基于WEB的小麥病害智能診斷技術(shù)研究.pdf

1、傳統(tǒng)單機(jī)版的農(nóng)業(yè)專(zhuān)家系統(tǒng)受時(shí)間、空間的限制，缺乏靈活性，數(shù)據(jù)處理形式單一，難以適應(yīng)當(dāng)前信息膨脹的互連網(wǎng)時(shí)代。隨著Internet技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)日益成為信息傳輸?shù)闹饕Ｊ?，建立基于網(wǎng)絡(luò)的農(nóng)作物病蟲(chóng)害智能診斷系統(tǒng)是農(nóng)業(yè)信息化發(fā)展的必然趨勢(shì)。針對(duì)智能系統(tǒng)網(wǎng)絡(luò)化的要求，本文以小麥病害診斷為切入點(diǎn)，重點(diǎn)研究網(wǎng)絡(luò)專(zhuān)家系統(tǒng)模型、知識(shí)庫(kù)構(gòu)建以及小麥病害診斷中的知識(shí)獲取與推理方法，并對(duì)提出的診斷算法進(jìn)行測(cè)試，開(kāi)發(fā)了算法測(cè)試軟件和B/S模式的小麥病害

2、智能診斷原型系統(tǒng)。 本文的主要研究?jī)?nèi)容包括： (1)為了使知識(shí)庫(kù)適應(yīng)網(wǎng)絡(luò)環(huán)境的需要，提出一種結(jié)合面向?qū)ο蠛蚗ML技術(shù)的小麥病蟲(chóng)害知識(shí)表示方法，構(gòu)建了小麥病蟲(chóng)害XML知識(shí)庫(kù)，使知識(shí)庫(kù)具有高度可擴(kuò)展性并且不依賴于軟硬件平臺(tái)；探討了網(wǎng)絡(luò)專(zhuān)家系統(tǒng)相對(duì)于傳統(tǒng)單機(jī)版專(zhuān)家系統(tǒng)的優(yōu)勢(shì)，提出了一個(gè)基于J2EE/XML的網(wǎng)絡(luò)專(zhuān)家系統(tǒng)模型，使用EJB技術(shù)設(shè)計(jì)可重用的推理組件，使業(yè)務(wù)處理邏輯與底層系統(tǒng)邏輯分開(kāi)。 (2)針對(duì)傳統(tǒng)專(zhuān)家系統(tǒng)在

3、知識(shí)獲取和不確定性推理等方面的不足，提出基于BP神經(jīng)網(wǎng)絡(luò)的小麥病害的知識(shí)獲取與推理方法。對(duì)小麥病害特征參數(shù)進(jìn)行編碼，利用神經(jīng)網(wǎng)絡(luò)確定病害癥狀與病害類(lèi)型之間的因果關(guān)系，從而實(shí)現(xiàn)小麥病害的智能診斷。實(shí)驗(yàn)證明，該方法的平均診斷正確率為80％。 (3)為了使神經(jīng)網(wǎng)絡(luò)的診斷過(guò)程透明化，采用帶懲罰函數(shù)的交錯(cuò)熵誤差函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)神經(jīng)網(wǎng)絡(luò)剪枝、權(quán)重分析和設(shè)定閾值三個(gè)步驟從神經(jīng)網(wǎng)絡(luò)中抽取產(chǎn)生式規(guī)則。實(shí)驗(yàn)證明，當(dāng)閾值為0.2時(shí)，提取的

4、診斷規(guī)則比較可靠，規(guī)則的保真度和精度分別為85％和81％。 (4)將灰色關(guān)聯(lián)分析應(yīng)用于小麥病害案例推理中，提出采用灰色綜合關(guān)聯(lián)度做為案例的相似性度量指標(biāo)，改進(jìn)了距離相似性度量的缺陷。同時(shí)在案例檢索中考慮特征參數(shù)對(duì)案例檢索的重要性程度的不同，通過(guò)對(duì)不同特征參數(shù)設(shè)置不同的權(quán)值解決非關(guān)鍵指標(biāo)對(duì)案例判斷的干擾問(wèn)題。測(cè)試結(jié)果表明，灰色關(guān)聯(lián)案例推理的平均診斷正確率為82.5％。 (5)研究系統(tǒng)實(shí)現(xiàn)的關(guān)鍵技術(shù)，并使用JAVA語(yǔ)言開(kāi)發(fā)了