稻田杂草识别与学防除专家系统的研究和建立.pdf

摘要 本研究以基于规则和基于案例的推理等人工智能技术为研究方法，以南方稻 田杂革为主要研究对象，系统地研究了杂草的识别及化学防除等方面的内容，初 步建立了包括具有杂草识别功能和化学防除处方功能的稻田杂草识别和防除对 策专家系统。经测试，基于规则(I出R)的杂草识别模块，杂草识别完全正确率 在67．8％以上，如果同时利用图片识别辅助手段，对杂草的识别准确率提高到 75％以上。基于案例(cBR)的杂草防除模块能够根据田间杂草发生的具体情况 为用户提供合理适用的防除方案，在没有完全匹配案例的情况下，系统将根据杂 草的类别提供最为合适的处方。此外，系统还具有解释机制和一定的学习功能。 本专家系统采用了多种计算机技术(如多媒体技术)，使其图文并茂，界面友 好，操作简便，系统的知识库、案例库易于修改扩充。本系统建立了稻田常见的 58种杂草分类知识库及杂草数据库、常用的93种除草剂数据库和处方案例库， 此外，还提供了290幅杂草图片以及其他资料。并且建立了杂草知识帮助文件和 系统使用帮助文件。 研究表明，利用包括基于规则和基于案例的推理方法等计算机技术开发杂 草识别和防除对策专家系统，在理论上和实践上都是完全可行的，今后的研究将 集中在如何使系统的实用性进一步提高(即降低对用户专业知识的要求)和提高 对杂草的识别率上。 关键词：杂草识别杂草防除专家系统基于规则基于案例 AB STRACT In the this idcntificationandcoll仃01of58kiIldsof weedsinsoum p印er paddy chinawasstudiedwmltlle and case-based rule-based the reaSoning reasoning(RBIq an for and of weeds idemificationcon∞1 system paddy (cBR)tecllllolo彤a11dexpcn estabIished．when畦1iswastes钯dwithmle_based (ICPwES)was system reasonjn岛 ratcwasabove use toidentmed theidem涵ed ifmake weeds，it 67．8％，aIld ofimages fbl】ndthatmeidentifiedratcwillbeabove75％．Thecase_based was reasoning to to廿lerealoccurrenceof moduIecan contf01caseuser provideproper according are acase toⅡle i椭ation not user，t11e weeds，if也ere