基于本体推理的水稻虫害诊断系统研究

针对江西省水稻虫害的特点和特征,采用Protege建立了专家知识本体库,基于本体推理方法实现了虫害诊断推理,并运用相似度算法解决了知识不确定性的诊断问题。开发的水稻虫害诊断系统集诊断、防治和查询多种功能于一体,对南方红壤丘陵区水稻虫害的诊断和防治具有很好的应用价值。     

基于描述逻辑的领域本体知识逻辑检测

对本体库进行逻辑检测是本体构建的一个重要环节。基于描述逻辑的领域本体知识逻辑检测主要归结为判断概念关于TBox的可满足性以及判断ABox关于TBox的一致性。本文采用基于Tableaux算法的Pellet推理机对茶虫害本体库进行逻辑检测,验证了本体逻辑定义的有效性、完备性,为茶虫害本体的评价和二次开发以及后期应用奠定基础。     

构建领域本体的方法

本文介绍了开发领域本体(Domain ontology)的基本方法和实施步骤，进一步强调了定义类的等级体系、类的实例以及属性过程中的实施要点，成为我们建立农业知识组织体系实践的指南。     

棉花虫害诊断系统的设计与Web实现

为了推广棉花虫害诊断知识,满足更多棉农对领域专家诊断的需求,该文利用Java和Web技术,并以SQL Server2000为数据库开发工具,设计了一套网络化的棉花虫害诊断系统,实现了借助互联网对棉花虫害进行远程诊断的目标。该系统引入了模糊推理与案例相结合的方法,对棉花虫害的诊断及原有知识获取方法进行改进,提高了棉花虫害诊断的准确度和效率,弥补了单纯运用案例检索方法诊断的不足;系统不仅提供了知识浏览、案例查询、专家咨询等功能,可为棉农提供快速、方便、准确的智能查询服务,而且可通过专家咨询功能,向棉农提供在线远程会诊服务。     

基于本体的水稻栽培知识库构建及应用

在人工智能领域（AI）中,Ontology作为知识表示和知识组织的主要工具,能有效地对知识进行系统化的组织和表示,这种结构化知识表示有利于解决信息检索、资源组织等。以构建水稻栽培学知识库为依托,研究了本体在该领域的构建原则、方法等,通过对相关的分类体系确立、属性定义、实例确定,以及本体存储等各个部分进行研究,详细地阐述了本体信息的结构组织体系的确立与相关知识及其应用的全过程。     

基于本体的玉米领域知识表示构建研究

传统的人工智能采用不同的建模方法、开发工具进行知识表示,使得各种知识表示之间缺乏互操作性,本体的引入解决了这一问题。对基于本体的知识表示方法进行了探索,对玉米领域知识本体进行了构建。结果表明,本体可有效地解决复杂知识间表达的异构问题,使计算机对信息的理解升至为语义层次,利于玉米智能系统的研制。     

本体论及农业本体构建

对本体论的定义、构造方法进行了介绍,并利用农业信息本体构造工具来构建农业本体,使农业信息得到更好的利用、共享和处理。     

面向茶学领域本体的概念自动提取方法研究

针对目前手工构建本体耗时费力这一难题,以茶学领域知识为研究对象,提出了一种本体的概念自动提取方法。该方法利用中文分词技术对茶学语料进行切分,使用互信息技术从切分后的语料中得出候选概念（合成词）集合,通过判断候选概念和非合成词的领域相关性,自动提取出茶学领域本体概念。以该方法为基础开发了相应的原型系统,实验结果表明,该方法是有效的。     

基于Android系统手机的甜玉米病虫害智能诊断系统

为农业智能诊断系统更加廉价、便捷、有效地为普通农户服务,该文针对Android手机终端,提出了一种基于Android手机的农业病虫害智能诊断系统的设计方法,构建了一个通用的、便于"二次开发"且人机交互技术丰富的数据库和应用程序的开发环境,并采用"产生式"规则和正向推理方法,设计了甜玉米病虫害的树型图和推理机等,重点研究和开发了"基于Android手机的甜玉米病虫害智能诊断系统",该系统的开发方法具有一定的通用性。测试和初步应用的效果显示,该系统具有便携、实用、界面友好和不受有线网络环境限制等特点,有较强的实用性和推广应用前景。     

农业领域本体自适应学习建模研究

在总结现有的本体理论与本体学习技术的基础上,建立了一套本体学习的自适应机制,通过获取农业数据源变化信息、本体服务的需求,以及对已构建本体的评估,提出基于多Agent的农业领域本体自适应学习理论与模型,实现对农业领域本体学习规则的实时自动调整,提升农业本体构建的动态适应性及优化能力,对大规模构建农业领域本体研究具有一定的实际意义。     

基于权重自动调整神经网络的水稻病虫害诊断专家系统

针对水稻病虫害诊断特点,从人工智能角度出发,提出了一种基于权重自动调整的神经网络水稻病虫害的知识组织方式。文章以15种常见水稻病虫害为例,通过对病虫害症状的特点和特征进行分类、抽象和编码,构建了基于权重自动调整的BP神经网络。利用神经网络和不确定性推理技术,对实例样本进行训练学习,并将权值数据作为知识库来进行诊断,并基于这种方法构建了水稻病虫害神经网络诊断专家系统。     

基于ASP.NET的吉林省病虫害专家诊治系统开发

利用当今流行ASP.NET开发工具,研制开发了吉林省有害生物诊治专家系统,该系统由知识库、数据库、推理机、图像库及用户接口组成。涉及千余种三大作物（玉米、水稻、大豆）的病虫害,具有病虫害诊断、识别、检索和相互交流等功能,并且具有应用性、操作简单、界面友好等特点。     

基于过程本体的奶牛养殖业信息协同服务系统的建立

农业信息协同服务是农业信息化发展的重要方向之一,也是目前农业信息领域倍受关注的热点学术问题。该文将农业本体论思想引入农业生产经营过程,并以奶牛养殖业为例,探讨并划分了奶牛业生产经营过程阶段和对应的信息需求单元,构建了奶牛养殖过程本体和奶牛养殖业信息协同服务业务链模型,建立了基于业务链模型的奶牛养殖业信息协同服务系统,进而对系统的服务功能进行了初步实现。研究结果表明：建立在生物学特征基础上的农业过程本体在作为农业信息统一分类标准方面具有显著优势,基于过程本体的业务链模型有效地解决了农业信息资源优化调度和协同服务机制难题,实现了农业搜索服务和异构网站服务的协同。     

基于语义本体的柑橘肥水管理决策支持系统

利用信息技术实现柑橘精准生产管理是果树信息化管理的重点和难点。该文针对山地果园肥水信息化精准管理问题,研发了基于语义本体的柑橘肥水管理决策支持系统。柑橘肥水语义本体是决策支持系统的核心,它以资源描述框架三元组整合涉农信息。系统实现了施肥、生理病害防治和排灌监测3个功能。系统验证结果表明:1)施肥查询模块能够根据树龄、施肥时期、土壤质地、地形和产量5个因素计算氮、磷、钾施肥量,经216组数据验证其输出正确率100%;2)经100组涵盖12种营养素缺乏和过剩生理病害数据验证,病症查询模块能够根据输入病症正确判断生理病害;3)排灌检测模块能根据不同土壤质地对排灌实时监测,经小型气象站获取的土壤含水率数据验证,系统正确预警率达100%。经361组性能测试数据结果表明系统平均响应时间在0.23 s(浏览器端应用)和0.58 s(手机端应用)内,具备较优性能。该研究为农业领域知识建模和异构多源数据整合等问题提供了可行方案。     

基于Ontology的Multi-Agent信息检索系统模型研究

为了改善现有的基于关键词的信息检索技术不理解语义等局限性,结合Ontology和Multi-Agent理论提出了基于Ontology的Multi-Agent信息检索系统模型,通过实例详细分析了模型的构成、功能及其运行机制,讨论了模型设计中的若干关键技术。该模型能有效地提高信息检索的查准率和查全率,能极大地满足用户的应用需要。     

基于内容的小麦害虫图像检索系统研究与实现

以小麦害虫图像为研究对象,研究并开发了基于内容的害虫图像检索系统。重点研究了基于内容的图像检索中的图像特征提取、图像相似性度量和用户相关反馈技术。提出一种重叠四分块颜色矩和一种基于BP神经网络的图像相似性度量方法,并引入灰色相关反馈算法实现了基于语义的图像检索。应用排序评价方法、查准率与查全率对系统的检索性能进行测试,结果表明,系统具有一定的实用性,为快速准确地诊断、识别农作物害虫和害虫图像资源共享提供了技术依据。     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。