CN102054114A - 一种蔬菜病虫害诊断专家系统构建和服务方法 - Google Patents
一种蔬菜病虫害诊断专家系统构建和服务方法 Download PDFInfo
- Publication number
- CN102054114A CN102054114A CN2009101979210A CN200910197921A CN102054114A CN 102054114 A CN102054114 A CN 102054114A CN 2009101979210 A CN2009101979210 A CN 2009101979210A CN 200910197921 A CN200910197921 A CN 200910197921A CN 102054114 A CN102054114 A CN 102054114A
- Authority
- CN
- China
- Prior art keywords
- pest
- case
- insect pest
- expert system
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
蔬菜病虫害频繁发生、危害加重,病虫害诊断防治措施不当降低农业效益、威胁消费者健康。提高病虫害防治水平是蔬菜大规模种植和高产优质的保证,病虫害诊断专家系统能够辅助诊断病虫害,缓解农业种植人员素质不高、植保专家不足的矛盾。针对蔬菜病虫害发生特点,模仿植保专家病虫害诊断的分析方式,充分考虑用户的思维习惯,采用了基于案例的推理机制,创立了包括新案例产生、案例库构成、病虫害症状权重计算、案例检索和匹配、人机交互接口等内容的病虫害诊断专家系统构建方法并构建了以该方法为核心的蔬菜病虫害诊断专家系统。并分别通过蔬菜病虫害诊断专家系统网络版、单机版和PDA版,为不同需求的用户提供多渠道病虫害诊断信息技术服务。
Description
技术领域
“蔬菜病虫害诊断专家系统构建和诊断方法”属于现代农业技术领域。
背景技术
蔬菜病虫害频繁发生、危害加重,病虫害诊断防治措施不当降低农业效益、威胁消费者健康。提高病虫害防治水平是蔬菜大规模种植和高产优质的保证,病虫害诊断专家系统能够辅助诊断病虫害,及时找到病虫害防治方法。
专家系统因应用领域和求解任务的不同,结构也不尽相同,但基本的概念结构都包括人机交互接口、知识库、知识获取机构、推理机、解释机构和数据库等组成部分,其中推理机是专家系统的核心,专家系统各组成部分的结构设计决定于推理机制。国内病虫害诊断专家系统多采用基于规则的推理机制,针对现象通过规则实现推理。知识表示采用产生式规则或框架或语义网络等形式,把知识抽象成规则,一步步地使用规则,形成一条推理链,通过一系列演绎得到问题的答案。知识的表达、规则的形成由领域专家、知识工程师和系统开发人员共同完成,各个环节诸多因素的限制导致这类专家系统存在知识获取瓶颈,系统知识库中的以规则形式表示的知识不能够覆盖待求解的问题时,系统的性能将会大幅度降低而显现出其脆弱性;由于规则之间相互依赖,有严格的使用限制,添加规则复杂而且难度很大,使系统知识更新难。
基于案例的推理是人工智能的新兴领域,是一种基于知识的问题求解和学习方法,模仿了人类的思维模式,通过访问过去问题的求解案例来获得当前问题求解方法的一种推理模式。CBR系统所依赖的知识主要是相关领域中以前解决问题的具体记录,无需整理大量的规则,具有知识获取容易,求解效率高的特征。与传统专家系统相比,CBR的最大优点在于动态知识库,即通过增量学习而不断增加知识的案例库,自学习能力强,适应领域发展的需要。
蔬菜病虫害种类繁多,症状复杂多变,单病多状,多病同状,病虫害危害进程和环境极大影响症状体现。模仿植保专家病虫害诊断的分析方式,充分考虑用户的思维习惯,采用了基于案例的推理机制,创立了包括新案例产生、案例库构成、病虫害症状权重计算、案例检索和匹配、人机交互接口等内容的病虫害诊断专家系统构建方法并构建了以该方法为核心的蔬菜病虫害诊断专家系统。系统能够对十字花科、茄果类、瓜类等8类40多种蔬菜的常见400多种病虫害进行诊断并提供基于诊断结论的防治方案,系统能够协助基层植保技术人员和蔬菜种植人员在蔬菜生产过程中诊断病虫害,采用合理的绿色防治技术,提高蔬菜品质,提高蔬菜安全性。
发明内容
1专家系统构建方法
蔬菜病虫害诊断专家系统通过病虫为害症状进行病虫害诊断。过去发生过的蔬菜病虫害各种信息经设计和组织建成蔬菜病虫害诊断案例库,用户通过人机交互接口作为新案例提交病虫害各种实发症状,系统通过从案例库检索最为相似的案例来诊断病虫害种类并提供防治方案,诊断的准确性取决于案例库中病虫害症状的权重设置和案例检索方法,蔬菜病虫害诊断专家系统诊断流程如图1。主要发明内容如下:
①案例和案例库构成
一种蔬菜在一个生育期发生的一种病害或虫害定义为一个案例,所有病虫害案例构成案例库。每个案例由病虫害名称、病虫害在蔬菜不同部位的为害症状、病虫害发生原因、病虫害防治方案和案例使用频率构成。其中病虫害症状包括发生在寄主不同部位病虫害症状、害虫形态等的文字描述和图片描述;病虫害发生原因包括病源、虫源、病虫害发生条件和流行规律等;病虫害防治方案包括病虫害物理、化学防治方法和农药使用规范。
②病虫害症状权重计算
设病虫害诊断案例库的检索属性Aj在所有的案例中累计包括不重复特征量k个,这些症状表示为vj1,vj2,…,vjk,这k个症状会出现在一个或多个案例中,它们出现在案例库各案例中的频次分别记为m1,m2,…,mk,则症状A1,A2,…,Ak对应的权重Wi,i=1,k为
1/m1,1/m2,…,1/mk即wi=1/mi i=1,k
这些值在作为检索的比较值时的权值依次为wj1,wj2,…,wjk,其中wjs的取值
③案例检索和匹配策略
根据Aj上设定的检索条件QCj(QCj为检索时在Aj上设置的比较值构成的集合)查找C1的所有案例得到目标案例集合Oj={Ii:Ii满足QCj的相似度为simi(Ii,QCj)},具体的相似度simi(Ii,QCj)按如下方法计算:
否则,simi(Ii,QCj)=Wj。
由此可得Ii与全部检索条件QC的相似度
④人机交互接口设计
人机交互接口是系统获得用户病虫害诊断需求的途径。蔬菜病虫害诊断专家系统服务对象除植保技术人员外,更多的是蔬菜种植人员,为了避免植保专家和用户对知识的定义和描述的分歧引起病虫害诊断结论的偏差,用户界面提供用户病虫害选择,按照蔬菜类别、蔬菜种类、生育期、发生部位、症状概括描述和详细描述组织病虫害症状,用户可以逐级选择病虫害症状并提交。系统支持多个症状同时提交。
2病虫害诊断服务方法
蔬菜病虫害诊断专家系统开发了网络版、单机版和PDA版,蔬菜病虫害远程诊断系统通过WEB服务器发布为拥有网络资源的用户提供病虫害诊断服务,单机版病虫害诊断专家系统通过安装单机软件满足无网络服务用户的病虫害诊断需求,PDA版软件安装在便携式设备如掌上电脑和智能手机上,方便农业生产现场使用。服务方式如图2。
附图说明
图1蔬菜病虫害诊断专家系统诊断流程图
①.植保专家等对主要蔬菜病虫害进行知识整理和案例组织,建立病虫害症状库和案例库,并对其进行更新和维护。
②.病虫为害发生时,用户通过专家系统人机交互接口选择病虫害发生的寄主植物和数个病虫为害症状,所有信息作为新案例提交系统。
③.系统推理机通过检索计算和判定条件从案例库提取和新案例相似度最高的一个或几个案例。
④.当系统诊断结论唯一时,系统将诊断结论、诊断出的病虫害详细特征文字和图片描述、防治方案提供用户;当系统诊断多解时,系统提示用户根据系统提供的几个病虫害特征描述,对照病虫害发生实况进行对比筛选,如果能对病虫害确诊,参照防治方案进行病虫害管理,否则借助其他途径如联系植保专家获取帮助。
图2蔬菜病虫害诊断专家系统服务方式结构图
①.系统角色:植保专家、知识工程师和系统管理员作为开发方对系统进行开发、管理和维护为植保技术人员和蔬菜种植户提供病虫害诊断和防治服务。
②.系统服务方式:通过网络服务器和应用服务器发布网络版病虫害诊断专家系统提供病虫害远程诊断服务;通过单机软件在个人电脑上安装和使用,为无网络服务用户提供帮助;通过在PDA和掌上电脑等便携式设备装载PDA版软件,提供移动信息服务。
具体实施方式
1通过Web服务器和应用服务器发布蔬菜病虫害诊断专家系统,注册用户通过浏览器访问使用。
2制作单机版和PDA版病虫害诊断专家系统光盘,用户个人电脑和掌上电脑、智能手机上安装使用。
Claims (1)
1.针对蔬菜病虫害发生特点,模仿植保专家病虫害诊断的分析方式,充分考虑用户的思维习惯,采用了基于案例的推理机制,构建了一种蔬菜病虫害诊断专家系统并以多种方式向农技人员和蔬菜种植人员提供病虫害诊断服务。
1案例和案例库组织方式。包括一个案例的界定方法、案例的内容组成和组织方式和案例库的构建方法。
2病虫害症状权重计算方法。
3案例检索和匹配策略。
4人机交互接口新案例提交方法。包括蔬菜类别、蔬菜种类、各种部位病虫害为害症状和害虫形态特征等描述和组织方法、多症状案例提交方法。
5病虫害诊断服务方法。包括网络服务、单机服务和便携式设备服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101979210A CN102054114A (zh) | 2009-10-30 | 2009-10-30 | 一种蔬菜病虫害诊断专家系统构建和服务方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101979210A CN102054114A (zh) | 2009-10-30 | 2009-10-30 | 一种蔬菜病虫害诊断专家系统构建和服务方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102054114A true CN102054114A (zh) | 2011-05-11 |
Family
ID=43958427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101979210A Pending CN102054114A (zh) | 2009-10-30 | 2009-10-30 | 一种蔬菜病虫害诊断专家系统构建和服务方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102054114A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289583A (zh) * | 2011-08-11 | 2011-12-21 | 韩宝平 | 一种基于pda的果树病虫害诊断识别系统 |
CN103330554A (zh) * | 2013-07-18 | 2013-10-02 | 梁亚楠 | 可穿戴式的人工智能无线物联网安全系统 |
CN104036129A (zh) * | 2014-06-06 | 2014-09-10 | 重庆市农业科学院 | 茶假眼小绿叶蝉测报专家知识库及其构建方法 |
CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
CN105956168A (zh) * | 2016-05-20 | 2016-09-21 | 北京市农林科学院 | 一种信息检索方法及信息检索装置 |
CN106874860A (zh) * | 2017-01-23 | 2017-06-20 | 中粮长城葡萄酒(烟台)有限公司 | 葡萄相似病害快速智能识别系统及其方法 |
CN107330116A (zh) * | 2017-07-07 | 2017-11-07 | 吉林农业科技学院 | 园林植物病虫害诊治专家系统 |
CN107358065A (zh) * | 2017-07-07 | 2017-11-17 | 吉林农业科技学院 | 园艺作物有害生物诊治专家系统 |
CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家系统 |
CN113096100A (zh) * | 2021-04-15 | 2021-07-09 | 杭州睿胜软件有限公司 | 用于植物病症诊断的方法和植物病症诊断系统 |
CN114283308A (zh) * | 2022-03-02 | 2022-04-05 | 科大天工智能装备技术(天津)有限公司 | 基于增量学习的农作物病害虫识别方法、装置及存储介质 |
-
2009
- 2009-10-30 CN CN2009101979210A patent/CN102054114A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289583A (zh) * | 2011-08-11 | 2011-12-21 | 韩宝平 | 一种基于pda的果树病虫害诊断识别系统 |
CN103330554A (zh) * | 2013-07-18 | 2013-10-02 | 梁亚楠 | 可穿戴式的人工智能无线物联网安全系统 |
CN103330554B (zh) * | 2013-07-18 | 2015-05-27 | 梁亚楠 | 可穿戴式的人工智能无线物联网安全系统 |
CN104036129A (zh) * | 2014-06-06 | 2014-09-10 | 重庆市农业科学院 | 茶假眼小绿叶蝉测报专家知识库及其构建方法 |
CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
CN104102816B (zh) * | 2014-06-20 | 2017-07-25 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
CN105956168B (zh) * | 2016-05-20 | 2019-05-28 | 北京市农林科学院 | 一种信息检索方法及信息检索装置 |
CN105956168A (zh) * | 2016-05-20 | 2016-09-21 | 北京市农林科学院 | 一种信息检索方法及信息检索装置 |
CN106874860A (zh) * | 2017-01-23 | 2017-06-20 | 中粮长城葡萄酒(烟台)有限公司 | 葡萄相似病害快速智能识别系统及其方法 |
CN107358065A (zh) * | 2017-07-07 | 2017-11-17 | 吉林农业科技学院 | 园艺作物有害生物诊治专家系统 |
CN107330116A (zh) * | 2017-07-07 | 2017-11-07 | 吉林农业科技学院 | 园林植物病虫害诊治专家系统 |
CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家系统 |
CN113096100A (zh) * | 2021-04-15 | 2021-07-09 | 杭州睿胜软件有限公司 | 用于植物病症诊断的方法和植物病症诊断系统 |
CN113096100B (zh) * | 2021-04-15 | 2023-08-22 | 杭州睿胜软件有限公司 | 用于植物病症诊断的方法和植物病症诊断系统 |
CN114283308A (zh) * | 2022-03-02 | 2022-04-05 | 科大天工智能装备技术(天津)有限公司 | 基于增量学习的农作物病害虫识别方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102054114A (zh) | 一种蔬菜病虫害诊断专家系统构建和服务方法 | |
Ewald et al. | Influences of extreme weather, climate and pesticide use on invertebrates in cereal fields over 42 years | |
US7840604B2 (en) | Method, apparatus and computer program for managing the processing of extracted data | |
Vogler et al. | Prioritization of forest restoration projects: tradeoffs between wildfire protection, ecological restoration and economic objectives | |
Yialouris et al. | An expert system for tomato diseases | |
CN103218748B (zh) | 一种蔬菜病害诊断方法和便携系统 | |
Ustundag et al. | Internet of things and new value proposition | |
Chougule et al. | Using IoT for integrated pest management | |
Deepa et al. | An effective automated ontology construction based on the agriculture domain | |
Şahiner et al. | Mathematical modeling and an application of the filled function method in entomology | |
Syah et al. | Forecasting daily electricity price by hybrid model of fractional wavelet transform, feature selection, support vector machine and optimization algorithm | |
Sangermano et al. | A GIS framework for the refinement of species geographic ranges | |
Jia et al. | Complex event processing methods for greenhouse control | |
Goldstein et al. | A Cloud-Based Framework for Agricultural Data Integration: A Top-Down-Bottom-Up Approach | |
Amantegui et al. | Benchmark of electricity consumption forecasting methodologies applied to industrial kitchens | |
Saravanan et al. | Realizing social-media-based analytics for smart agriculture | |
Haegen et al. | Avian abundance and reproductive success in the intermountain west: local‐scale response to the conservation reserve program | |
Fister Jr et al. | Time series numerical association rule mining variants in smart agriculture | |
Cui et al. | A standard architecture of agricultural big data for deep learning | |
JP2021026521A (ja) | 不適合事例検索システムおよび不適合事例検索方法 | |
Lin et al. | Research on development of corn production decision support system | |
KR20060117747A (ko) | 인터넷을 이용한 온라인 인삼 병해충 진단시스템 및 그방법 | |
Zhi-xue et al. | ECA rule modeling language based on UML | |
El-Askary et al. | An Ontology-Based Approach for Diagnosing Date Palm Diseases | |
Kawtrakul et al. | Development of an information integration and knowledge fusion platform for spatial and time based advisory services: Precision farming as a case study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110511 |