诊断型农业专家系统推理机制的设计与实现

本文在分析农业生产技术问题诊断、农业专家解决实际问题的过程和农业生产者对专家系统应用要求的基础上,设计了三种适用于农业领域问题的推理机制,并成功地在诊断型农业专家系统推理机开发集成中应用。     

专家系统及其在果树学上的应用

本文简述了专家系统的基本概念、结构、特征、功能以及农业专家系统发展概况。系统综述了近年国内外果树类专家系统研究与应用现状，并对果树专家系统的未来作了展望。     

农业专家系统开发推广中新兴信息载体的应用分析

综述了当前农业专家系统的研究与应用现状,从信息载体、农民认知层次与接受程度、专家系统自身完善程度等方面分析了制约农业专家系统推广应用的主要问题,在此基础上探讨了新兴信息载体,如移动通信网络、PDA、3G技术等在农业专家系统推广应用中的作用。     

多媒体技术在蔬菜病虫害防治专家系统上的应用

本文简要论述了农业专家系统的研究现状、多媒体技术在蔬菜病虫害防治专家系统中的应用，提出了系统的设计思路，并讨论了多媒体农业专家系统应用前景。     

构件化农业专家系统的研究与探讨

本文阐述了构件化技术和农业专家系统以及农业专家系统开发平台，并且在863专家系统开发平台的工作基础上，阐述了基于集成构件和功能构件的规范化的农业专家系统平台的体系结构，以及构件化的实现方案。     

农业专家系统在小麦栽培管理中的应用

简述了农业专家系统的内涵及演变,分析了目前开发的小麦栽培管理专家系统,指出了开发小麦栽培管理专家系统的必要性和应注意的几个问题。     

农业专家系统在作物病虫害预防中的应用

本文简述了专家系统概念、特点以及农业专家系统发展现状。查阅了国内外相关资料，综述了近年专家系统在作物病虫害上的应用现状，并对其应用前景作了展望。     

专家系统及其在农业上的应用

本文对专家系统的概念、结构及功能进行了概括和总结，并对开发农业专家系统的意义以及国内外已经取得成功应用的情况进行了描述，最后还对农业专家系统的发展方向和我国应采取的对策进行了一些讨论     

基于证据可信度不确定推理的大豆病害诊断方法

针对大豆病害专家系统中诊断特征条件的复杂性和不确定性等问题,将病害证据可信度和不确定性推理的传递算法有机结合,提出了一种基于证据可信度不确定推理的大豆病害诊断方法。由植保知识库的专家先验知识和作物病害发生时期、部位和症状等表现特征,构成可信度权重作为推理依据;利用该文提出的基于证据可信度的不确定推理方法及推理规则,实现了大豆病害的自动诊断与决策。应用实践表明：该方法简单、可靠、易于实现,对大豆病害的诊断准确率达到87.62%,为植物病害的智能远程诊断和科学管理提供了一种高效的新途径。     

基于3S和JESS的棉花种植信息服务专家系统设计与实现

本文叙述了3S引入以JESS为基础的专家系统的优点,并以棉花种植信息服务专家系统为例,详细介绍了基于3S和JESS的农业专家系统的设计方法和实现过程。该系统能为不同时间、不同田块提供不同的实时信息服务,而且专家知识能动态修改,具有很强的适应性和广泛的应用性。     

探讨信息技术在玉米生产中的应用

研究以玉米生产信息化为对象,针对目前我国玉米生产过程中存在的问题,充分利用现代信息技术手段对玉米生产过程进行研究。在吉林省的玉米种植区,将计算机技术与3S技术、专家系统、数据挖掘、模式识别等技术相结合,融合农业和专家知识,研究用以土壤、作物空间变异规律,建立玉米精准施肥和病虫草害防治模型,研制出具有特色的专家系统,指导玉米的生产。     

基于模糊规则提升理论的马病辅助诊断专家系统

为解决中国马产业发展过程中马病兽医专家严重缺乏的问题,该文在系统地挖掘马病专家临床经验与诊断思维的基础上,全面改进了传统的专家系统推理机制与知识表示方法,采用对象-属性-值三元组法(object-attribute-value,O-A-V三元组法)对马病知识进行表示,应用置信系数多值逻辑对知识模糊性进行评价,并在系统中集成模糊规则提升理论(fuzzy rule promotion theory),利用该机制不断调整提升置信系数(promote confidence factor,PCF),进而实现规则置信度的动态、实时调整与优化。最终采用Microsoft.Net操作平台,SQL Server 2008数据库管理工具,研制开发了基于B/S结构的马病辅助诊断专家系统。结果应用临床上已经确诊的大量病例对系统的规则置信度进行动态调整,通过13次样本病例测试,系统诊断符合率由原来的56.47%提高并维持在92.28%。结果表明,该文采用的置信系数多值逻辑知识评价方法与模糊规则提升理论可显著提高系统诊断准确率,为马病辅助诊断专家系统的临床应用奠定了基础,同时也为开发其他动物疾病的诊断专家系统提供了新的思路。     

基于GIS的苹果病虫害管理信息系统

以实现苹果病虫害的高效管理与预测预报为目的，设计开发了基于GIS的苹果病虫害管理信息系统。系统以GIS技术、人工神经网络技术和Internet 技术为支撑，包括苹果病虫害基础数据处理子系统、苹果虫害预测预报子系统和苹果病虫害网络发布子系统。在基础数据处理子系统中，系统具有数据获取、数据导出、属性查询、空间查询、数据统计分析、图层编辑、插值分析等功能；在苹果虫害预测预报子系统中，系统具有病虫害图片库维护、病虫害诊断、虫害预测预报功能；在病虫害网络发布系统中，系统提供了苹果病害信息查询、苹果虫害信息查询、专题图查询、预测预报结果查询等功能；系统提供的算法可以较好地预测苹果病害的发生程度。系统作为一种工具软件可以为果树病虫害管理、田间数据分析与精细农业研究提供支持。     

基于虚拟生长模型的温室番茄栽培管理专家系统

为改进传统农业专家系统的决策性能,动态表达其决策结果,提出并实现了基于虚拟生长模型的温室番茄栽培管理专家系统.介绍了系统的总体框架与功能模块,分析了系统实现的若干关键技术,如开发工具、知识表示方法、知识库的构建、虚拟番茄生长模型等.系统综合运用推理、预测、可视化与解释等机制帮助用户设计栽培管理方案,可视化模拟和预测温室番茄的生长发育进程.基于虚拟生长模型的温室番茄栽培管理专家系统初步实现了积温模型、形态发生模型与专家系统知识模型的综合集成,更适合温室番茄栽培管理的实际需要.试验表明该系统具有较好的应用前景.     

双推理核山羊疾病诊断专家系统

专家系统在动植物疾病虫害诊断领域得到了广泛应用。为辅助兽医求解当地主要经济动物山羊疾病诊断治疗问题,建模山羊疾病诊断专家系统体系架构,提出双推理机核的推理机制,设计重权关联因子可信度预测推理和支持机器学习的贝叶斯（Bayesian）推理算法,构造原型系统,开展现场试验。试验结果表明：双推理机核推理诊断同传统单一推理机制相比,显著改善了准确度,提高知识库利用率,求解模型的综合准确率达到了90%,填补了对比度空白,获得满意的效果。     

平凉市苹果叶部病害绿色防控技术规程

叶部病害是危害苹果生产的重要因素,科学防控可确保苹果产量和品质。为统一苹果叶部病害绿色防控技术标准,根据取得的最新研究成果并结合生产实践经验,从范围、规范性引用文件、术语和定义、防控原则、防控策略及防控措施等方面制定出了平凉市苹果叶部病害绿色防控技术规程,以期为平凉市苹果叶部病害的综合防控提供技术支持。     

农业病虫害防治模型及应用探析

以信息化系统在农业病虫害防治的应用为课题研究,阐述了信息化时代病虫害防治的应用前景。针对采集器发出的编码数据,调用农业专家病虫害信息数据库进行软件编程,实现了病虫害防治模型的核心功能。     

一种新型知识表示在诊断型农业专家系统中的实现

本文通过对目前常用知识表示方法的分析和比较,针对农业知识的复杂性、推理的模糊性,提出了一套适于农业专家系统开发的知识表示方法——“复合知识树法”,以期为农业以及相关领域的诊断型专家系统开发提供参考。     

苹果采摘机器人视觉系统研究进展

视觉系统是苹果采摘机器人最重要的组成部分之一,它在一定程度上决定了苹果采摘机器人完成采摘任务的质量及速度。为明确苹果采摘机器人视觉系统所面临的挑战及未来研究方向,该文首先对世界各国现有苹果采摘机器人的研究情况从视觉传感器类型、视觉系统硬件组成、采摘成功率及作业时间等方面进行了概述,然后分别对现有苹果采摘机器人视觉系统中苹果图像分割方法、受着色度、光照、表面阴影、振荡、重叠及遮挡等影响下的苹果目标的识别与定位方法、苹果采摘机器人视觉系统对枝干等障碍物的识别方法以及视觉系统中双目视觉技术立体匹配问题进行了综述,进一步分析了苹果采摘机器人视觉系统中存在的问题,指出视觉系统结构的优化、视觉系统中智能算法的优化、提高视觉系统的实时性、振荡苹果目标的识别与定位、视觉系统受振动影响时苹果目标的识别与定位及提高视觉系统的性价比等方面将成为未来重点研究方向,为深入研究苹果采摘机器人视觉系统提供参考。     

面向移动端的苹果叶部病虫害轻量级识别模型

花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害,严重影响了苹果的产量和品质。病虫害早期诊断和防治可以有效地控制病害传播,降低损失,保障苹果产业的健康发展。为解决现有轻量级模型无法精准识别早期苹果叶部稀疏小病斑的问题,该研究面向资源受限的移动端设备,提出一种轻量级识别模型ALS-Net（Apple Leaf Net using Channel Shuffle）。在轻量化模型（ShuffleNetV2）的基础上,基于深度可分离卷积和通道混洗构建ALS模块,可降低模型的计算量和参数量。其次,采用知识蒸馏策略训练模型,进一步提高网络精度。试验结果表明,ALS-Net的模型精度可达99.43%,且模型大小仅为1.64 MB。移动端推理延迟为55 ms,能够有效满足实际应用需求,并实现基于移动端的苹果叶部病虫害自动实时监测。