[发明专利]一种水产病害智能化诊断方法

权利要求书

1.一种水产病害智能化诊断方法，其特征在于，包括如下步骤：

S101、构建水产病害特征数据库；在数据库中构建三个数据表格，一是水产病害病症数据表，二是病症图片特征数据检索表，三是特征值表；水产病害病症数据表的属性包括水产名称、病害类型、疾病名称、病症特点、病症图片索引号、流行知识、判断方法、处理措施；病症图片特征数据检索表的属性包括病症图片索引号、R通道检索号、G通道检索号、B通道检索号、H通道检索号、相关性检索号、能量检索号、熵检索号、对比度检索号、均匀性检索号、面积检索号、周长检索号、似圆度检索号、偏心率检索号、占空比检索号；特征值表的属性包括特征值检索号、数据名称、标准差、最大值、最小值、阀值、方差；

S102、对数据库表格属性进行赋值；水产名称根据养殖情况填写；病害类型根据一般性水产病害知识进行填写，包括病毒性疾病、细菌性疾病、真菌性疾病、寄生虫病、理化因子病；疾病名称根据一般性水产病害知识进行填写，包括水产白斑症病毒病、水产杆状病毒病、传染性皮下和造血组织坏死病、桃拉综合症病毒病、干胰脏细小病毒状病毒病、红腿病、烂鳃病、瞎眼病、甲壳溃疡病、幼体弧菌病、幼体肠道细菌病、丝状细菌病、卵和幼体的真菌病、镰刀菌病、固着类纤毛虫病、白黑斑病、肌肉坏死病、痉挛病、蓝藻中毒病、畸形、黑鳃病、软壳病、浮头与泛池病；病症特点、流行知识、判断方法、处理措施的赋值方法采用改进的专家判断策略，改进的专家判断策略步骤为：第一步，邀请陆基池塘养殖场水产养殖专家三人以上单数参加专家判断会；第二步，向专家发放面向水产养殖的经验咨询表，包括水产病害类型、疾病名称、病症特点、流行知识、判断方法、处理措施；其中，水产病害类型、疾病名称由会议主持人填写，病症特点、流行知识、判断方法、处理措施由专家填写；第三步，与会专家在不交流的情况下，将表格填写完成后交给会议主持人；会议主持人将所收表格打乱顺序后，随机向与会专家发放；第四步，与会专家独立的对表格内容进行审视，并填写必要意见后，交给会议主持人；会议主持人交给活动负责人；第五步，活动负责人发起专家对所填表格内容的集体讨论，或根据实际情况不再组织专家集体讨论；

S103、构建水产病害诊断神经网络；所述水产病害诊断神经网络的构建策略是：第一步，构建神经元，每个神经元包括一个计算单元、一个输入接口、一个输出接口、一个存储单元；一个神经元对一个数据进行感知，并产生反应；第二步，构建神经团，每个神经团包括i个神经元，i代表神经元的个数，i的值越大，则表示神经团的反应能力越强；一个神经团独立的对一个数据特征进行判定；第三步，构建神经组织，每个神经组织包括n个神经团，n代表神经团的个数，n的值越大，则表示神经组织的计算能力和存储能力越强；一个神经组织独立的对一个图像特征进行判定；第四步，构建神经子网，一个神经子网包括m个神经组织，m代表神经组织的个数，m的值越大，则表示神经网络的单项思维能力越强；神经子网独立的对某种病害进行判定；第五步，构建神经网络，一个神经网络包括v个神经子网，v代表神经子网的个数，v的值越大，则表示神经网络的综合思维能力越强；神经网络对v种水产病害进行判定；

S104、对水产病害诊断神经网络进行训练；第一步，定义水产病害诊断神经网络的输入输出逻辑；假设采集的水产病害图片信息集合为X＝(x₁,x₂,...x_a),其对应的病害信息为Y＝(y₁,y₂,...y_a),则所述水产病害诊断神经网络的数学表达为Y＝F(X),具体的，y_c＝f(x_c),其中c＝1...a；第二步，采集水产病害图片信息，并构建对应的病害信息数据项，进而完成水产病害特征数据库中水产病害病症数据表、病症图片特征数据检索表、特征值表的填写，假定数据库中水产病害病症数据表的记录为L个；第三步，令水产病害诊断神经网络中的神经子网为二十三个，分别对水产白斑症病毒病、水产杆状病毒病、传染性皮下和造血组织坏死病、桃拉综合症病毒病、干胰脏细小病毒状病毒病、红腿病、烂鳃病、瞎眼病、甲壳溃疡病、幼体弧菌病、幼体肠道细菌病、丝状细菌病、卵和幼体的真菌病、镰刀菌病、固着类纤毛虫病、白黑斑病、肌肉坏死病、痉挛病、蓝藻中毒病、畸形、黑鳃病、软壳病、浮头与泛池病进行判定；令水产病害诊断神经子网中的神经组织为十四个，分别对R通道、G通道、B通道、H通道、相关性、能量、熵、对比度、均匀性、面积、周长、似圆度、偏心率、占空比十四个图像特征进行判定；令每个神经组织中的神经团个数为五个，分别对标准差、最大值、最小值、阀值、方差数据特征进行判定；令每个神经团中的神经元个数为ke个；第四步，建立输入输出的逻辑关联关系；遍历水产病害病症数据表，假设水产病害病症数据表记录为Rt，根据记录Rt的疾病名称定位神经子网；以记录Rt的病症图片索引号为关键字遍历病症图片特征数据检索表，假设病症图片特征数据检索表记录为Pq，且病症图片索引号和输入的关键字相同，则根据记录Pq的数据名称定位神经组织；以记录Pq的R通道检索号、G通道检索号、B通道检索号、H通道检索号、相关性检索号、能量检索号、熵检索号、对比度检索号、均匀性检索号、面积检索号、周长检索号、似圆度检索号、偏心率检索号、占空比检索号的属性值为关键字遍历特征值表，假设特征值表记录为Wg，根据记录Wg的其他属性名称定位神经团NN，所述其他属性包括数据名称、标准差、最大值、最小值、阀值、方差；将数据名称、标准差、最大值、最小值、阀值、方差属性值分别放到神经团NN中的未赋值的神经元的存储单元中；通过上述训练过程实现水产病害诊断神经网络Y＝F(X)的输入输出效果，其中Y为病害信息，X为水产病害图片信息；

S105、运行水产病害诊断神经网络；第一步，从陆基池塘养殖场采集水产图片，并分离出图片特征，包括R通道、G通道、B通道、H通道、相关性、能量、熵、对比度、均匀性、面积、周长、似圆度、偏心率、占空比；进而计算特征值的标准差、最大值、最小值、阀值、方差；第二步，将上述信息输入到水产病害诊断神经网络进行病害诊断；遍历输入的数据，若指针数据为Pa，且Pa属于图片特征Qw，则定位到二十三个神经子网的二十三个对应特征Qw的神经组织；进而根据数据Pa的属性Wv，定位到上一步定位的神经组织中对应属性Wv的神经团；设定相似度阀值为Tj；遍历神经团中的每个神经元，令神经元的输入为数据Pz，利用神经元的计算单元计算数据Pz与神经元存储单元中数据差的绝对值，若绝对值小于等于阀值Tj，则说明数据相近，则输出为1，反之输出为0；根据神经网络的Y＝F(X)输入输出模型，输出水产病害图片信息参数X对应的病害信息参数Y，实现对水产病害的智能化诊断。