[发明专利]一种基于农作物本体概念响应的农作物病害预测方法

权利要求书

1.一种基于农作物本体概念响应的农作物病害预测方法，其特征在于，包括以下步骤：

步骤一：定义局部本体子概念

以主要农作物作为研究对象，针对农作物病虫害信息多源和异构的问题，采用集成本体方法，基于综合信息源建立全局共享词汇表通用本体，汇集领域公共概念和元术语词汇，并通过对该公共概念和元术语的形式化描述来定义局部本体子概念，进而在全局共享通用本体的支撑下实现局部本体互操作；

步骤二：病害本体建模

从多源异构数据中获得的确定性和非确定性知识，构建农作物病虫害本体知识库，然后围绕领域知识特点建立全局共享词汇库，通过人工和半自动化定义农作物叙词表和公共概念，进而建立通用术语词汇库，接着按照病虫害的危害区域、作物品种以及生境信息，分析获得多元异构局部知识源，并在此基础上依据知识源和通用本体概念词汇进行相应的局部本体构建，在此基础上，完成农作物病害本体的概念、属性、实例与关系等元素定义和构建，进而实现农作物病害知识本体映射和本体演化一致性校验；

步骤三：构建深度学习模型

在数据降维处理和光谱敏感波段提取的基础上，基于TensorFlow和PyTorch平台以卷积神经网络为基本框架对步骤二的本体概念进行检测，针对数据、模型设计和训练方法，利用迁移学习从现有基于高光谱图像和深度学习的农作物病害检测分析领域已有模型中迁移知识，对现有数据库进行利用，然后基于交叉验证结果，对病害本体概念再一次进行完善，删除训练结果较差的概念；

步骤四：本体概念检测

采取递进模式进行概念检测，先在不区分属性信息的情况下对实体概念进行检测，然后再对实体概念对应的属性概念进行分辨，在训练好实体概念检测器后，以检测到的局部区域块为样本开展各实体概念对应的属性概念分类器训练，并取实体概念响应与属性概念响应的乘积作为区域块在各本体概念组合上的响应结果；

步骤五：基于监督学习的病害结果预测

进行病害预测，采集样本进行标注，然后根据步骤四，将样本的本体概念检测响应结果作为中间特征并基于有监督学习进行病害结果预测，在训练中对样本进行筛选，基于训练好的概念检测器得到本体概念响应后将其以向量形式组合成中间特征，采用逻辑回归监督机器学习模型进行训练，并在训练中采用正则化法解决过拟合问题；

步骤六：基于概念推理的病害结果预测

在不使用标记信息的情况下，挖掘本体概念本身的信息和本体概念之间的关联信息，在检测到本体概念响应后根据这些响应结果和知识本体模型进行病害结果预测，在检测到光谱样本中的本体概念响应之后，根据知识本体中概念之间的关联信息，通过筛查互相矛盾概念对候选概念进行过滤，得到对农作物的可靠状态描述，从而利用病害知识本体直接对农作物病害情况进行预测。

2.根据权利要求1所述的一种基于农作物本体概念响应的农作物病害预测方法，其特征在于：所述步骤一中，主要农作物包括小麦、玉米、棉花、水稻和大豆。

3.根据权利要求1所述的一种基于农作物本体概念响应的农作物病害预测方法，其特征在于：所述步骤二中，从多源异构数据中获得的确定性和非确定性知识，构建农作物病虫害本体知识库的具体流程为：利用外部源、专家库、文本库及相应的传统知识库作为数据源，对数据进行选择、组合、内化外化和异构语义消除，集成为知识库。

4.根据权利要求1所述的一种基于农作物本体概念响应的农作物病害预测方法，其特征在于：所述步骤三中，在现有Faster R-CNN、R-FCN、YOLO和SSD这些基于卷积神经网络的目标检测模型的基础上构建概念检测框架，提取图像特征以检测对应的农作物状态概念。

5.根据权利要求1所述的一种基于农作物本体概念响应的农作物病害预测方法，其特征在于：所述步骤四中，对于整个样本，取所有候选窗口对应某本体概念组合的最大响应值作为该样本在该本体概念上的最终响应结果。

6.根据权利要求1所述的一种基于农作物本体概念响应的农作物病害预测方法，其特征在于：所述步骤五中，由于标记信息未必可靠，在基于全部样本开展训练后用训练好的模型对样本进行反向检验以删除争议性较强的样本，然后用剩余样本进行微调，从而滤除标记信息不可靠的样本。

7.根据权利要求1所述的一种基于农作物本体概念响应的农作物病害预测方法，其特征在于：所述步骤六中，得到对农作物的可靠状态描述后，在此基础上，采用推理引擎框架，将病害知识本体对比病害案例库，利用病害知识本体直接对农作物病害情况进行预测。