基于WEB的小麥病害智能診斷技術(shù)研究.pdf

1、傳統(tǒng)單機版的農(nóng)業(yè)專家系統(tǒng)受時間、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)當前信息膨脹的互連網(wǎng)時代。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)作物病蟲害智能診斷系統(tǒng)是農(nóng)業(yè)信息化發(fā)展的必然趨勢。針對智能系統(tǒng)網(wǎng)絡(luò)化的要求，本文以小麥病害診斷為切入點，重點研究網(wǎng)絡(luò)專家系統(tǒng)模型、知識庫構(gòu)建以及小麥病害診斷中的知識獲取與推理方法，并對提出的診斷算法進行測試，開發(fā)了算法測試軟件和B/S模式的小麥病害

2、智能診斷原型系統(tǒng)。 本文的主要研究內(nèi)容包括： (1)為了使知識庫適應(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)的小麥病蟲害知識表示方法，構(gòu)建了小麥病蟲害XML知識庫，使知識庫具有高度可擴展性并且不依賴于軟硬件平臺；探討了網(wǎng)絡(luò)專家系統(tǒng)相對于傳統(tǒng)單機版專家系統(tǒng)的優(yōu)勢，提出了一個基于J2EE/XML的網(wǎng)絡(luò)專家系統(tǒng)模型，使用EJB技術(shù)設(shè)計可重用的推理組件，使業(yè)務(wù)處理邏輯與底層系統(tǒng)邏輯分開。 (2)針對傳統(tǒng)專家系統(tǒng)在

3、知識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)的小麥病害的知識獲取與推理方法。對小麥病害特征參數(shù)進行編碼，利用神經(jīng)網(wǎng)絡(luò)確定病害癥狀與病害類型之間的因果關(guān)系，從而實現(xiàn)小麥病害的智能診斷。實驗證明，該方法的平均診斷正確率為80％。 (3)為了使神經(jīng)網(wǎng)絡(luò)的診斷過程透明化，采用帶懲罰函數(shù)的交錯熵誤差函數(shù)對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，通過神經(jīng)網(wǎng)絡(luò)剪枝、權(quán)重分析和設(shè)定閾值三個步驟從神經(jīng)網(wǎng)絡(luò)中抽取產(chǎn)生式規(guī)則。實驗證明，當閾值為0.2時，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，改進了距離相似性度量的缺陷。同時在案例檢索中考慮特征參數(shù)對案例檢索的重要性程度的不同，通過對不同特征參數(shù)設(shè)置不同的權(quán)值解決非關(guān)鍵指標對案例判斷的干擾問題。測試結(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)實現(xiàn)的關(guān)鍵技術(shù)，并使用JAVA語言開發(fā)了