警、决策支持等功能模块。其次，数据采集与处理环节将重点解决异构数据格式不统一、时间戳差异以及空间分辨率不匹配等问题。通过设计标准化的数据接口，实现不同来源数据的兼容性整合。采用时间同步机制消除多源数据的时间偏差，利用空间配准算法对遥感影像与传感器数据进行坐标对齐，最终形成结构化的时间序列数据库，为后续分析提供高质量的数据基础。第三，智能分析模型构建是本研究的核心部分。拟采用深度学习算法对高光谱遥感影像进行特征提取与分类识别，建立基于卷积神经网络的病虫害识别模型。同时，引入图像识别技术对植物叶片病斑纹理进行自动分析，通过迁移学习策略提升模型在小样本场景下的泛化能力，并设计动态健康评估模型，实现对植物生长状态变化趋势的预测分析。该模块还集成农业专家知识库，以辅助模型决策，提高评估结果的可信度。第四，系统集成与优化环节将重点解决硬件部署成本高、维护难度大以及软件模块协同性不足等问题。通过轻量化算法设计降低计算资源消耗，采用模块化架构提升系统的可扩展性，并开发自适应参数调优机制，增强系统对不同种植环境的适应能力。此外，本研究还将探索边缘计算节点的部署策略，以减少云端依赖，提高系统的实时性与稳定性。上述功能模块相互关联，形成完整的系统架构，能够有效满足农业生产中对植物健康状态实时监测与智能评估的需求，为精准农业提供技术支持和决策依据。
六、需求分析
本研究用户需求方面，本研究旨在满足现代农业生产中对植物健康状态实时监测与智能评估的迫切需求。当前农业生产面临病虫害频发、环境变化加剧以及资源利用效率低下等多重挑战。传统的人工检测方式存在周期长、精度低且难以覆盖大面积农田等问题。因此，农业生产者亟需一种能够全天候运行并具备高精度分析能力的智能化监测系统，以辅助科学决策，提高作物产量与品质，同时减少农药与化肥的使用量，实现绿色可持续发展。用户对系统的期望主要包括高精度的健康评估能力、快速响应的预警机制以及便捷易用的操作界面。此外，用户还希望系统具备良好的可扩展性，能够适应不同作物类型及种植环境的需求，并支持远程访问与数据可视化展示，以提升管理效率。功能需求方面，本研究构建的植物健康监测系统需具备多源数据采集、处理、智能分析、预警决策以及用户交互等多个核心功能。首先，系统应具备多模态数据采集能力，包括遥感影像数据、环境传感器数据以及生物特征数据等。通过高光谱成像设备获取植物叶片的生物化学特征信息，如叶绿素含量、氮素含量、水分含量等。该模块支持多时间段影像采集，并具备自动校正与图像增强功能，以提高图像质量，为后续分析提供可靠的数据来源。其次，系统需实现高效的数据处理与融合功能，包括数据清洗、时间同步、空间配准以及格式转换等操作。通过构建统一的数据接口，实现不同来源数据的兼容性整合，并采用时间序列数据库存储结构化数据，为后续智能分析提供高质量的数据基础。第三，系统应具备强大的智能分析能力，包括病虫害识别、健康状态评估以及生长趋势预测等功能。拟采用深度学习算法对高光谱影像进行特征提取与分类识别，实现病虫害类型的自动识别。同时，结合叶片病斑纹理分析技术提升识别精度。该模块还集成农业专家知识库，以辅助模型决策，提高评估结果的可信度。第四，系统需集成预警与干预建议模块，根据健康评估结果自动生成预警信息，并提供相应的管理建议，如调整灌溉施肥策略或实施病虫害防治措施。该模块支持用户自定义阈值设置与报警方式选择，以满足不同种植场景的需求。同时，具备自动推送功能，将预警信息及时发送至相关管理人员。第五，系统应具备良好的交互性与可视化功能，提供用户友好的操作界面，支持数据查询、图表展示及历史记录回溯等功能。通过Web端或移动端应用实现远程访问和实时监控，增强用户的使用体验和数据分析能力。此外，系统还支持多用户权限管理，确保农业信息安全。上述功能模块相互关联，形成完整的系统架构，能够有效满足农业生产中对植物健康状态实时监测与智能评估的需求，为精准农业提供技术支持和决策依据。
九、数据库设计
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
plant_id | 植物唯一标识符 | 10 | VARCHAR | 主键 | 用于唯一标识每株植物或作物单元
plant_type_id | 植物类型标识符 | 10 | VARCHAR | 外键，关联plant_type表 | 表示作物种类或植物类型
farm_id | 农场唯一标识符 | 10 | VARCHAR | 外键，关联farm表 | 标识该植物所属的农场
plot_id | 地块唯一标识符 | 10 | VARCHAR | 外键，关联plot表 | 标识该植物所属的地块
name | 植物名称 | 255 | VARCHAR | - | -
location | 植物位置 | 255 | VARCHAR | - | -
description | 植物描述 | - | TEXT | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
updated_at | 更新时间 | DATETIME | DATETIME | - | 默认当前时间，更新时自动刷新
plant_type_table：存储植物类型信息
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
type_id | 植物类型唯一标识符 | 10 | VARCHAR | 主键 | -
type_name | 植物类型名称 | 255 | VARCHAR | - | -
scientific_name | 植物学名 | 255 | VARCHAR | - | -
growth_cycle | 生长周期 | - | TEXT | - | -
environmental_requirements | 生长环境要求 | - | TEXT | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
updated_at | 更新时间 | DATETIME | DATETIME | - | 默认当前时间，更新时自动刷新
farm_table：存储农场基本信息
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
farm_id | 农场唯一标识符 | 10 | VARCHAR | 主键 | -
farm_name | 农场名称 | 255 | VARCHAR | - | -
location | 农场位置 | 255 | VARCHAR | - | -
contact_info | 联系信息 | 255 | VARCHAR | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
updated_at | 更新时间 | DATETIME | DATETIME | - | 默认当前时间，更新时自动刷新
plot_table：存储地块信息
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
plot_id | 地块唯一标识符 | 10 | VARCHAR | 主键 | -
plot_name | 地块名称 | 255 | VARCHAR | - | -
farm_id | 所属农场标识符 | 10 | VARCHAR | 外键，关联farm_table(farm_id) | -
area | 地块面积 | 10 | DECIMAL(10,2) | - | -
soil_type | 土壤类型 | 255 | VARCHAR | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
updated_at | 更新时间 | DATETIME | DATETIME | - | 默认当前时间，更新时自动刷新
sensor_table：存储传感器设备信息
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
sensor_id | 传感器唯一标识符 | 10 | VARCHAR | 主键 | -
sensor_type | 传感器类型 | 255 | VARCHAR | - | -
location | 传感器位置 | 255 | VARCHAR | - | -
manufacturer | 传感器制造商 | 255 | VARCHAR | - | -
model | 传感器型号 | 255 | VARCHAR | - | -
serial_number | 传感器序列号 | 255 | VARCHAR | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
updated_at | 更新时间 | DATETIME | DATETIME | - | 默认当前时间，更新时自动刷新
environmental_sensor_reading_table：存储环境传感器采集的数据
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
reading_id | 读数唯一标识符 | - | INT AUTO_INCREMENT | 主键 | -
sensor_id | 传感器标识符 | 10 | VARCHAR | 外键，关联sensor_table(sensor_id) | -
timestamp | 数据采集时间 | DATETIME | DATETIME | - | -
soil_moisture_value | 土壤湿度值 | 10 | DECIMAL(10,2) | - | 表示土壤中的水分含量数值
temperature_value | 温度值（环境温度） | 10 | DECIMAL(10,2) | - | 记录农田环境温度数值
light_intensity_value | 光照强度值（单位lux） | 10 | DECIMAL(10,2) | - | 表示当前光照强度数值
wind_speed_value | 风速值（单位m/s） | 10 | DECIMAL(10,2) | - | 记录农田风速数值
humidity_value | 相对湿度值（单位%RH） | 10 | DECIMAL(10,2) | - | 表示空气相对湿度数值
reading_quality_flag | 数据质量标志 | - | BOOLEAN | - | 默认FALSE
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
high_resolution_image_table：存储高光谱遥感图像数据
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
image_file_name | 高光谱影像文件名称 | 255 | VARCHAR | - | -
image_file_path | 高光谱影像文件路径 | - | TEXT | - | -
image_width | 图像宽度 | - | INT | - | -
image_height | 图像高度 | - | INT | - | -
image_resolution | 图像分辨率 | 10 | DECIMAL(10,2) | - | -
image_format | 图像格式 | 30 | VARCHAR | - | 如TIFF或PNG等
upload_timestamp | 文件上传时间 | DATETIME | DATETIME | - | 默认当前时间
image_quality_flag | 图像质量标志 | - | BOOLEAN | - | 默认FALSE
associated_plot_ids | 关联地块标识符 | - | TEXT | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
health_assessment_result_table：存储健康评估结果
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
assessment_record_id | 评估记录唯一标识符 | - | INT AUTO_INCREMENT | 主键 | -
plant_id | 植物标识符 | 10 | VARCHAR | 外键，关联plant_table(plant_id) | -
assessment_timestamp | 评估时间 | DATETIME | DATETIME | - | -
health_index | 健康指数 | 10 | DECIMAL(10,4) | - | -
disease_type | 疾病类型 | - | TEXT | - | -
pest_type | 害虫类型 | - | TEXT | - | -
risk_level | 风险等级 | - | ENUM('low', 'medium', 'high') | - | -
recommendation | 建议 | - | TEXT | - | -
confidence_score | 置信度 | 4 | DECIMAL(4,2) | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
growth_trend_prediction_table：存储生长趋势预测结果
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
prediction_record_id | 预测记录唯一标识符 | - | INT AUTO_INCREMENT | 主键 | -
assessment_record_ids | 关联评估记录标识符 | - | TEXT | - | -
predicted_growth_stage | 预测生长阶段 | - | ENUM('germination', 'vegetative', 'flowering', 'fruiting', 'harvest') | - | -
predicted_health_status | 预测健康状态 | - | ENUM('healthy', 'moderate', 'diseased') | - | -
predicted_yield_estimate | 预测产量 | 10 | DECIMAL(10,4) | - | -
predicted_date | 预测日期 | - | DATE | - | -
confidence_level | 置信度 | 4 | DECIMAL(4,2) | - | -
model_used | 使用模型 | - | TEXT | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
alert_and_intervention_table：存储预警与干预建议信息
字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注
--- | --- | --- | --- | --- | ---
alert_record_id | 预警记录唯一标识符 | - | INT AUTO_INCREMENT | 主键 | -
assessment_record_ids | 关联评估记录标识符 | - | TEXT | - | -
alert_timestamp | 预警时间 | DATETIME | DATETIME | - | -
alert_type | 预警类型 | - | ENUM('disease_alert', 'pest_alert', 'environment_alert') | - | -
intervention_recommendation | 干预建议 | - | TEXT | - | -
action_taken | 已采取行动 | - | TEXT | - | -
status | 状态 | - | ENUM('pending', 'processed', 'resolved') | - | -
created_by | 创建者 | 36 | VARCHAR | - | -
created_at | 创建时间 | DATETIME | DATETIME | - | 默认当前时间
以上表格展示了本系统所需的主要数据库表结构设计，符合数据库范式要求。每个表之间通过主外键关系实现数据关联，确保系统数据的一致性、完整性与可扩展性。
十、建表语句
CREATE DATABASE plant_health_monitoring;
USE plant_health_monitoring;
CREATE TABLE plant_table (
plant_id VARCHAR(10) NOT NULL PRIMARY KEY,
plant_type_id VARCHAR(10) NOT NULL,
farm_id VARCHAR(10) NOT NULL,
plot_id VARCHAR(10) NOT NULL,
name VARCHAR(255) NOT NULL,
location VARCHAR(255) NOT NULL,
description TEXT,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
FOREIGN KEY (plant_type_id) REFERENCES plant_type_table(type_id),
FOREIGN KEY (farm_id) REFERENCES farm_table(farm_id),
FOREIGN KEY (plot_id) REFERENCES plot_table(plot_id)
);
CREATE TABLE plant_type_table (
type_id VARCHAR(10) NOT NULL PRIMARY KEY,
type_name VARCHAR(255) NOT NULL,
scientific_name VARCHAR(255),
growth_cycle TEXT,
environmental_requirements TEXT,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
);
CREATE TABLE farm_table (
farm_id VARCHAR(10) NOT NULL PRIMARY KEY,
farm_name VARCHAR(255) NOT NULL,
location VARCHAR(255) NOT NULL,
contact_info VARCHAR(255),
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
);
CREATE TABLE plot_table (
plot_id VARCHAR(10) NOT NULL PRIMARY KEY,
plot_name VARCHAR(255) NOT NULL,
farm_id VARCHAR(10) NOT NULL,
area DECIMAL(10,2),
soil_type VARCHAR(255),
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
FOREIGN KEY (farm_id) REFERENCES farm_table(farm_id)
);
CREATE TABLE sensor_table (
sensor_id VARCHAR(10) NOT NULL PRIMARY KEY,
sensor_type VARCHAR(255) NOT NULL,
location VARCHAR(255),
manufacturer VARCHAR(255),
model VARCHAR(255),
serial_number VARCHAR(255),
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
);
CREATE TABLE environmental_sensor_reading_table (
reading_id INT AUTO_INCREMENT PRIMARY KEY,
sensor_id VARCHAR(10) NOT NULL,
timestamp DATETIME NOT NULL,
soil_moisture_value DECIMAL(10,2),
temperature_value DECIMAL(10,2),
light_intensity_value DECIMAL(10,2),
wind_speed_value DECIMAL(10,2),
humidity_value DECIMAL(10,2),
reading_quality_flag BOOLEAN DEFAULT FALSE,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (sensor_id) REFERENCES sensor_table(sensor_id)
);
CREATE TABLE high_resolution_image_table (
image_file_name VARCHAR(255) NOT NULL,
image_file_path TEXT NOT NULL,
image_width INT,
image_height INT,
image_resolution DECIMAL(10,2),
image_format VARCHAR(30),
upload_timestamp DATETIME DEFAULT CURRENT_TIMESTAMP,
image_quality_flag BOOLEAN DEFAULT FALSE,
associated_plot_ids TEXT,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);
CREATE TABLE health_assessment_result_table (
assessment_record_id INT AUTO_INCREMENT PRIMARY KEY,
plant_id VARCHAR(10) NOT NULL,
assessment_timestamp DATETIME NOT NULL,
health_index DECIMAL(10,4),
disease_type TEXT,
pest_type TEXT,
risk_level ENUM('low', 'medium', 'high'),
recommendation TEXT,
confidence_score DECIMAL(4,2),
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (plant_id) REFERENCES plant_table(plant_id)
);
CREATE TABLE growth_trend_prediction_table (
prediction_record_id INT AUTO_INCREMENT PRIMARY KEY,
assessment_record_ids TEXT NOT NULL,
predicted_growth_stage ENUM('germination', 'vegetative', 'flowering', 'fruiting', 'harvest'),
predicted_health_status ENUM('healthy', 'moderate', 'diseased'),
predicted_yield_estimate DECIMAL(10,4),
predicted_date DATE,
confidence_level DECIMAL(4,2),
model_used TEXT,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);
CREATE TABLE alert_and_intervention_table (
alert_record_id INT AUTO_INCREMENT PRIMARY KEY,
assessment_record_ids TEXT NOT NULL,
alert_timestamp DATETIME NOT NULL,
alert_type ENUM('disease_alert', 'pest_alert', 'environment_alert'),
intervention_recommendation TEXT,
action_taken TEXT,
status ENUM('pending', 'processed', 'resolved'),
created_by VARCHAR(36),
created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);
ALTER TABLE environmental_sensor_reading_table ADD INDEX idx_sensor_timestamp (sensor_id, timestamp);
ALTER TABLE high_resolution_image_table ADD INDEX idx_plot_ids (associated_plot_ids);
ALTER TABLE health_assessment_result_table ADD INDEX idx_plant_assessment (plant_id);
ALTER TABLE growth_trend_prediction_table ADD INDEX idx_assessment_records (assessment_record_ids);
ALTER TABLE alert_and_intervention_table ADD INDEX idx_alert_records (assessment_record_ids);
下方名片联系我即可~大家点赞、收藏、关注、评论啦 、查看下方👇🏻获取联系方式👇🏻