CN102075645A - 基于ivr的黄瓜病害数值诊断方法与系统 - Google Patents

基于ivr的黄瓜病害数值诊断方法与系统 Download PDF

Info

Publication number
CN102075645A
CN102075645A CN2010106143087A CN201010614308A CN102075645A CN 102075645 A CN102075645 A CN 102075645A CN 2010106143087 A CN2010106143087 A CN 2010106143087A CN 201010614308 A CN201010614308 A CN 201010614308A CN 102075645 A CN102075645 A CN 102075645A
Authority
CN
China
Prior art keywords
disease
ivr
cucumber
user
maximum
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.)
Granted
Application number
CN2010106143087A
Other languages
English (en)
Other versions
CN102075645B (zh
Inventor
傅泽田
温皓杰
张领先
李鑫星
李道亮
刘雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN201010614308.7A priority Critical patent/CN102075645B/zh
Publication of CN102075645A publication Critical patent/CN102075645A/zh
Application granted granted Critical
Publication of CN102075645B publication Critical patent/CN102075645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一种基于IVR的黄瓜病害数值诊断方法与系统,所述方法包括:用户通过通信工具拨打呼叫中心号码进入IVR;用户根据语音提示选择发病部位症状;系统提取症状对应病害集合;利用用户输入症状对可能发生的病害集合进行推理,得出最大可能的病害;用户通过IVR收听最大可能的病害名称及其防治方法。本发明通过设计针对IVR特点的黄瓜病害数值诊断算法,实现基于电话的专家系统应用方式,使用户对黄瓜病害的诊断不受时间地点限制。操作方便、简单易学的诊断系统能够进一步促进黄瓜病害诊断系统的推广。

Description

基于IVR的黄瓜病害数值诊断方法与系统
技术领域
本发明涉及黄瓜病害诊断领域,具体涉及一种基于IVR(Interactive Voice Response,交互式语音应答)的黄瓜病害数值诊断方法与系统。
背景技术
由于我国黄瓜病害发生种类多,而农民信息接受能力差导致黄瓜病害诊断困难,病害致使菜农损失严重。长期以来,黄瓜病害防治主要依靠化学防治,而化学农药的大量使用带来产品农药残留超标、人畜中毒等问题日益受到社会的关注;另一方面,黄瓜种植户知识层次普遍偏低、农业技术推广和农民培训手段又相对落后,领域专家相对于广大菜农人数有限,领域专家的知识经验并不能有效地为广大菜农服务,致使广大菜农的知识需求和领域专家的知识供给间出现了技术供给断层。因此,设计黄瓜病害远程诊断系统可使领域专家的知识经验直接快速地为广大基层菜农及时防治黄瓜病害服务,从而减少经济损失。
目前,国内外有关专家系统研究趋于成熟。如冯洁等研究了常见黄瓜病害的多光谱诊断方法,陈兵旗等设计了基于图像处理的小麦病害诊断算法,Gunjan Mansingh等开发了针对牙买加咖啡种植过程的病虫害防治专家系统CPEST;周健等设计的基于Web的蔬菜栽培专家系统可实现蔬菜病虫害预测与诊断、管理模式优化、栽培知识学习等功能;刘树文等设计的基于模糊神经网络的葡萄病害诊断系统改善了传统专家系统学习能力差的特点;牛贞福等研究的黄瓜病虫害诊断专家系统使诊断实现了基于产生式规则的模糊推理;传统的专家系统要求大量高精度的源数据以确保诊断结果的准确性,而复杂的学习过程对于文化素质较低的基层菜农在使用上造成了困难,不便于专家系统的推广;而基于自动视觉诊断的专家系统造价昂贵,相对于基础设施落后的我国农村大部分地区,系统昂贵的安装及后期维护费用为其推广造成了困难。
IVR能识别用户通过双音多频话机上的数字键盘输入的DTMF(Dual Tone Multi Frequency双音多频)信号,并向用户播放预先录制好或通过TTS(Text-To-Speech)技术动态生成的语音,使系统和客户进行自助语音交流,引导客户进行操作。这样,用户就可以通过数字按键与自动语音应答设备进行交流,以实现自动化语音服务。IVR技术被广泛用于语音增值业务,以提高呼叫服务的质量。交互式语音应答的黄瓜病害数值诊断方法与系统利用IVR技术,以呼叫中心作为信息交互平台,与黄瓜病害远程诊断系统相结合,走农村信息化低成本的技术路线,解决菜农不具备计算机知识和互联网服务的问题。
发明内容
为解决上述问题,本发明的目的是提供一种基于IVR的黄瓜病害数值诊断方法与系统,用户通过呼叫中心进入IVR,收听各部位症状并使用按键选择黄瓜病害的相应症状,实现对黄瓜病害简单高效的诊断从而使菜农方便快捷地获得诊断结果及其防治方法。
为了达到以上目的,本发明提供了一种基于IVR的黄瓜病害数值诊断方法。
根据本发明的方法,诊断系统包含以下步骤:
步骤S1,用户通过通信工具拨打呼叫中心号码进入IVR,查询相关黄瓜病害知识、药品知识或根据语音提示选择发病部位症状,选择黄瓜病害的症状集合;
步骤S2,根据用户输入症状集调用数据库中数据表查找黄瓜可能发生的病害集,该表单由专家根据农业知识设定;
步骤S3,计算相关病害的判点数,判断最大值与次大值之差是否大于等于第一阈值;是,则最大值所对应的病害即为结果病害;否则进入步骤S4;
步骤S4,计算相关病害分值,判断最大值与次大值之差是否唯一且大于第二阈值,是,则最大值所对应的病害即为结果病害;否则进入步骤S5;
步骤S5,计算相关病害总判点数与判点数之差,判断最小值是否唯一,是,则最小值所对应判点数为最大判断数,该最大判点数对应的病害即为结果病害;
步骤S6,用户通过IVR收听系统通过推理所得到病害名称及防治方法。
根据本发明的另一方面,还提供了一种基于IVR的黄瓜病害数值诊断系统。该系统包括通信终端、IVR推理模块和服务器。
1、通信终端:用户接入IVR所使用的通信工具及通信网络,通信工具包括固定电话和移动电话,通信网络包括电话网和移动通信网络。
2、IVR推理模块:与通信终端相连,用于对用户请求进行交互式语音处理。
3、服务器:与IVR推理模块相连,用于知识库、语音库的调用和中间数据的读取。
其中,所述通信工具包括固定电话和移动电话;通信网络包括电话网和移动通信网络。
本发明的有益效果如下:
(1)实现基于电话的黄瓜病害诊断系统应用方式,拓宽黄瓜病害诊断系统应该范围,为网络设施不发达的农村地区提供应用黄瓜病害诊断系统的条件;
(2)没有专家坐席参与的基于交互式语音应答的黄瓜病害诊断系统,使用户对黄瓜病害的诊断不受时间地点限制,能够降低呼叫中心的经济成本;
(3)操作简单、方便快捷的基于交互式语音应答的黄瓜病害诊断系统能够降低农民的学习成本,进一步促进黄瓜病害诊断系统的推广。
附图说明
图1为本发明基于IVR的黄瓜病害数值诊断方法的流程图;
图2为本发明基于IVR的黄瓜病害数值诊断系统结构示意图;
图3为本发明基于IVR的黄瓜病害数值诊断系统另一实施例的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细说明:
如图1所示,为本发明的基于IVR的黄瓜病害数值诊断方法的流程图。根据本发明的方法,用户根据语音提示选择发病部位症状;根据用户输入的症状提取对应病害集合;利用用户输入症状对可能发生的病害集合进行推理,得出最大可能的病害;用户通过IVR收听最大可能的病害名称及其防治方法。其中,本发明涉及黄瓜病害症状79项,病害种类18项,黄瓜病害知识18项,药品知识23项。下面详细描述该方法:
在步骤S1,用户通过通信工具(例如,固定电话、移动电话、IP电话)拨打呼叫中心号码进入IVR,查询相关黄瓜病害知识、药品知识或根据语音提示选择发病部位症状,选择黄瓜病害的症状集合。
用户通过通信工具拨打呼叫中心号码进入IVR后,再通过话机按钮进入“黄瓜病害知识查询”、“药品知识查询”和“黄瓜病害自动诊断”选项。例如,用户根据语音提示,选1进入“黄瓜病害知识查询”,选2进入“药品知识查询”,选3进入“黄瓜病害自动诊断”,挂机则退出。
选1进入“黄瓜病害知识查询”后:用户根据语音提示选择黄瓜病害名称;播放查询结果,或退出语音服务系统。所述黄瓜病害包括18种病害:黄瓜霜霉病、白粉病、角斑病、炭疽病、灰霉病、黑星病、枯萎病、蔓枯病、病毒病、疫病、白绢病、菌核病、跟线虫病、斑点病、黑斑病、靶斑病、叶斑病和根腐病。例如,用户根据语音提示选择黄瓜病害名称,如选1进入“黄瓜霜霉病”,选2进入“黄瓜白粉病”;播放查询结果,或选“#”返回上一级菜单。
选2进入“药品知识查询”后:用户根据语音提示选择黄瓜病害防治相关药品名称;播放查询结果,或退出语音服务系统。例如用户根据语音提示选择病害防治药品名称,如选1进入“五氯硝基苯”,选2进入“甲基硫菌灵”;播放查询结果,或选“#”返回上一级菜单。
选3进入“黄瓜病害自动诊断”后:用户根据语音提示选择黄瓜发病部位及症状,系统进行自动推理,将得到的推理结果播放给用户或退出选项,或退出语音服务系统。所述黄瓜发病部位包括8个选项:株选项、苗选项、叶选项、茎选项、花选项、果选项、根选项和发病环境选项。例如选1进入“株选项”,选2进入“苗选项”。用户按数字键选择发病部位,或选“#”返回上一级菜单。进入任一发病部位选项后:用户根据语音提示选择症状,如选1进入“株选项”后,收听“1蔫或枯死,2不蔫,3矮小或中午蔫”来按下数字键选择症状,或按“*”输出诊断结果,或选“#”重新选择发病部位。
本发明将黄瓜病害症状从发病部位选项开始为三级目录,每一级均不超过9个选择项,如“叶选项”包括9个子选项:整叶选项(1)、叶斑选项(2)、叶肉选项(3)、新叶选项(4)、叶面选项(5)、叶背选项(6)、叶缘选项(7)、上部叶选项(8)和下部叶选项(9)。上述每个子选项下面还包括一级症状,例如“叶斑选项”包括症状:斑生灰霉(2)、斑心灰白或灰褐(4)、斑界明显(9)。本发明提供了详细的症状供用户选择。IVR流程设计的人性化可提高系统的可操作性。
利用用户通过话机按钮选择的症状,通过下式计算出用户输入数字对应知识库中的症状:
d i = Σ p = 1 k - 1 u p + Σ p ′ = 1 k ′ - 1 u p ′ + u kk 公式(1)
其中,up(p=1,2,……,k,……,8)为每个发病部位的子选项数,其中k为用户按键选择发病部位所输入的数字。p的最大值为发病部位的选项数,对于本发明的示例,有8个选项:株选项、苗选项、叶选项、茎选项、花选项、果选项、根选项和发病环境选项。up′(p′=1,2,……,k′,……,9)为每个发病部位子选项的症状数,其中k′为用户按键选择子选项所输入的数字。ukk为用户按键选择症状所输入的数字。则di即为该输入数字ukk唯一对应的知识库中的症状。
在步骤S2,根据用户输入症状集调用数据库中的数据表查找黄瓜可能发生的病害集。数据库中存储有症状-病害对应表1以及病害-症状对应表2,这两个表单由专家根据农业知识设定。本系统中共整合了79项症状种类,18项病害种类。
症状-病害对应表1存储的是每个症状对应的病害,如下表示意性所示:
  症状   病害
  d1   p11、P13
  …   …
  d9   p1、p3、p4、P16、p17
  …   …
  d14   p16、p17
  d15   p15
  d16   p16、p17
  …   …
  d21   p17、p18
  …   …
  d79   p2
症状-病害对应表1
病害-症状对应表2存储的是每个病害对应的症状,如下表示意性所示:
  病害   症状
  p1   d9、d25、d26、d75、d77
  …   …
  P3   d7、d9、d24、d25、d27、d46、d75、d77
  P4   d7、d9、d36、d36、d68、d75
  …   …
  P16   d9、d14、d16、d19、d20
  P17   d9、d14、d16、d19、d21
  p18   d6、d21、d54、d55、d71、d72
病害-症状对应表2
系统根据用户输入症状集合DX={di|i∈x},x∈79(对应于本发明所涉及的79种症状)。通过查找症状-病害对应表1提取对应的病害集合PY={pj|j∈Y},Y∈18(对应于本发明所涉及的18种病害),通过查找病害-症状对应表2确定病害pj对应的症状集DJZ={di|i∈jz}(jz∈x)。
步骤S3,计算每种病害对应的用户输入症状个数(判点数),求得最大判点数与次大判点数的差。
计算病害集合PY的判点数集合SY={sj|j∈Y},其中sj为病害pj对应症状集DJZ的元素个数;
将集合SY排序,最大判点数表示为sm,次大判点数表示为sn,当sm-sn≥2时(当然,为了提高准确性,也可以设定其他阈值,例如判断两者之差是否大于等于3),sm对应的病害pm为结果病害,进入步骤S6,用户通过IVR收听系统通过推理所得到病害名称及防治方法。如果最大判点数不唯一,或者最大与次大值之差小于2,则进入步骤S4。
步骤S4,计算可能病害集中病害的分值(症状集中症状在每个病害中所占的分值的和),求得最大与次大病分值之差。
通过下式计算病害pj的分值BY={bj|j∈Y}:
b i = Σ i ∈ jz σ ij 公式(2)
其中σij为症状di在病害pj中所占的分值,该分值由领域专家以专家根据德尔菲法,运用模糊数学隶属度等方法,以打分的形式给出,存储在数据库的病害-症状分值表3中。如下表示意性表示:
Figure BSA00000403974200072
病害-症状分值表3
将集合BY排序,最大分值表示为bm,次大分值表示为bn,当bm-bn≥8时(当然,为了提高准确性,也可以设定其他阈值,例如判断两者之差是否大于等于9),输出诊断结果为bm对应的病害pm,即诊断结果为最大分值和对应的病害,进入步骤S6,用户通过IVR收听系统通过推理所得到病害名称及防治方法。如果最大分值不唯一,或者小于8,则进入步骤S5。
步骤S5,计算可能病害集中病害的总判断点数(病害所对应的总症状集中的所有症状个数)与判点数之差。
计算病害pj的总判点数S′Y={s′j|j∈Y},其中s′j为病害pj对应的所有症状数,通过下式计算病害pj的WY={wj|j∈Y}:
            wj=s′j-sj        公式(3)
其中wj为pj的总判点数与判点数之差。
将集合WY排序,如果最小值唯一,则表示为wm,wm对应的判点数最大值且唯一,该最大判断数对应的病害即为结果病害,进入步骤S6,用户通过IVR收听系统通过推理所得到病害名称及防治方法。否则,返回步骤S1,提示诊断出错,提示用户重新输入症状。
步骤S6,用户通过IVR收听系统通过推理所得到病害名称及防治方法。
本发明还提供一种基于IVR的黄瓜病害数值诊断系统,如图2所示,所述系统包括通信终端、IVR推理模块和服务器。
1、通信终端:用户接入IVR所使用的通信工具及通信网络,通信工具包括固定电话和移动电话,通信网络包括电话网和移动通信网络。
用户根据语音提示,选1进入“黄瓜病害知识查询”,选2进入“药品知识查询”,选3进入“黄瓜病害自动诊断”,挂机则推出系统;
进入“黄瓜病害知识查询”:用户根据语音提示选择黄瓜病害名称,如选1进入“黄瓜霜霉病”,选2进入“黄瓜白粉病”;播放查询结果,或选“#”返回上一级菜单;
进入“药品知识查询”:用户根据语音提示选择病害防治药品名称,如选1进入“五氯硝基苯”,选2进入“甲基硫菌灵”;播放查询结果,或选“#”返回上一级菜单;
进入“黄瓜病害自动诊断”:用户根据语音提示选择黄瓜发病部位,如选1进入“株症状”,选2进入“苗症状”;选择发病部位症状,或选“#”返回上一级菜单;
进入任一发病部位选项后:用户根据语音提示选择症状,如进入“株症状”后,收听“1蔫或枯死,2不蔫,3矮小或中午蔫”按下相应的数字键来选择症状,或按“*”输出诊断结果,或选“#”重新选择发病部位。
本发明将黄瓜病害症状从发病部位开始分为三级目录,每一级均不超过9个选择项,如“叶症状”包括整叶选项、叶斑选项、叶肉选项、新叶选项、叶面选项、叶背选项、叶缘选项、上部叶选项和下部叶选项,每个子选项都包括对应的症状供用户选择。IVR流程设计的人性化可提高系统的可操作性。
2、IVR推理模块:与通信终端相连,用于对用户请求进行交互式语音处理。
利用用户通过话机按钮选择的症状,通过上述公式(1)计算出用户输入数字对应知识库中的症状,在此不再赘述。
IVR推理模块的数据库中存储有症状-病害对应表1以及病害-症状对应表2,这两个表单由专家根据农业知识设定。本系统中共整合了79项症状种类,18项病害种类。症状-病害对应表1存储的是每个症状对应的病害,如上面表1所示。病害-症状对应表2存储的是每个病害对应的症状,如上面表2所示。
系统根据用户输入症状集合DX{di|i∈X},X=79。通过查找症状-病害对应表1提取对应的病害集合PY={pj|j∈Y},Y=18,通过查找病害-症状对应表2确定病害pj对应的症状集DJZ={di|i∈jz}(jz∈x)。
计算每种病害对应的用户输入症状个数(判点数)。
计算病害集合PY的判点数集合SY={sj|j∈Y},其中sj为病害pj对应症状集DJZ的元素个数;
将集合SY排序,最大判点数表示为sm,次大判点数表示为sn,当sm-sn≥2时,结果为sm对应的病害pm,结果为最大判点数对应的病害,将结果发送到服务器。
如果最大判点数不唯一,或者最大与次大值之差小于2,则计算可能病害集中病害的分值和,判断最大与次大病分值之差。
通过公式(2)计算病害pj的分值BY={bj|j∈Y}。计算过程如前面所述,在此不再赘述。
将集合BY排序,最大分值表示为bm,次大分值表示为bn,当bm-bn≥8时,输出诊断结果为bm对应的病害pm,即诊断结果为最大分值和对应的病害,将结果发送到服务器。
如果最大分值不唯一,或者小于8,则计算可能病害集中病害的总判断点数与判点数之差。
计算病害pj的总判点数S′Y={s′j|j∈Y},其中s′j为病害pj对应的所有症状数,通过公式(3)计算病害pj的WY={wj|j∈Y}:计算过程如前面所述,在此不再赘述。其中wj为pj的总判点数与判点数之差。
将集合WY排序,如果最小值唯一,则表示为wm,输出诊断结果为wm对应的病害pm,即差值最小的为最可能结果,当此最小差值唯一时,其对应的病害即为诊断结果,将结果发送到服务器。否则,提示诊断出错,提示用户重新输入症状。
3、服务器:与IVR推理模块相连,用于知识库、语音库的调用和中间数据的读取。
服务器接收到IVR推理模块的处理结果后,将对应的病害知识发送给用户,用户通过IVR收听系统通过推理所得到病害名称及防治方法。
其中,知识库中存放了黄瓜病害症状79项,病害种类18项;语音库中包括黄瓜病害知识18项,药品知识23项。
图3为本发明的基于IVR的黄瓜病害数值诊断系统另一实施例的结构示意图。如图所示,IVR推理模块与服务器集成到一起,IVR推理模块包括呼叫中心和专家系统两部分。
呼叫中心接收用户通过通信终端输入的症状,并传输给专家系统进行诊断。接收专家系统的诊断结果并返回给用户收听。
专家系统包括知识库和推理机。知识库中存储了病害知识和药品知识。推理机根据用户输入的症状集进行推理。并根据推理结果调用相关知识,输出给呼叫中心。
专家系统还具有网络接口,用户可以通过Web服务器登录,以网络方式进行药品和病害知识的浏览。
呼叫中心也具有网络接口,可以接收用户通过网络方式(例如IP电话)的呼叫。
数值诊断法是应用知识工程处理方法,将病害症状量化为诊断数值,在诊断中用模糊识别、经简单加减运算求和,以得出诊断结果的一种简便、快速、诊断准确率高的诊断算法,在下列情况下会出现多个数值相近的诊断结果:疾病初期症状不明显或症状太少;疾病后期,症状较多。本系统采用的黄瓜病害数值诊断方法,对传统的数值诊断方法进行了如下改进,使诊断结果趋于唯一:
(1)本系统根据模糊数学的隶属度法,即如果某一症状对应5个以上的病害,那么该症状对应每个病害的分值都为5,否则就容易出错。
(2)本系统借鉴考试设录取分数线的方法,在数值诊断的基础上设计了诊断黄瓜病害的控制方法:a、先看哪个病害的判点数大,就诊断为哪个病害;b、当两个病害的判点数相近时,就求它们的分值和,以和值大(差值大于8分)的病害做结论;c、如果和值也接近,就看病害的判点数谁更接近自己的总判点数,以最接近自己的总判点数的病害作为诊断结果。
下面以一个具体实例来描述本发明:
用户按键输入号码对黄瓜病害进行自动诊断:选3进入“黄瓜病害自动诊断”,选3进入“叶选项”,选1进入“整叶症状”,选“5叶褪绿并生(黄或褐)斑”,选#返回“叶选项”,选2进入“叶斑症状”选2“斑生灰霉”,选4“斑心灰白或灰褐”,选9“斑界明显”,选*结束症状选择并输出诊断结果。
根据公式(1)可得用户输入症状集合DX={d9,d14,d16,d21}={叶:褪绿并生(黄或褐)斑,叶:斑生灰霉,叶:斑心灰白或灰褐,叶:斑界明显}。
根据症状-病害对应表1,得到其对应的病害集合PY={p1,p3,p4,p16,p17,p18}={霜霉病,角斑病,炭疽病,靶斑病,叶斑病,根腐病}。
根据病害-症状对应表2,得到病害p1对应的症状集D1={d9},病害p3对应的症状集D3={d9},病害p4对应的症状集D4={d9},病害p16对应的症状集D16={d9,d14,d16},病害p17对应的症状集D17={d9,d14,d16,d21},病害p18对应的症状集D18={d21}。
得到病害集合PY的判点数集合SY={1,1,1,3,4,1},最大判点数与次大判点数之差小于2,进入步骤S4。
通过公式(2)计算病害集合PY的分值BY={10,5,5,15,30,10},最大分值与次大分值之差大于8,输出b17对应病害p17
用户收听诊断结果:叶斑病。

Claims (13)

1.一种基于IVR的黄瓜病害数值诊断方法,其特征在于,包括:
步骤(S1):根据用户通过IVR的输入从总症状集中提取用户输入的症状集;
步骤(S2):根据症状集提取病害集;
步骤(S3):计算病害集中每个病害的判点数,如果最大值与次大值之差大于等于第一阈值,则最大值所对应的病害即为结果病害。
2.根据权利要求1所述的基于IVR的黄瓜病害数值诊断方法,其特征在于,还包括:
步骤(S4):计算病害集中每个病害的分值,如果最大值与次大值之差大于等于第二阈值,则最大值所对应的病害即为结果病害。
3.根据权利要求2所述的基于IVR的黄瓜病害数值诊断方法,其特征在于,还包括:
步骤(S5):计算病害集中每个病害的总判点数与所述判点数之差,如果最大值唯一,则最大值所对应的判点数为最大判断数,该最大判点数对应的病害即为结果病害。
4.根据权利要求1所述的基于IVR的黄瓜病害数值诊断方法,其特征在于,步骤(S2)还包括:根据病害-症状集对应表来提取所述病害集。
5.根据权利要求4所述的基于IVR的黄瓜病害数值诊断方法,其特征在于,步骤(S2)还包括:根据症状-病害对应表,从所述用户输入的症状集中,提取所述病害集中每个病害对应的用户输入症状。
6.一种基于IVR的黄瓜病害数值诊断系统,包括通信终端、IVR推理模块,其特征在于:
通信终端接收用户通过按键输入的症状集合,并连接到IVR推理模块;
IVR推理模块,其根据用户的输入,从总症状集中提取用户输入的症状集,并提取出对应的病害集,根据病害集中的病害的判点数,根据最大值与次大值之差判断出结果病害。
7.如权利要求9所述的基于IVR的黄瓜病害数值诊断系统,其特征在于,所述IVR推理模块计算病害集中每个病害的判点数,判断最大值与次大值之差是否大于等于第一阈值,是,则最大值所对应的病害即为结果病害。
8.如权利要求10所述的基于IVR的黄瓜病害数值诊断系统,其特征在于,所述IVR推理模块进一步计算病害集中每个病害的分值,判断最大值与次大值之差是否大于第二阈值,是,则最大值所对应的病害即为结果病害。
9.如权利要求11所述的基于IVR的黄瓜病害数值诊断系统,其特征在于,所述IVR推理模块进一步计算病害集中每个病害的总判点数与所述判点数之差,判断最小值是否存在且唯一,是,则最小值所对应的判点数为最大判断数,该最大判点数对应的病害即为结果病害。
10.根据权利要求9所述的基于IVR的黄瓜病害数值诊断系统,其特征在于,所述IVR推理模块根据病害-症状集对应表来提取所述病害集。
11.根据权利要求13所述的基于IVR的黄瓜病害数值诊断系统,其特征在于,所述IVR推理模块根据症状-病害对应表,从所述用户输入的症状集中,提取所述病害集中每个病害对应的用户输入症状。
12.根据权利要求9所述的基于IVR的黄瓜病害数值诊断系统,其特征在于,所述通信终端为用户接入IVR所使用的通信工具及通信网络,通信工具包括固定电话、移动电话和IP电话,通信网络包括电话网和移动通信网络。
13.根据权利要求9所述的基于IVR的黄瓜病害数值诊断系统,还包括服务器,其存储病害以及药品知识的知识库、语音库,并接收IVR推理模块的结果并将病害信息传送给IVR推理模块。
CN201010614308.7A 2010-12-21 2010-12-21 基于ivr的黄瓜病害数值诊断方法与系统 Active CN102075645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010614308.7A CN102075645B (zh) 2010-12-21 2010-12-21 基于ivr的黄瓜病害数值诊断方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010614308.7A CN102075645B (zh) 2010-12-21 2010-12-21 基于ivr的黄瓜病害数值诊断方法与系统

Publications (2)

Publication Number Publication Date
CN102075645A true CN102075645A (zh) 2011-05-25
CN102075645B CN102075645B (zh) 2016-03-30

Family

ID=44033980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010614308.7A Active CN102075645B (zh) 2010-12-21 2010-12-21 基于ivr的黄瓜病害数值诊断方法与系统

Country Status (1)

Country Link
CN (1) CN102075645B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106568722A (zh) * 2016-10-19 2017-04-19 中国农业大学 一种基于光谱技术的设施黄瓜病害预警方法及装置
CN112400688A (zh) * 2014-03-04 2021-02-26 绿玛瑙有限公司 用于栽培和分布水生生物的系统和方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060274928A1 (en) * 2005-06-02 2006-12-07 Jeffrey Collins System and method of computer-aided detection
CN101621592A (zh) * 2009-07-24 2010-01-06 中国农业大学 农业病虫害知识呼叫咨询方法与系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060274928A1 (en) * 2005-06-02 2006-12-07 Jeffrey Collins System and method of computer-aided detection
CN101621592A (zh) * 2009-07-24 2010-01-06 中国农业大学 农业病虫害知识呼叫咨询方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张小栓等: "鱼病诊断专家知识库的构造", 《计算机工程与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112400688A (zh) * 2014-03-04 2021-02-26 绿玛瑙有限公司 用于栽培和分布水生生物的系统和方法
CN106568722A (zh) * 2016-10-19 2017-04-19 中国农业大学 一种基于光谱技术的设施黄瓜病害预警方法及装置

Also Published As

Publication number Publication date
CN102075645B (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN106991619A (zh) 一种农作物病虫害智能诊断系统及诊断方法
Lélé Sustainable development: a critical review
Duvvury Women in agriculture: a review of the Indian literature
CN103747009A (zh) 一种监测水稻生长状况的系统及其方法
CN101621592A (zh) 农业病虫害知识呼叫咨询方法与系统
Yombiyeni et al. Hymenochaetaceae from the Guineo-Congolian rainforest: three new species of Phylloporia based on morphological, DNA sequences and ecological data
Steinke et al. Household-specific targeting of agricultural advice via mobile phones: Feasibility of a minimum data approach for smallholder context
Bastias et al. Species richness influences the spatial distribution of trees in European forests
Godara et al. Sequential pattern mining combined multi-criteria decision-making for farmers’ queries characterization
CN102075645A (zh) 基于ivr的黄瓜病害数值诊断方法与系统
Tran et al. Education and agricultural household income: Comparative evidence from Vietnam and Thailand
Charles et al. Agricultural activities of government and NGOs in Siaya District
Nodet et al. First report of apple bitter rot caused by Colletotrichum fioriniae in Brittany, France
Norton A decision-analysis approach to integrated pest control
CN117273411A (zh) 一种基于农业大数据管理的农业信息服务系统
Hillbom et al. Income inequality and export‐oriented commercialization in colonial Africa: Evidence from six countries
Sikor et al. Principles for sustainability: protection, investment, cooperation, and innovation
Healey et al. Acacia and eucalypt plantation biosecurity in Southeast Asia–a history, and directions for future research and engagement
Sievers-Glotzbach Reconciling intragenerational and intergenerational environmental justice in Philippine agriculture: The MASIPAG farmer network
Raintree et al. Agroforestry research in farming systems perspective: the ICRAF approach
Sakata The application of information and communication technologies (ICT) in agriculture: Present status, opportunities, and challenges in Vietnam
Choudhury et al. First report of Diplodia seriata causing pear branch canker dieback in California
Tiwari et al. Impact of advanced transport machinery for reducing drudgery and work related stress of farm women
CN116308208B (zh) 农旅信息管理平台
Özekici et al. WOMEN IN AGRICULTURE AND IRRIGATION œ TURKISH CASE

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: 100083 136 mailbox, east campus, 17 Qinghua East Road, Beijing, Haidian District

Applicant after: China Agricultural University

Address before: 100083 Haidian District Qinghua East Road, No. 17, Beijing

Applicant before: China Agricultural University

C14 Grant of patent or utility model
GR01 Patent grant