曹麗英，姚玉霞，于合龍，馬 麗，陳桂芬

(1 吉林農(nóng)業(yè)大學(xué) 信息技術(shù)學(xué)院，吉林 長春 130118，2 長春科技學(xué)院 信息工程學(xué)院，吉林 長春 130600)

基于模糊本體的玉米病害診斷模型的構(gòu)建

曹麗英1，姚玉霞2，于合龍1，馬 麗1，陳桂芬1

(1 吉林農(nóng)業(yè)大學(xué) 信息技術(shù)學(xué)院，吉林 長春 130118，2 長春科技學(xué)院 信息工程學(xué)院，吉林 長春 130600)

【目的】建立一種模糊本體的玉米病害知識(shí)表示及推理模型.【方法】將利用數(shù)據(jù)源得到的數(shù)據(jù)構(gòu)建模糊本體，結(jié)合模糊理論，利用本體技術(shù)構(gòu)建病害診斷模型.【結(jié)果和結(jié)論】該模型給合本體的形式化定義和模糊理論的不確定表示的優(yōu)勢，將模糊理論引入到本體構(gòu)建中，突破了本體只能表示確定知識(shí)的局限性.將該方法用于玉米病害診治中，對農(nóng)業(yè)生產(chǎn)中病害診治起到了很好的指導(dǎo)作用.

本體； 模糊理論； 診斷模型； 玉米病害

網(wǎng)絡(luò)信息化時(shí)代的快速發(fā)展，給傳統(tǒng)農(nóng)業(yè)帶來了巨大的沖擊和挑戰(zhàn)，依靠信息技術(shù)，轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)的管理、經(jīng)營模式，快速向信息農(nóng)業(yè)、精準(zhǔn)農(nóng)業(yè)、智能農(nóng)業(yè)轉(zhuǎn)變是農(nóng)業(yè)現(xiàn)代化亟待解決的問題.精確農(nóng)業(yè)在美國等發(fā)達(dá)國家已取得長足發(fā)展，在我國也取得一些成績，但是仍處在探索階段[1].精確農(nóng)業(yè)的發(fā)展是解決“三農(nóng)”問題的重要手段.農(nóng)業(yè)專家系統(tǒng)是精準(zhǔn)農(nóng)業(yè)的一部分，農(nóng)業(yè)專家系統(tǒng)的研制與應(yīng)用，是農(nóng)業(yè)信息化、現(xiàn)代化的新途徑.農(nóng)業(yè)專家系統(tǒng)也被稱為農(nóng)業(yè)智能系統(tǒng)，是一個(gè)具有大量農(nóng)業(yè)專門知識(shí)與經(jīng)驗(yàn)的計(jì)算機(jī)系統(tǒng)，它應(yīng)用人工智能、數(shù)據(jù)挖掘等技術(shù)，依據(jù)一個(gè)或多個(gè)農(nóng)業(yè)專家提供的特殊領(lǐng)域知識(shí)、經(jīng)驗(yàn)和方法進(jìn)行推理和判斷，模擬農(nóng)業(yè)專家就某一復(fù)雜農(nóng)業(yè)問題進(jìn)行決策[2]，能及時(shí)解決農(nóng)業(yè)專家不在現(xiàn)場的問題[3].

本體的應(yīng)用使計(jì)算機(jī)人工智能領(lǐng)域獲得了許多新的研究熱點(diǎn).哲學(xué)中的本體反映的是特定分類的觀察方法[4]；而計(jì)算機(jī)人工智能領(lǐng)域的本體是一個(gè)復(fù)雜的概念系統(tǒng)，用一些詞匯描述事先規(guī)定的概念和規(guī)則體系，是客觀世界實(shí)體概念、實(shí)體關(guān)系以及實(shí)體屬性等信息的形式化描述，而且還可以加上一些與這些描述相關(guān)的領(lǐng)域約束[5]，構(gòu)成用于專家系統(tǒng)中知識(shí)推理的邏輯基礎(chǔ).

1 模糊本體數(shù)據(jù)庫的構(gòu)建

模糊邏輯提供了一種處理不確定信息的處理方式，它把隸屬函數(shù)與集合中的元素對應(yīng)起來，使這個(gè)元素與[1，0] 區(qū)間的某個(gè)數(shù)建立聯(lián)系，稱這個(gè)數(shù)為相對于集合的隸屬等級(jí)[6].={x}表示對象空間，x表示的一般元素，在中的模糊集可以表示為:={x，μF(x)|x∈}，其中，μF(x)表示x在模糊集中的隸屬等級(jí)[7].當(dāng)μF(x)=0或μF(x)=1時(shí)，是非模糊集;當(dāng)μF(x)在0～1之間取值時(shí)，是一個(gè)模糊集，此時(shí)x是否屬于不是一個(gè)明晰的概念.

模糊領(lǐng)域本體是一個(gè)六元組[8]:

模糊本體的每個(gè)類、屬性和個(gè)體在創(chuàng)建的時(shí)候都給定了一個(gè)表示概念間關(guān)系的親密程度的量——模糊度[9].在添加、刪除、修改這些對象的時(shí)候，就會(huì)考慮這個(gè)概念應(yīng)該是在什么位置，添加后個(gè)體到底是哪個(gè)類的個(gè)體;刪除不管是屬性、個(gè)體還是一個(gè)類之后，都會(huì)對本體系統(tǒng)的結(jié)構(gòu)產(chǎn)生影響;同樣修改一個(gè)屬性的權(quán)值，也許會(huì)造成整個(gè)本體構(gòu)建模型大的改變.模糊本體如果用來處理具體模糊屬性值的模糊信息比較容易，但對于處理具有模糊概念的屬性值時(shí)，由于模糊概念的量化問題，不能很好地表達(dá)模糊概念間的語義關(guān)系和相關(guān)程度，特別是在不同本體概念之間，模糊語義的整合有很大的局限性，而且對同一個(gè)屬性集，在不同的概念中可能有不同的取值[10]，這是本模型的實(shí)際應(yīng)用中遇到難點(diǎn)問題，本研究針對具體病害特征，通過咨詢領(lǐng)域?qū)I(yè)，得到模糊屬性的量化值.

模糊本體數(shù)據(jù)庫的數(shù)據(jù)來源于咨詢領(lǐng)域?qū)＜?、查閱專業(yè)書籍和網(wǎng)絡(luò)資源等，在提取屬性數(shù)據(jù)和專業(yè)術(shù)語的基礎(chǔ)上，結(jié)合模糊理論，利用本體技術(shù)進(jìn)行構(gòu)建.模糊本體數(shù)據(jù)庫的生成如圖1所示.

圖1 模糊本體數(shù)據(jù)庫的構(gòu)建過程Fig.1 Construction process of fuzzy ontology database

2 玉米病害的模糊知識(shí)本體的構(gòu)建和診斷

2.1 研究數(shù)據(jù)來源

咨詢該領(lǐng)域?qū)＜?，如吉林農(nóng)業(yè)大學(xué)、吉林省農(nóng)業(yè)科學(xué)院植物保護(hù)研究所等單位的有關(guān)專家得到相關(guān)數(shù)據(jù)資料;查閱本領(lǐng)域?qū)＜页霭娴膶Ｖ?、教材及科技期刊上發(fā)表的文章、學(xué)位論文等科技文獻(xiàn)資料，整理、歸納后抽提相關(guān)知識(shí).結(jié)合課題組積累的試驗(yàn)研究數(shù)據(jù)，根據(jù)玉米害害與產(chǎn)量關(guān)系的試驗(yàn)，收集整理玉米苗期、大喇叭口期和成熟期等玉米生長性狀指標(biāo)的數(shù)據(jù)29 250條；收集整理玉米病害發(fā)生程度的數(shù)據(jù)共4 320條，拍攝照片189張；玉米蟲害田間數(shù)據(jù)5 760條，拍攝照片306張；玉米草害田間數(shù)據(jù)4 320條，拍攝照片286張.吸收科研成果和數(shù)據(jù)資料，收集各示范區(qū)的農(nóng)民和農(nóng)技人員的知識(shí)和實(shí)踐經(jīng)驗(yàn)，補(bǔ)充知識(shí)來源.圖片數(shù)據(jù)來源于吉林農(nóng)業(yè)大學(xué)植物保護(hù)教研室.

本研究整理了吉林省常見的13種玉米病害，包括玉米矮花葉病、玉米粗縮病，玉米大斑病、玉米頂腐病、玉米褐斑病、玉米灰斑病、玉米莖腐病、玉米青枯病、玉米絲黑穗病、玉米彎孢菌葉斑病、玉米紋枯病、玉米小斑病和玉米圓斑病.

2.2 玉米病害模糊本體知識(shí)庫的構(gòu)建

由于玉米病害診斷的原則和基本方法不同，另外真菌、細(xì)菌、病毒、線蟲等不同病原物在玉米苗期和成熟期引起重要病害的癥狀特點(diǎn)和發(fā)病規(guī)律，各種非侵染性病害的發(fā)生等原因，導(dǎo)致玉米病害存在大量模糊與不確定現(xiàn)象.例如在玉米病診斷過程中，關(guān)注的信息有：發(fā)病時(shí)期(苗期、生長期、成熟期)，發(fā)病部位(根、莖、葉等)，有無病斑(有、無)，病斑顏色(褪綠色、草綠色、淺褐色、褐色、黃褐色、灰褐色、深褐色等)，病斑形狀(圓形、橢圓形、長形、線形等)，診斷過程中的這些特征描述語言值都是模糊的，在不同情景、不同角度，判斷會(huì)存在一定的差異.這就不可避免地要解決模糊概念的形式化表示問題[11].

采用模糊本體模型對玉米病害診治建立知識(shí)本體.玉米病害模糊本體結(jié)構(gòu)如圖2 所示，包括各種病害的概念集合、病害屬性間的關(guān)系集合、病害癥狀的屬性集合以及專家提供的屬性量化模糊值等.

在此基礎(chǔ)上，利用計(jì)算機(jī)中的結(jié)構(gòu)化查詢語言，可以針對提供的病害特征，進(jìn)行玉米病害的模糊診斷[12-13].

圖2 玉米病害模糊本體結(jié)構(gòu)圖Fig.2 Fuzzy ontology structure graph of maize diseases

2.3 模糊本體推理規(guī)則的建立

本系統(tǒng)的規(guī)則庫使用的模糊推理過程為：病蟲害癥狀信息輸入后，將文字信息經(jīng)過事先專家給定的經(jīng)驗(yàn)值進(jìn)行數(shù)個(gè)轉(zhuǎn)化等數(shù)據(jù)預(yù)處理工作，得出該數(shù)據(jù)的綜合值；然后將元數(shù)據(jù)庫中儲(chǔ)存的數(shù)據(jù)與模糊評(píng)價(jià)規(guī)則庫中符合要求的規(guī)則進(jìn)行匹配，從成功匹配的規(guī)則中計(jì)算隸屬度值[14]；最后按照最大隸屬度原則，得出最終的診斷結(jié)論，提供給用戶.

2.4 玉米病害模糊本體的應(yīng)用

對于農(nóng)業(yè)領(lǐng)域知識(shí)通常需要一些模糊語言描述.在玉米病害診斷本體中，“病害”有屬性{發(fā)病時(shí)期，發(fā)病部位，有無病斑，……}，其語言值(發(fā)病時(shí)期{苗期，生長期，成熟期}，發(fā)病部位{根，莖，葉，果實(shí)}……病斑顏色{褪綠色，草綠色，……，淺褐色}等.本文考慮到模糊本體推理機(jī)應(yīng)用于文本信息推理的局限性，采用的推理原則是：最優(yōu)解決策、多標(biāo)準(zhǔn)決策、知識(shí)庫圖像決策、經(jīng)驗(yàn)決策、邏輯的模糊控制理論決策.選取具有類似特征的實(shí)例數(shù)據(jù)，以較為相近特征的病害為研究對象，以發(fā)病時(shí)期、病斑顏色和病斑形狀為屬性，根據(jù)領(lǐng)域?qū)＜业囊庖娫O(shè)定準(zhǔn)則給出初始值,同時(shí)計(jì)算出評(píng)價(jià)準(zhǔn)則的權(quán)值,發(fā)生程度1、3、5、7、9分別表示一般相似、中等相似、很相似、非常相似和極其相似.

表1 診斷標(biāo)準(zhǔn)的初始值

從表1可見，從而得出各個(gè)屬性的診斷權(quán)值分別是0.258、0.105和0.637.利用三角函數(shù)模糊數(shù)對它的程度進(jìn)行定性判斷,得出決策診斷結(jié)果，大斑病的發(fā)病時(shí)期為初期,病斑顏色清晰,病斑形狀為連續(xù); 小斑病的發(fā)病時(shí)期為中期,病斑顏色為非常清晰, 病斑形狀為連續(xù);灰斑病的發(fā)病時(shí)期為初期, 病斑顏色的值為淺, 病斑形狀為不連續(xù).

在這里，模糊本體模型的框架中，不但包括了傳統(tǒng)本體描述方法中的5要素，而且還引入了模糊理論，這種方法的提出，一方面能更好地解決了農(nóng)業(yè)知識(shí)的不確定性，另一方面還能提高檢索的效率，可以實(shí)現(xiàn)模糊概念的語義查詢.如模糊查詢語句[ SELECT Maize disease FROM Data source WHERE(property of concept) < >/>=//(linguistic value of fuzzy concept)],式中用關(guān)系運(yùn)算符進(jìn)行條件比較，也可使用SQL語言中的其他運(yùn)算符表示查詢條件，如in, except等.

玉米病害屬性描述的部分代碼：

< Concepttype =”weighted”value=”1”base=”C1”/>

< Concepttype =”weighted”value=”3” base=”C2”/>

< Concepttype =”weighted”value=”5” base=”C3”/>

< Concepttype =”weighted”value=”7” base=”C4”/>

< Concepttype =”weighted”value=”9” base=”C5”/>

通過對玉米病害的概念描述，我們可以利用上文的定義對玉米病害知識(shí)提取，得出模糊本體描述的偽代碼：

PL(Corn big spot)={( Growth period, leaf, sick spot/ dark brown/hazel/pewter，……，Boolean，1)}

PU(Corn big spot)={ ( Growth period, leaf, yellow/light brown/ dark brown, often/usually/yes/no，0…2)}

利用該模型，針對不同病害進(jìn)行識(shí)別，診斷結(jié)果如表2所示.從表2可以看出各玉米病害的識(shí)別平均較高，試驗(yàn)識(shí)別出來的病害平均準(zhǔn)確率為80.67%.通過將試驗(yàn)識(shí)別出來的病害的數(shù)據(jù)和真實(shí)數(shù)據(jù)病害的數(shù)據(jù)作對比，該診斷模型的診斷結(jié)果與實(shí)際發(fā)生病害結(jié)果基本相符，病害的識(shí)別可以應(yīng)用在玉米農(nóng)業(yè)生產(chǎn)中，說明該基于模糊本體的玉米病害診斷模型在實(shí)際的農(nóng)業(yè)領(lǐng)域中應(yīng)用是可行的、有效的.

表2 診斷結(jié)果表

3 結(jié)論

農(nóng)業(yè)領(lǐng)域的評(píng)議知識(shí)的信息量正在不斷的增加，對農(nóng)業(yè)知識(shí)的探索早已不局限在精確信息上，目前在其他領(lǐng)域不精確信息的研究較多，由于農(nóng)業(yè)領(lǐng)域的知識(shí)不但具有不確定性，而且具有動(dòng)態(tài)性，所以在不確定性信息研究中，具有一定實(shí)際困難，如何在不確定性推理的基礎(chǔ)上，實(shí)現(xiàn)效率高、范圍廣的推理將是農(nóng)業(yè)知識(shí)領(lǐng)域的研究重點(diǎn).本研究對傳統(tǒng)的本體模型進(jìn)行了擴(kuò)展，引入了模糊理論，并將其應(yīng)用到玉米病害診斷中，實(shí)現(xiàn)了模糊本體的互相表示性、模糊性和演化性，并通過試驗(yàn)驗(yàn)證了該模型的有效性.模型的研究目的是使農(nóng)業(yè)專家系統(tǒng)更好更完全地抽象描述現(xiàn)實(shí)世界，模擬農(nóng)業(yè)專家，從而解決農(nóng)業(yè)生產(chǎn)中出現(xiàn)的一些診斷問題.

[1] 葛中一.農(nóng)業(yè)專家系統(tǒng)的應(yīng)用及發(fā)展[J].山東師范大學(xué)學(xué)報(bào)：自然科學(xué)版,2008,23(4):150-153.

[2] 趙林峰，熊興耀.農(nóng)業(yè)專家系統(tǒng)的問題與發(fā)展[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2007(6):43- 45.

[3] 謝琪.基于本體方法構(gòu)建中醫(yī)藥概念信息模型的方法學(xué)示范研究[D].北京：中國中醫(yī)科學(xué)院,2011.

[4] 劉軍鋒.基于本體與對象的地理空間數(shù)據(jù)模型研究與應(yīng)用[D].桂林：桂林理工大學(xué),2009年.

[5] 楊青,陳薇，聞彬. 面向語義信息查詢的模糊本體模型[J].計(jì)算機(jī)工程, 2010，36(8):194-196.

[6] 劉小寅.不精確本體模型與構(gòu)建研究[D]. 大連：大連海事大學(xué), 2011.

[7] 陳薇. 面向語義信息檢索的模糊本體自動(dòng)化構(gòu)建的研究[D].上海：華中師范大學(xué)，2010.

[8] 楊柳.模糊本體建模方法及語義信息處理策略研究[D].長沙：中南大學(xué)，2011.

[9] 翟軍,陳燕,沈立新.基于模糊本體的智能交通系統(tǒng)知識(shí)建模[J].大連海事大學(xué)學(xué)報(bào),2008，34(2)：91-94.

[10]劉昕民,桂衛(wèi)華,楊柳,等.基于模糊領(lǐng)域本體的專家遴選服務(wù)研究[J]. 北京理工大學(xué)學(xué)報(bào),2013，33(5)：484- 489.

[11]王霞,李功振.基于模糊本體的水環(huán)境評(píng)價(jià)系統(tǒng)的研究[J]. 安徽農(nóng)業(yè)科學(xué),2010,38(35)：20306- 20308.

[12]戴才萍,黃義德,錢平,等. 水稻病蟲草害本體的構(gòu)建研究[J]. 廣東農(nóng)業(yè)科學(xué),2011(1)：191-194.

[13]林瀟.基于本體的水稻病蟲害診斷專家系統(tǒng)研究[D].合肥：安徽農(nóng)業(yè)大學(xué),2011.

[14]王皓.基于本體論的玉米病蟲害診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 吉林：吉林大學(xué),2011.

[15]姜大慶,蔡銀杰.基于本體的蔬菜病蟲害知識(shí)庫構(gòu)建[J]. 江蘇農(nóng)業(yè)科學(xué),2012,40(7)：368-370.

【責(zé)任編輯霍 歡】

Constructionofthemodelinmaizediseasediagnosisbasedonfuzzyontology

CAO Liying1, YAO Yuxia2, YU Helong1, MA Li1, CHEN Guifen1

(1 School of Information Technology, Jilin Agricultural University, Changchun 130118，China；2 Institute of Information Engineering, Changchun University of Science and Technology, Changchun 130600，China)

【Objective】 To construct a fuzzy ontology of maize disease knowledge representation and reasoning model.【Method】Using data from sources to construct fuzzy ontologies，which were combined with fuzzy theory to construct the disease diagnosis model by ontology technology. 【Result and conclusion】The theory of fuzzy was introduced into the description of ontology form and the shortcoming of an ontology representing the narrow defined knowledge only was overcame by this model. Combining the formal definition of ontology with the indeterminacy presentation advantage of the theory of fuzzy, the robustness of maize expert system for diagnosis and treatment of diseases was increased. Meanwhile，this model improved the accuracy of diagnosis and treatment of maize diseases and presented a new knowledge representation reference for other agricultural production expert systems.

ontology; fuzzy theory; diagnosis model; maize diseases

2013- 01- 01優(yōu)先出版時(shí)間2014- 01- 03

優(yōu)先出版網(wǎng)址：http:∥www.cnki.net/kcms/detail/44.1110.S.20140103.0828.015.html

曹麗英(1978—),女，副教授,博士, E-mail:caoliying99@163.com;通信作者：陳桂芬(1956—)，女, 教授,博士，E-mail:guifchen@163.com

863計(jì)劃項(xiàng)目(2006AA10A309)；長春市科技特派員項(xiàng)目(2009245)；長春市科技局項(xiàng)目(09KT4)；吉林省世行貸款項(xiàng)目(2011-Z20)；“十二五”吉林省教育廳科學(xué)技術(shù)研究項(xiàng)目(201247,201248)；吉林省教育科學(xué)規(guī)劃課題(GH11161)；吉林省科技發(fā)展計(jì)劃項(xiàng)目(201101114)

曹麗英，姚玉霞，于合龍，等.基于模糊本體的玉米病害診斷模型的構(gòu)建[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014,35(2):101- 104.

S435.13

A

1001- 411X(2014)02- 0101- 04