水稻病虫害诊断模型构建及智能咨询识别系统的实现

论文题目: 水稻病虫害诊断模型构建及智能咨询识别系统的实现

论文类型: 硕士论文

论文专业: 农业昆虫与害虫防治

作者: 孙传恒

导师: 唐启义

关键词: 水稻病虫害,神经网络,诊断模型,专家系统

文献来源: 浙江大学

发表年度: 2005

论文摘要: 本论文是国家863计划项目“网络化实时农业远程诊断模型及交互式平台关键技术研究”(项目编号:2002AA243041)的一部分,论文对水稻病虫害诊断知识进行了系统整理和较深入研究,构建了水稻病虫害咨询诊断系统。 水稻病虫害诊断模型及其咨询系统主要由知识库、知识获取机构、综合数据库、推理机四个部分组成。知识库主要存放水稻病虫害诊断的规则;知识获取机构面向农业专家,实现知识的获取以及知识库的修改、扩充等任务,综合数据库用于存放水稻的基本信息,用户可以通过综合数据库来获得相应的病虫害咨询信息;推理机是根据用户输入的原始信息,应用诊断模型进行诊断。在设计过程中,运用面向对象的编程技术、ADO技术、数据库技术;基于Delphi6平台,将数据库技术与专家系统相结合,实现了对规则知识的存贮、管理,从而实现了该系统。 本系统是基于特征的诊断机制,根据病害在水稻生长的各个部位(叶、茎、穗)的症状特征和虫害的个体特征,在特征描述的基础上构建本系统的诊断知识库。在水稻病虫害诊断模型方面,筛选出了水稻重要的鉴别特征,根据水稻病虫害的特点与特征,综合运用了几种知识表示方法,一是采用关系表示的知识表示方法,采用多条件组合的方式表达规则知识,将所有知识存于关系数据库中,相应地在这种知识表达方式下,利用SQL语言设计了该系统的推理机,推理效果较好。另一种知识表示方法是通过对病虫害症状的整理和收集,对病虫害症状采用特征—规则表的方式进行表达;并利用神经网络理论,建立并实现了神经网络的复杂层次网络结构模型,完成了基于特征的病虫害诊断系统的建立。 该系统有效地将计算机技术与植保专家知识结合在一起,集病虫害信息存贮浏览、查询、专家系统于一体,同时地理信息和多媒体技术的运用增加了系统的实用性和直观性,对于缓解植保专家的不足,提高水稻病虫害的防治,加快科技成果的转化具有重要意义。

论文目录:

摘要

Abstract

第一章 绪论

1.1 课题研究的目的与意义

1.2 病虫害诊断研究现状

1.3 病虫害诊断的难点

1.4 病虫害诊断技术探讨

1.5 主要研究内容

第二章 人工智能技术在病虫害诊断中的应用

2.1 人工智能、知识工程、专家系统

2.1.1 人工智能

2.1.2 知识工程

2.1.3 专家系统

2.2 专家系统发展概况及农业专家系统国内外研究现状

2.2.1 专家系统发展概况

2.2.2 农业专家系统国内外研究现状

2.2.2.1 国外研究和应用状况

2.2.2.2 国内研究和应用状况

2.3 农业专家系统发展方向

2.3.1 农业标准数据库和数据仓库技术

2.3.2 农业知识的自动获取技术

2.3.3 农业知识的表示方法

2.3.4 搜索方法和推理技术

2.3.5 3S、虚拟农业、智能决策等多技术的集成技术

2.3.6 农业专家系统开发工具(平台)

2.3.7 网络技术

2.3.8 分布式农业信息处理技术

2.3.9 基于组件的农业专家系统系统软件研发技术

2.4 人工神经网络

2.4.1 人工神经网络概述

2.4.2 神经网络的发展情况

2.5 专家系统与神经网络的结合

2.5.1 专家系统与神经网络的互补

2.5.2 专家系统与神经网络的区别

第三章 系统的总体设计

3.1 系统目标

3.2 系统结构与功能

3.2.1 系统模式设计

3.2.2 系统功能

3.2.3 系统模块设计

3.3 诊断子系统设计

3.3.1 诊断子系统模块设计

3.3.2 诊断子系统内容设计

3.4 界面设计

3.5 系统开发流程图

第四章 知识库设计

4.1 知识获取

4.1.1 知识获取的方法

4.2 知识表示方法

4.2.1 知识分类

4.2.2 知识表示方法

4.2.2.1 常用的知识表示方法

4.2.2.2 系统的知识表示方法

4.3 水稻病虫害发生特点与知识描述

4.3.1 水稻病虫害知识特点

4.3.2 水稻病虫害发生特点

4.3.3 水稻病虫害知识特征化描述

4.4 知识库的建立

4.5 知识库的组织形式

第五章 推理机的设计

5.1 基本的推理技术

5.1.1 推理的类型

5.1.2 推理的控制策略

5.1.3 搜索策略

5.2 基于产生式知识规则的模糊混合推理

5.2.1 模糊推理

5.2.2 不确定性推理

5.3 系统采用的推理策略

5.3.1 推理诊断主要因素的确定

5.3.2 推理机的设计实现

第六章 基于神经网络的病虫害特征诊断

6.1 BP神经网络

6.2 BP神经网络的学习算法与数学原理

6.3 基于特征的病虫害诊断的神经网络的组建

6.3.1 神经网络的知识表示

6.3.2 神经网络的知识获取

6.3.3 基于神经网络的知识推理

6.4 病虫害诊断的神经网络的构建

6.5 专家系统与神经网络的集成

6.5.1 集成的概念

6.5.2 集成方式与集成结构

第七章 系统集成

7.1 系统实现环境

7.2 开发的相关技术

7.2.1 面向对象技术

7.2.2 基于OLE-DB的ADO数据访问技术

7.2.3 数据库技术

7.3 系统开发过程

结论

参考文献

攻读硕士期间发表的论文及参加的学术会议

致谢

发布时间: 2005-07-22

参考文献

• [1].基于神经网络的农作物病虫害诊断方法研究[D]. 王越.东北师范大学2007
• [2].基于神经网络的林火信息融合系统设计[D]. 周涛.中南林业科技大学2018
• [3].基于神经网络和支持向量机的苎麻病害识别系统的研究[D]. 刘曜端.湖南农业大学2017
• [4].基于叶表图片的番茄病虫害自动检测[D]. 刘海波.大连交通大学2017
• [5].基于改进BP神经网络的林火预测研究[D]. 王璠.江西科技师范大学2016
• [6].安徽省水稻病虫害监测预警系统预测模块的设计与实现[D]. 张守网.安徽农业大学2017
• [7].基于GA-BP神经网络的温室番茄病害诊断研究[D]. 米雅婷.东北林业大学2016
• [8].一种基于BP神经网络对水稻害虫预测的研究[D]. 饶丹丹.武汉轻工大学2013
• [9].湖南省水稻病虫害专业化统防统治用药组合研究[D]. 杨文胜.湖南农业大学2012
• [10].基于模糊控制与RBF神经网络的桃病虫害发生预测研究[D]. 王晓娟.河北农业大学2011

相关论文

• [1].花生叶斑病模拟模型与病虫害预测专家系统的研究[D]. 朱本静.山东农业大学2007
• [2].基于网络的烟草病虫害咨询系统研究与建立[D]. 马俊.湖南农业大学2007
• [3].辣椒营养诊断专家系统[D]. 齐亚峰.昆明理工大学2007
• [4].园林植物病虫害治理决策咨询系统[D]. 龙国伟.福建农林大学2007
• [5].基于神经网络的农作物病虫害诊断方法研究[D]. 王越.东北师范大学2007
• [6].无公害油菜病虫害防治专家系统构建[D]. 成必成.湖南农业大学2005
• [7].基于ASP.NET的植物病虫害远程诊断咨询系统[D]. 周枝旺.福建农林大学2006
• [8].吉林省水稻病害诊断查询专家系统[D]. 张莹.吉林农业大学2006
• [9].吉林省玉米病虫草害诊治专家系统[D]. 杨建福.吉林农业大学2006
• [10].广东省森林病虫害远程诊断系统的设计研究[D]. 曹咏梅.中南林业科技大学2006

标签：水稻病虫害论文;  神经网络论文;  诊断模型论文;  专家系统论文;