基于CBR-RBR集成和深度学习方法的茶树病虫害专家系统的研究

随着我国“一带一路”战略的实施,茶叶生产量和出口量稳居世界第一。茶叶作为传统“一带一路”上的重要商品,其品质得到各界关注与重视。因此,茶树病虫害诊断与预防研究已成当前研究的热点问题。随着人工智能与农业领域的深度结合,探索利用专家系统在茶树病虫害诊断过程中的应用,对提高我国茶叶的质量与产量具有重要意义。主要研究内容如下:1.基于CBR-RBR(基于案例和规则推理方法)集成推理方法。前人在茶树病虫害专家系统推理方法常采用基于规则推理方法,有少部分人运用基于案例推理方法,而将CBR与RBR结合进行推理的研究方法研究较少。本研究通过对RBR推理方法、CBR推理方法和CBR-RBR集成推理方法应用于茶树病虫害的诊断,结果表明,CBR-RBR集成推理策略相比于单独使用RBR推理和单独使用CBR推理能够有效地提高系统诊断的准确率,CBR-RBR集成推理平均准确率达83.3%。2.基于图像识别病虫害诊断技术。基于文字检索的专家系统,常出现表述不清楚、不准确,或者难以描述的病症,因此仅靠基于文字的信息检索实现诊断,不能满足实际需要。通过在传统专家系统基础上加入图像识别技术,可以辅助农户进行更准确的诊断。本研究中,通过卷积神经网络对获取的茶树病虫害为害图像进行预处理、自动特征提取等并实现最终的图像识别分类。由测试结果可知,本系统的平均识别时间为1.169 s,符合普通人的感知。图像识别平均命中率为95%。结果表明该方法能够较好的实现病虫害的诊断分类。根据研究结果,开发实现了茶树病虫害诊断专家系统,系统基于B/S架构,采用ASP.NET技术进行开发,实现的系统包括茶树病态自助诊断功能模块、茶树病害浏览功能模块、茶树虫害浏览功能模块、茶树病虫害专家诊断功能模块和基于图像处理的茶树病虫害识别模块。通过初步应用,能够满足茶叶生产中,对于茶树病虫害诊断识别的要求。