一种基于模糊Hopfield网络的多病害诊断方法.doc

PAGE  PAGE 16 一种基于模糊Hopfield网络的多病害诊断方法* 本文得到国家863计划的资助（2001AA113520；2002AA243031）。柴毅，1962年生，教授，博士，研究方向为人工智能与专家系统，数字信号处理与模式识别。 柴毅 张可 李大杰 应力 徐术平 重庆大学自动化学院 400044 摘要 本文针对农作物病害中病状特征呈现出的多样性和变化性，以及不确定性等因素，以番茄为例，提出了一种将模糊控制技术应用于异联想记忆Hopfield神经网络的农业病害诊断模式。本模式通过农业病害的发病症状描述，根据领域专家提供的知识构建了知识库和病害特征数据库，以番茄病害为例，定义了病害特征分类点，获取了80余种病害的发病症状组合，并在此基础上提出了用于多病害复合诊断的模糊神经网络推理机制，实现了基于发病症状的病害复合诊断。通过实践表明，该模式能够充分利用病害和症状间的联系，增加诊断的可靠性。 关键词 模糊神经网络、Hopfield、番茄病害、病害复合诊断、异联想记忆 Abstract Symptoms in agriculture are uncertain, vary and variable. This paper take tomato as an example and puts forward a diagnosis mode, which blends the fuzzy control technology into the hetero-associative HopfiledHopfield ANN and combine the expert system. In this mode, symptoms of those agriculture agricultural diseases are described. Repository and disease character database are founded. Disease character classes are defined through the analyzing of tomato. More than 80 diseases symptoms are acquired. Be based on that, ANN-Reasoning mechanism are established and realizes the symptom-based diaeasedisease diagnosis. The practices have already been prived proved that this mode could take good use of the relationship between diseases and symptoms enhanced the reliability of the diagnosis. 关键词 模糊神经网络、Hopfield、番茄病害、病害复合诊断、异联想记忆 Keywords: FNN, Hopfield, tomato disease, multi-disease diagnosis, the hetero-associative memory 1引言 农作物、蔬菜病害的诊断是一个典型的非结构化问题，病害的症状特征存在着大量非确定性的和模糊性的，农作物在生长的各个阶段中，将会不断受到病害和自身生理病害的侵蚀，各种不同类型的农作物受生长环境、自然气候情况、土壤等影响，起抗性和健壮性都存在着差异，同是某类作物其病虫害的发生情况在不同的地区其症状也不会一样，并且受到生长过程的影响，即症状的非唯一性。农作物（广义的农作物定义已经包括蔬菜）病害在诊断中主要以植株各部位的病状、病原发病条件等为依据，着重需要解决病例的有效表示、相似病例检索、诊断对象与相关病例的相似度等问题。当前的农作物病害诊断的手段多以神经网络应用与智能专家系统相结合，基本的方法是对症状特征的描述和智能诊断方法的研究，但由于专家系统中知识搜索树的二叉树特性，此类方法主要适用于单一病害的诊断[01]。而对于病害中的复合发病症状特征集多未作处理分析，在复合病害的诊断结果上与实际病害存在着较大的差异。 The diagnosis of the agriculture and vegetables is a typical unstructured problem, in which plenty of uncertain and fuzzy knowledge are existed. The agriculture will face continual disease fr