基于模糊神经网络的蔬菜病害诊断模型研究

基于模糊神经网络的蔬菜病害诊断模型研究

ID:43963285

大小:51.50 KB

页数:10页

时间:2019-10-17

基于模糊神经网络的蔬菜病害诊断模型研究_第1页
基于模糊神经网络的蔬菜病害诊断模型研究_第2页
基于模糊神经网络的蔬菜病害诊断模型研究_第3页
基于模糊神经网络的蔬菜病害诊断模型研究_第4页
基于模糊神经网络的蔬菜病害诊断模型研究_第5页
资源描述:

《基于模糊神经网络的蔬菜病害诊断模型研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于模糊神经网络的蔬菜病害诊断模型研究摘要:为探索蔬菜病害诊断的冇效方法,研究采用模糊系统与神经网络相结合的方法,在对蔬菜病害症状进行合理划分的基础上,利用综合考虑症状特征及隶属度的术语统一描述输入向量构建方法,建立蔬菜病害模糊神经网络诊断模型。结果表明,输入向量构建方法有效地表达了病害诊断规律,诊断模型容错能力强,正确率达85.5%。关键词:模糊神经网络;蔬菜;病害;诊断中图分类号:TP182;S435文献标识码M文章编号:0439-8114(2013)17-4224-04ResearchonvegetablesDiseaseDiagnosi

2、sModelBasedonFuzzyNeuralNetworkWETQing-feng,LUOChang-shou,CAOCheng-zhong,GUOQiang(InstituteofAgricultureScienceandTechnologyInformation,BeijingAcademyofAgricultureandForestrySciences,Beijing,100097)Abstract:Toexploretheeffectivemethodforthediagnosisofvegetablesdiseases,throu

3、ghreasonabledivisionofsymptoms,usinginputvectorconstructionmethodwhichcontainedcharacteristicsofsymptomsandmembershipgrade,avegetablesdiseasediagnosisoffuzzyneuralnetworkmodelwasconstructed.methodhadeffectivelyexpressedthediseasediagnosisrule,themodelhadstrongfaulttolerantab

4、ility,andtheaveragediagnosticaccuracywas85.5%.Keywords:fuzzyneuralnetwork;vegetable;disease;diagnosis收稿日期:2013-01-30基金项目:国家现代农业科技城综合信息“三农”服务平台建设项目(PT01);北京市自然科学基金项目(9093019);北京农业科学院信息所创新基金项目(SJJ201203)作者简介:魏清凤(1983-),女,湖北武汉人,助理研究员,硕士,主要从事农业信息技术的研究工作,(电话)13439026360(电子信箱)weiq

5、ingfeng201@163.com;通讯作者,罗长寿,副研究员,(电话)010-51503387(电子信箱)luochangshou@163.com。病害是影响蔬菜优质生产的重要制约因素之一。我国农村基层还相对缺乏有经验的病害诊断专家,对蔬菜病害不能止确判断,不但延误了防治最佳时机,还严重降低了蔬菜品质。当前农业病害诊断技术方法主要冇图像分析诊断[1-4]、专家系统诊断[5-7]以及人工神经网络诊断[8]等。基于图像分析的病害诊断方法其图像的获取受环境光照的影响较大,且需要专业人员在室内进行数据分析和识别,时效性差,无法实时满足具体生产实践的

6、要求。基于专家系统的诊断方法,采用IF-THEN产生式推理,存在诊断知识获取有瓶颈、推理规则更新难、容错能力差、串行搜索运行效率低等不足。近年基于人工神经网络的方法无需建立推理规则,具有自学习及并行处理能力,较引人注冃,但存在对病害症状的典型性、非典型性模糊特点无法区分度量,样本诊断规律学习不充分等问题。模糊神经网络可以将不确定的症状信息通过模糊隶属集来表示,能解决诊断系统中的不确定性知识表示、并行推理等问题,对具有模糊性复杂性的蔬菜病害诊断非常适用。此文利用模糊系统和神经网络相结合的方法,在对病害特征模糊量化方法研究的基础上,建立能够实际应用

7、的蔬菜病害模糊神经网络诊断模型,为蔬菜病虫害防治提供依据。1蔬菜病害诊断知识整理一般研究中,将植株的发病部位划分为根、茎、叶、花、果5个部分[9]。由于部分蔬菜病害(如猝倒病)在苗期即表现出典型症状,因此,为提高诊断的全面性和准确性,将蔬菜植株发病表现最终划分为根、茎蔓、叶、花、果、苗6个部分。表示如下:S={Sii=l,2,3,4,5,6}式中,Si表示根、茎蔓、叶、花、果、苗6个部分中的1个。以“北京农业数字资源中心”中蔬菜病害数据库的知识为基础,结合文献资料、植保专家咨询及案例分析,对病害特征知识根据根、茎蔓、叶、花、果、苗6个部分进行分

8、别提取,建立二维知识表。2病害症状重要性划分及隶属函数不同症状对病害诊断的贡献程度不同,一些特征明显的症状表现往往是确定某种病害的重耍依据。通常用模糊

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。