[发明专利]一种基于云本体的茶树虫害智能诊断原型系统

说明书

技术领域

本技术方案是计算机信息技术在农业领域的应用，具体是一种基于云本体的茶树虫害智能诊断原型系统。

背景技术

茶起源于中国，中国有着源远流长的饮茶历史，也是世界上重要的茶叶产地。我国茶叶产业的飞速发展，对茶学领域知识的服务提出了更高的要求。茶学领域内容极其丰富庞大，包括茶的种类、茶的产地、茶叶的栽培、茶的生物化学、茶文化、茶食品以及茶树病虫害等等。

纵观整个茶学领域，茶树病虫害是我国茶叶生产的重点。由于气候温暖、空气湿润、环境多样等原因，茶树昆虫区系复杂，种类繁多，发病严重，为茶叶生产带来严重威胁。因此，能否及时诊断与防治病虫害成为大家共同关心的问题。为了减少病虫害带来的损失，除了推广和普及诊断防治知识之外，研究开发各种诊断专家系统，协助茶叶生产者及早诊断与防治茶树病虫害，便成了众多研究机构的研究方向。

在实际应用中还发现茶树虫害领域中存在大量不确定性知识，无法使用本体语言进行精确表达。用自然语言描述的茶树发病症状和害虫体征，其内容有很多属于模糊概念，意思相近的词语之间的区别没有严格的定义和划分。诸如：黄色、浅黄色、深黄色、黄白色、鹅黄色等，这些词语都是些模糊的相对的概念，不适宜出现在本体和系统中作为判定依据。而气候、环境、旱涝等随机性因素亦会对虫害诊断结果造成不同的影响。

不确定性的概念实际是自然语言的不确定性，这种不确定性显而易见，而概念间的关系中同样存在相当的不确定性。无论是分类关系还是非分类关系，都存在许多确定的关系，例如“鞘翅目-天牛科”、“吸汁-芽叶”等等，这些关系是是既定事实，不存在不确定性。但是，概念间关系中也存在很多诸如“天阴-下雨”这样的不确定性的关系。在涉及到茶树虫害领域知识的本体构建中，这类不确定性关系的出现不可避免。

对于不确定性知识的处理，现有技术红可以采用云模型概念，该云模型概念可以普遍适用于数据挖掘、决策分析、智能控制和图像处理等众多领域。

云模型是用语言值描述的某个定性概念与其数值表示之间的不确定性转换模型。设X是一个普通集合。X={x}，称为论域。关于论域X中的模糊集合是指对于任意元素x都存在一个有稳定倾向的随机数叫做x对的隶属度。如果论域中的元素是简单有序的，则X可以看作是基础变量，隶属度在X上的分布叫做隶属云；如果论域中的元素不是简单有序的，而根据某个法则f，可将X映射到另一个有序的论域X＇上，X＇中的一个且只有一个x＇和x对应，则X＇为基础变量，隶属度在X＇上的分布叫做隶属云。

云的三个数字特征分别是期望Ex，熵En，超熵He。期望Ex是论域的中心值，它永远都隶属于这个定性概念，且最能够代表这个定性概念。反映在云形上就是云的“最高点”，即隶属度为1的点。熵En表示一个定性概念可被度量的范围，熵越大概念越宏观，即可被度量的范围越广。熵En反映了模糊概念的亦此亦彼性的裕度，即这个定性概念的不确定性，又称模糊性，反映在云形上就表示云的“跨度”，即熵越大，云的“跨度”越大。超熵He是指熵的熵，它表示样本出现的随机性，即熵的不确定性，在云图上即云滴（请说明一下“云滴”的概念）的离散程度，超熵将模糊性和随机性相关联，它反映在云形上表示云的“厚度”，超熵越大，云越“厚”。这三个数字特征把模糊性和随机性结合在一起，非常形象的把云的形状展示出来，完成了定性和定量间的相互映射，很好地解决了不确定性知识的表达问题。

定性概念和定量数据之间的转换通过云发生器来实现。云发生器(Cloud Generator，简称CG)即云生产算法，可以通过模块化的软件实现，也可以通过固化的硬件实现。按实现的功能不同，云发生器可划分为正向云发生器和逆向云发生器。

正向云发生器是一个前向的、直接的过程，输入三个云的数字特征(Ex，En,He)以及需要生成的云滴数，输出每个云滴的坐标，以及每个云滴代表的确定度。正向云发生器的生成算法如下：

输入：各定性概念的三个数字特征(Ex,En,He)，生成云滴的个数n。

输出：n个云滴x及其确定度μ（可用drop(x_i,μ_i)，i＝1,2…,n来表示）。

算法步骤：

以En为期望值、He²为方差，生成一个正态随机数En′_i=NORM(En,He²)；

以Ex为期望值、为方差，生成一个正态随机数