無公害辣椒專家系統(tǒng)的構建

摘 要：無公害辣椒專家系統(tǒng)的功能主要是解決辣椒栽培管理過程中所出現(xiàn)的問題，其核心是后臺數(shù)據(jù)庫的構建。本文主要對知識庫的構建和推理機制的設計進行了分析。

關鍵詞：專家系統(tǒng)；病蟲害診斷；無公害

中圖分類號：S126；S435.11

1 無公害辣椒專家系統(tǒng)的設計思路

無公害辣椒專家系統(tǒng)是基于模塊化設計的理念，以“瀏覽器/Web服務器/后臺數(shù)據(jù)庫系統(tǒng)”三層體系結構為基礎，并結合ASP.NET相關技術進行開發(fā)設計的。該專家系統(tǒng)具有信息查詢、病蟲害診斷與防治、留言等功能。用戶使用瀏覽器打開頁面并登錄系統(tǒng)后，可以學習辣椒種植相關知識，還可以對自家辣椒進行病蟲害診斷，遇到疑難問題給專家留言；同時相關授權專家也可以登錄系統(tǒng)，對知識庫進行維護更新，并解答用戶留言。可以通過瀏覽器實現(xiàn)對該系統(tǒng)的管理及運行維護等操作，其核心部分是后臺數(shù)據(jù)庫系統(tǒng)。本文主要討論該專家系統(tǒng)知識庫的構建和推理機制的設計。

2 系統(tǒng)知識庫的構建

2.1 知識的獲取

知識是專家系統(tǒng)的精髓，而知識獲取是構建專家系統(tǒng)的關鍵步驟。無公害辣椒專家系統(tǒng)中專家知識主要通過以下方式進行獲取：（1）參考科技文獻資料、科技成果、果蔬栽培領域專家出版的相關著作、Internet等；（2）向有關辣椒栽培專家咨詢從而獲取經驗性知識、解決問題的方式及推理方法；（3）與農業(yè)技術員和農民交流，搜集農業(yè)生產技術員和有辣椒種植經驗的農民的實踐經驗。通過以上途徑搜集辣椒栽培相關知識后要對其進行初步整理，再交給專家進行修改完善。

2.2 知識的組織結構

無公害辣椒專家系統(tǒng)把病蟲害及其表現(xiàn)癥狀的關系用層次結構表示出來。其中第一層為發(fā)病部位，分為根部、莖部、葉片、花果、植株五個部位；第二層為主要的癥狀特征，是針對第一層發(fā)病部位的病害描述，通過這些發(fā)病癥狀節(jié)點推理出病害名稱。

2.3 知識的表示

無公害辣椒專家系統(tǒng)的專家知識使用產生式表示法來表示。產生式表示法因其比較適用于推理、判斷知識，已經成為專家系統(tǒng)中知識表示的最基本的方式。

產生式的基本形式：P→Q或者IF

THEN

其中：P是產生式的前提，也被稱為前件，是判斷是否運用該產生式的條件。Q是一組結論或者操作，也被稱為后件，指出當滿足前提P所示的條件時，應該得出的結論或者應該執(zhí)行的操作。前件和后件可以是由邏輯運算符AND、OR、NOT組成的表達式。也就是說，如果前提滿足，則可得到結論或者執(zhí)行相應的動作，即后件由前件來觸發(fā)。所以，前件是規(guī)則的執(zhí)行條件，后件是規(guī)則體。

2.4 數(shù)據(jù)庫的構建

無公害辣椒專家系統(tǒng)綜合數(shù)據(jù)庫由系統(tǒng)數(shù)據(jù)庫、辣椒專家知識數(shù)據(jù)庫、辣椒決策規(guī)則數(shù)據(jù)庫三個數(shù)據(jù)庫組成，每個數(shù)據(jù)庫由多個表組成。系統(tǒng)數(shù)據(jù)庫中包含界面文檔、用戶登錄系統(tǒng)的賬號、密碼，留言資料等；辣椒專家知識數(shù)據(jù)庫中收集了辣椒栽培過程中的專家技術知識、辣椒病蟲害的資料（包括病蟲害的種類、發(fā)病癥狀、防治方法等）等；辣椒決策規(guī)則數(shù)據(jù)庫中收集了關于辣椒品種選擇及辣椒病蟲害診斷過程中所用到的規(guī)則。

3 推理機制

3.1 推理模式

推理模式其實就是知識的運用模式，在當今實際應用中采用最多的推理模式有正向推理、反向推理、正反向混合推理等。正向推理是從已有的事實出發(fā)，按照一定的策略，運用知識庫中的知識，推斷出結論的過程。反向推理又被叫做目標驅動推理，與正向推理正好相反，它是從結論開始，假設結論成立，在知識庫的規(guī)則庫中尋找證據(jù)來證明該結論是否成立。由此可見，正向推理的缺點是目的性不強，反向推理的缺點是初始推理比較盲目。在實際應用中通常是將正向推理和反向推理相結合，利用雙方優(yōu)點，克服各自缺點，使得推理速度和效率大大提高。在無公害辣椒專家系統(tǒng)知識庫中的規(guī)則性知識運用產生式規(guī)則表示法，在辣椒專家決策系統(tǒng)中綜合運用正向推理和反向推理的推理方法。以辣椒根部病害為例。首先判斷發(fā)生的是病害而不是蟲害，然后選擇病害部位根部，再根據(jù)典型的癥狀和詳細癥狀，就可以確定具體的病害類型。這種從根部到典型癥狀，再到詳細癥狀的過程為正向推理過程。如果從病害名稱到典型癥狀和詳細癥狀這一過程是反向推理過程。

3.2 推理機設計

推理機是專家系統(tǒng)的核心部分。診斷型專家系統(tǒng)推理機的設計可以根據(jù)實際情況分為兩種：基于案例的推理（CBR）和基于模糊規(guī)則的推理（RBR）。

CBR的主要思想是利用知識庫中已有的、類似的案例來解決問題的。其推理過程是首先分析當前的問題，從案例庫中檢索出相似的案例，然后推理系統(tǒng)對檢索出來的案例進行差異比較，將用戶比較認可的案例的解決方案提交給用戶，如果用戶對解決方案不滿意，則推理系統(tǒng)將對此解決方案進行重新設計修改后提交給用戶，同時將有價值的經驗或是案例存儲在案例庫中。這種方法將專家的經驗知識充分歸納到了一起，并得到了充分利用。但是對案例庫的要求非常高，不能保證所有的問題都在案例庫中有相似的案例存在。

RBR的主要思想是利用產生式規(guī)則的形式來解決問題，它將所有的規(guī)則都模糊化。

由于辣椒專家理論知識、經驗的不確定性和模糊性，我們在進行病蟲害診斷或品種選擇時運用模糊推理規(guī)則來處理模糊知識，對給出的診斷結果或品種選擇有很大的幫助，但是使用這種方法來構建一個比較全面、完整的規(guī)則庫需要大量的工作，在實施過程中有很大困難。鑒于這種情形，在無公害辣椒專家決策系統(tǒng)中，我們主要采取將CBR和RBR相結合的推理方法。

以辣椒病蟲害診斷為例，首先用戶在系統(tǒng)界面處輸入辣椒的病蟲害癥狀，系統(tǒng)對所輸入的信息與案例庫中的案例進行對比匹配，如果檢索匹配成功的話，則直接將所對應的案例提取出來，由該案例提供診斷結果；否則要將用戶輸入的病蟲害癥狀的所有信息與案例庫中的案例進行相似度（貼近度）的計算，如果計算結果滿足所給定的閾值，則給出與該用戶描述癥狀相似的案例診斷結果；否則進行模糊推理。診斷結束時，如果判定該病蟲害診斷有價值，則將該案例存入案例庫中，否則退出該推理系統(tǒng)，結束診斷。

4 結束語

本文主要分析和討論了怎樣構建無公害辣椒專家系統(tǒng)的核心部分知識庫和推理機。當用戶通過人機交互界面與無公害辣椒專家系統(tǒng)進行對話，服務器響應，如果請求結果存在于數(shù)據(jù)庫中，則返回給用戶；如果請求結果沒有直接顯示在數(shù)據(jù)庫中，則需要推理機調用知識庫中的已有案例進行匹配，若匹配成功，則將該案例結果返回給用戶；如果知識庫中沒有相似案例，則利用知識庫中的模糊規(guī)則進行模糊推理；若滿足規(guī)則的前提條件，則將結果存放到綜合數(shù)據(jù)庫中，最終由專家系統(tǒng)把推理出的結論展現(xiàn)給用戶。

參考文獻：

[1]袁濤，馬超.基于案例推理的水稻病蟲害診斷專家系統(tǒng)研究[J].農業(yè)網絡信息，2009（12）：22-24.

[2]祁業(yè)鳳，劉平，劉孟軍.棗智能專家系統(tǒng)數(shù)據(jù)庫信息化推廣應用[J].中國農學通報，2009（21）：351-354.

作者簡介：蔡盈盈，女，河南新鄉(xiāng)人，講師，工程碩士，研究方向：計算機多媒體。

作者單位：河南農業(yè)職業(yè)學院，鄭州 451450