[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

说明书

本发明公开一种基于农作物本体概念响应的农作物病害预测方法，包括以下步骤：定义局部本体子概念、病害本体建模、构建深度学习模型、本体概念检测、基于监督学习的病害结果预测和基于概念推理的病害结果预测；本发明在建立病害知识本体的基础上，基于深度学习模型训练对应的本体概念检测器，然后在检测出概念响应后结合监督学习和概念推理技术进行病害结果预测，一方面在基于监督学习进行病害结果预测时尝试对标签中的噪声进行滤除，另一方面通过概念推理降低概念响应的不确定性，充分分析农作物状态表现与病害结果之间关系，在提高病害预测可靠性的同时促进病害反演，并避开了标记数据不足的问题。

技术领域

本发明涉及农作物病害预测技术领域，尤其涉及一种基于农作物本体概念响应的农作物病害预测方法。

背景技术

作为国民经济命脉，农业是我国经济建设与发展的重要基础，农作物更是人民生活所需的重要资源，然而，农作物在生长过程中常因多种胁迫而染上各种病害，病害的发生会影响农作物的健康生长并且干扰农作物的重要生理功能，进而导致农作物品质受损和产量下降，给农业生产带来无法计算的损失，特别是近年来，我国农作物的种植面积、品种和数量逐步增长，但气候、生态环境和种植制度等方面的问题导致农作物病害频发，这给农业生产乃至整个国民经济带来严重的负面影响，据统计，每年受疾病影响的作物面积高达数十亿亩，直接粮食作物损失和间接经济作物损失均为数百亿斤，并且这些问题还在呈现逐年恶化趋势，严重威胁到农业的健康发展；

传统的农作物病害检测通常借助化学试剂在实验室进行离线分析和测试，这种方法过程复杂且会对环境造成污染，同时，伴随着成像技术和图像处理技术的迅速发展，研究人员开始利用计算机视觉手段进行农作物病害特征监测，比如高光谱图像技术，而现有基于高光谱图像的农作物病害检测研究往往只针对农作物叶片或果实这样的单个部位进行分析，忽略了在不同发展阶段病害会在作物多个部位得到体现的事实，而且基于端到端深度学习模型的病害预测也缺乏对病害结果的分析和反演，因此，本发明提出一种基于农作物本体概念响应的农作物病害预测方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种基于农作物本体概念响应的农作物病害预测方法，该方法在建立病害知识本体的基础上，基于深度学习模型训练对应的本体概念检测器，然后在检测出概念响应后结合监督学习和概念推理技术进行病害结果预测，一方面在基于监督学习进行病害结果预测时尝试对标签中的噪声进行滤除，另一方面通过概念推理降低概念响应的不确定性。

为实现本发明的目的，本发明通过以下技术方案实现：一种基于农作物本体概念响应的农作物病害预测方法，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