农业专家系统的研究进展及实例剖析

浙 江 大 学

课程论文

（2013-2014学年秋冬学期）

论文题目：农业专家系统的研究进展及实例剖析 课程名称： 人工智能及专家系统 任课教师： 学 号： 姓 名： 完成日期：

农业专家系统的研究进展及实例剖析

摘要：专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用。应用于某专门领域，拥有专家级知识，能模拟专家的思维，能达到专家级水平，并能用这些知识来解决实际问题。它的迅速发展和广泛应用大大推进了各个应用领域向智能化方向发展。本文对专家系统的农业应用领域研究进展进行分析, 并举出几种专家系统，对其进行实例剖析，再对国外学者对农业专家系统研究进行简单的介绍，最后对农业专家系统未来的发展方向作出展望。

关键词：农业专家系统、人工智能、进展、实例剖析

1 引言

专家系统(ES，Expert System)，就是一种在特定领域内具有专家水平解决问题能力的程序系统。它能够有效地运用专家多年积累的有效经验和专门知识，通过模拟专家的思维过程，解决需要专家才能解决的问题，它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家系统在农业上的应用叫做农业专家系统（又叫农业智能系统），它是将人工智能的知识工程原理应用于农业领域的一项高新技术，是一种智能化的农业信息系统。它是运用知识表示、推理、知识获取等技术，总结农业专家的宝贵经验、实验数据及数学模型，建造起来的计算机农业软件系统。

2 农业专家系统概述

农业专家系统一般由知识库、推理机、数据库、解释机、知识获取机和用户界面等几部分组成，其结构如图1所示；其中，知识库和推理机是农业专家系统的核心。知识库用以存取农业专家提供的专门知识；推理机是根据知识库进行各种搜索和推理的程序模块；解释机对系统给出的结论、求解过程以及求解状态提供说明；数据库存储推理过程中所需要和产生的各种信息；知识获取机自动获取专门知识并不断完善知识库；用户界面实现系统和专家或用户的信息转换。

图1农业专家系统的结构

3 农业专家系统的研究进展

20世纪80年代以来，随着信息技术的迅速发展，农业专家系统在国际上有了较大的发展。从分布区域看，美国占绝大部分，几乎占 80%；从应用领域看，涉及到作物栽培、施肥、病虫害防治、杂草控制、森林环保、家畜饲养、农业经济效益分析、储存管理、市场管理等方面。

农业专家系统是农业专家知识和信息技术相结合的产物。随着信息技术的发展，农业专家系统发展呈现 4 个阶段。

3.1 单功能农业专家系统(SPAES)

该阶段是农业专家系统的起始阶段，时间是 20世纪 70 年代末到 80 年代初。当时CPU 主频低（1978年6月，处理器 68020 的主频仅为16MHz ）、数据处

[1,3]理能力低, 关系数据库也刚刚起步，因此该阶段农业专家系统功能单一，只相

当于某一领域专家，解决特定问题，如病虫害防治、灌水管理、危害预测等。例如，1978年美国伊利诺斯大学(IllinoisUniversity)开发的大豆病虫害诊断专家系统, 是世界上应用最早的农业专家系统；美国 California大学1981年开发了灌水管理专家系统。

3.2 多功能农业专家系统（MPAES ）

到了20世纪80年代中期，计算机的处理器性能有所提高(1989年4月，处理器486DX4/100主频达到 100MHz)，关系数据也有较大发展[3]，此时专家系统在功能上已从解决单一问题的病虫害诊断等转向解决农业生产管理、经济分析、辅助决策、环境控制等综合问题。该阶段专家系统能够实现多功能，相当于多领域专家的结合，解决多个领域的复杂问题。例如，东京大学的西红柿栽培管理专家咨询系统, 温室黄瓜栽培管理专家系统，6种温室蔬菜病、虫和营养失调诊断专家系统。

3.3 基于模型的农业专家系统（MBAES ）

20 世纪 60 年代开始了作物生长模拟模型研究；80年代，随着模拟模型技术的逐渐成熟，计算机处理性能和数据库技术进一步发展，形成了以作物生长模拟模型为核心，将模拟与优化相结合并与有关领域专家知识融合，形成了基于模型的专家系统。该阶段专家系统很好地利用了计算机技术结合作物模拟模型，增强了专家系统的机理性和决策功能，充分地体现了数据库、模拟模型、知识库、推理机的有机结合[4]。该系统具有解释能力强、应用面宽、考虑的影响因子多和易于控制等优点，其功能主要是提供目标、动态、定量与优化决策[5]。

具有代表性的是20世纪80年代美国农业部推出的棉花综合管理专家系统(COMMAX/GOSSYM)。它是一个机理性很强的棉花生长模型，可依据植株碳氮平衡、热量和水分平衡等原理，将温、光、降水等气象要素作为驱动变量，将土壤理化性状和肥水供应能力视为初变条件，对棉株的生长发育和产量形成进行动态分析，最终可模拟在不同气候、土壤条件下棉花的生育期和产量。该系统为棉花管理提供咨询, 用于确定灌溉、施肥、施用脱叶剂和棉桃开裂剂的最佳方案的制定[6-7]。

3.4 智能化农业专家系统（IAES ）

20世纪90年代以来，随着计算机技术、人工智能技术、数据库技术、3S 技术以及自动化控制技术高速发展, 农业信息技术进入了一个新的发展时期，开发出智能化农业专家系统。智能化专家系统主要是各种智能技术在专家系统领域的集成，如人工神经网络、WEB 技术、智能温室、“3S ”技术，利用现代数据处理手段，对数据进行新的处理，很好地丰富了农业专家内涵，提高了专家系统精确度、智能化和实用性。如 1994 年，该系统在 Windows环境下发展为 AEGIS/Win；U.Singh 等人运用 CERES工程(Crop-Environment Resource Synthesis)作物模拟模型与 GIS 相结合，建立了印度半干旱地区的决策模式。温室自动控制系统和专家系统相结合的专家管理系统, 能够及时地为用户提供温室各种作物在不同时期生长所需要的最佳气候参数及栽培技术和措施，自动生成合理的控制方案，

[8-9]实现了人造气候的智能化管理。

我国专家系统的研究起始于 20 世纪 80 年代初期。由于发展较晚，赶上信息技术和计算机技术的迅猛发展，因此我国的专家系统发展阶段划分不是很明显，各种功能各领域专家系统交错出现，到 20世纪 90 年代, 我国农业专家系统的研究蓬勃发展，研制出了大量的智能化程度较高的专家系统。例如，1980 年浙江大学与中国农科院蚕桑所合作, 开发研究育种专家系统；1992 年，中国农科院作物所赵双宁等研制开发的“冬小麦新品种选育专家系统”，应用于 20 世纪 70 年代亲本材料进行测试，所显示的结果与当年实际组配的杂交组合极为相似[10]；1998年，南京农业大学研发的小麦管理智能决策系统[11]；2002 年，上海精准农业技术有限公司完成了精准农业管理决策支持系统的设计与实现[12]；2003年，郑向群、高怀友等完成了等利用数据挖掘技术对农业环境信息数据分析[13]。

目前，农业专家系统已触及我国农业领域的各个方面，为发展高产、优质、高效农业做出了贡献。下面将从最近的典型的农业专家系统着手，分析其组成、结构、人机界面设计、逻辑算法、处理以及呈现的产品。

4 农业专家系统实例剖析

4.1 基于PDA 的农业专家系统的设计和实现[14]

理论基础

文[15]提出基于PDA 的精确与模糊相结合的描述框架+产生式+公式的综合知识表示形式与基于PDA 的精确与模糊相结合的综合推理策略，文[16]在此基础上，进一步研究将知识库和数据库在PDA 上集成，提出与规则分离的基于PDA 的通用推理算法。

数据库结构

为了处理数据输入的受限输入，即用户只能在系统提供的枚举类型中进行选择。文章对原有的数据库结构进行了改造，改造后的数据库结构增加了枚举型字段ENUMTYPE 。

知识库维护

在PC 机上生成PDA 端的数据库，再输入数据；或将PC 端的数据库（如SqlSever ）的数据转化为PDA 端的数据库，这样就可以在PC 机上对PDA 的数据库进行知识的修改、删除、添加，最后通过PDA 与PC 的通信工具，将更新后的知识库输入到PDA 中。

人机界面设计

在程序中处理用户输入时，判断字段的类型是否为枚举类型9，若是，则打开相应的文本文件，再依次读取到用于PDA 屏幕显示的二维数组中，在PDA 上以列表的方式显示出来，最后返回用户输入当前的行号并显示出来，否则，显示相应的数字或汉字。

规则前件处理

为简便起见，约定决策规则表中每个规则子前提的格式为：参数+逻辑符号（共6种，分别是,>=,=,）+数字，同时，考虑到不同的规则子前提在该规则中的作用不一样，对不同的规则子前提进行优先级处理的控制策略，即首先处理优先级高的规则子前提，然后判断优先级低的规则子前提是否可以忽略，若可以忽略，则在决策规则表中以变量名直接+“；”方式来表示。

规则前件处理模块的算法如下：

（1）在决策规则表中依次取出参数字段中以“；”隔开的规则子前提（对应决策参数表中的参数）。

（2）记录号=1，在决策规则表中依次对该记录的规则前件字段的字符串的规则子前提串、逻辑符号串及数字串进行相应的处理。

（3）调用逻辑符号处理过程，与用户输入的参数进行匹配，若匹配成功，则返回该记录号，否则记录号+1，再判断新的记录号是否大于决策规则表中的最大记录号，若大于，则返回“无法进行判断！”，否则转（3）。

公式处理

为简便起见，约定决策规则表中每个计算公式的格式为一般算术表达式，其中算术表达式中参加运算的为相应决策参数表中的参数，而不是具体的数值。公式处理模块的算法如下：（1）将计算公式的变量（对应决策参数表中的参数）替换为用户输入值。（2）将该算术表达式转化为波兰表达式。（3）对波兰表达式进行计算，并返回计算结果。

成果简介

已经实现的应用软件包括基于PDA 的葡萄品种选择专家系统、葡萄园地规划和葡萄疏花疏果专家系统，与HPC 农业专家系统合成的便携式农业专家系统填补了国内空白。基于PDA 的葡萄品种选择专家系统、葡萄园地规划和葡萄疏花疏果专家系统，能较好地辅助农技人员和农村干部进行葡萄品种选择、园地规划和疏花疏果的处理。目前包含上述农业应用软件的农福星（APDA ）已经在天津、新疆、山东等地运行和推广应用，并取得较好的社会效益和经济效益。

4.2 基于Android 平台的植物病虫害查询诊断系统的构建[17] 总体设计

在移动互联网环境下的查询和交互系统，由用户查询和交互模块、知识库、知识构建系统三大模块构成，三个模块的关系见图2。

图2 模块关系图

用户查询和交互模块：该模块是基于Android 平台开发的手机客户端，主要功能是查询植物病虫害信息，以及向专家提交疑难问题和获取专家提供的解答。 知识库：该模块是基于SaaS 模式开发的数据共享系统，为多个终端提供同步接口。其数据存储系统为MySqal, 用于构建植物病虫害知识库。

知识构建系统：该模块是由PHP 开发的B/S系统，主要功能是向知识库补充和更新数据信息。农业专家可以使用该系统进行植物病虫害相关信息的更新和补充，同时可以对用户提问进行解答。

客户端设计

包括用户查询和交互模块的界面设计、本地知识库的数据库设计。用户查询和交互模块的界面包括：知识库管理界面、信息查询界面、查询内容详情界面、用户提问界面、问题列表界面、问题解答详情界面（见图3）。

图3用户查询和交互模块的界面设计图

SaaS 知识库的数据库设计

该数据库包括：知识库分类列表、知识库表和问题对应表。知识库分类列表包括知识分类编号、知识分类主题、最终提交时间、最新知识编号四个字段，主键为知识分类编号。知识库表包括知识条目编号、知识条目编号、知识标题、知识内容、知识配图五个字段，主键为知识条目编号。问题对应表包括问题编号、问题内容、问题配图、提交时间、知识条目编号五个字段，主键为问题编号。 知识管理系统的设计

包括知识录入模块和问题解答模块。专家可通过该模块向知识库录入信息。

录入的内容包括：知识库分类、知识点标题、知识点信息内容、相关图片等（见

图4）。当用户向管理系统提问时，专家将通过该模块浏览到新的问题，专家解答后，用户即可将该问题的答案同步到本地客户端。

开发和部署

本系统的开发环境为windows ，开发工具为Eclipse 。Eclipse 是一个开放源代码的、基于Java 的可扩展开发平台，是Android 应用程序开发的首选IDE, Android 应用程序的开发插件为ADT ，这是 Google 专门针对Android 应用程序开发提供的Eclipse 上的开发插件。PHP 开发需要构建本地服务器环境, 应用服务器为Apache, Apache 是世界使用量最大的web 服务器软件, 它可以支持大部分的计算机平台上。它的由于跨平台的特点和极高的安全性被绝大多数网络服务提供商使用，是最流行的WEB 服务器端软件之一. 开发插件为PDT, 它提供了一个Eclipse 平台上的S 开发工具框架, 其包含了所有必要的开发组件开发PHP 和方便的可扩展性, 它利用现有的WEB 工具平台和动态语言工具(DLTK)使Eclipse 具有开发EFE 的能力。SaaS 知识库的构建采用MySQL 数据库。MySQL 是一个开源的小型关联式数据库管理系统。它体积小、速度快、成本低，是中小型网络服务提供商数据库管理系统的首选。

图4知识管理系统的设计图

4.3 基于GIS 的油菜测土配方施肥系统的开发[18]

开发平台及工具

系统采用C#语言编写，以Microsoft Visual Studio2008、ArcGIS Engine9.3为工具，利用Studio.NETC#与ArcGIS Engine中的窗体、组件、模块的控制和连接，实现地图控制、空间属性的浏览、油菜施肥量计算、制图及各种属性数据查询等。

系统功能

油菜测土配方施肥系统包括单机版和触摸屏版，总体上包含推荐施肥、技术资料、系统维护等功能模块( 图示5) ，可实现相关信息的浏览、查询和更新、系统的核心功能是精确到耕地单元的推荐施肥，在此基础上还提供测土配方施肥、油菜缺素症状等知识，并以图文形式表现，为农技人员或农户提供油菜测土配方施肥技术。在油菜测土配方施肥系统的推荐施肥界面，系统提供了县、乡、村级行政区划图，土地利用现状图，公路，河流，卫星图片等图层，用户确定所要查询的地块单元后，点击进入“推荐施肥”界面后，系统将自动展现该耕地单元的面积、土种类型、土壤理化性状等信息。在施肥推荐计算中，所有“条件”在一个界面完成选择输入，简化了咨询或选择流程,

用户按照实际情况输入数据后，

通过下拉单选框选择化肥品种或复合肥比例，点击“计算施肥量”按钮进行施肥量计算，获得施肥建议卡, 施肥建议卡上包括该单元的地理位置、土种名称、土壤养分测试值，氮、磷、钾、硼肥的推荐用量、各生育时期( 苗期、蕾苔期、花期等) 的追肥用量等内容，直观地为农民提供土壤资源情况和科学施肥信息。有一定专业知识的人员，可通过对系统施肥参数的修改，使生成的配方施肥建议更加适合当地实际情况。“施肥参数”模块为有权限的用户提供了查询、修改和导出现有配方施肥参数的功能。施肥参数包括油菜产量养分吸收量、肥料当季利用率、空白产量与目标产量对应函数、前3年平均产量与目标产量增产率、土壤养分丰缺调整系数、土壤养分丰缺指标、土壤有效养分校正系数、效应函数法推荐施肥模型、肥料分配运筹等，用户可根据施肥试验结果对施肥参数进行修改调整。

图5 油菜测土配方施肥系统功能结构设计图

4.4 JESS 技术的油茶病虫害诊断及无公害防治WEB 系统研究[24] 系统的整体结构

系统采用B/S架构, 运用Java 语言中的三层架构模式(采用的模式是Hibernate 、STRUCTS 设计) 进行设计, 后台数据库采用MYSQL 数据, 基于JESS 语言将专家知识通过文字形式存放于MYSQL 中,Jess 是Java 平台上的规则引擎, 它是CLIPS 程序设计语言的超集, 由Sandia 国家实验室的ErnestFriedman-Hill 开发, 适合自动化专家系统的逻辑编程, 它常被称作“专家系统外壳”。Java 与JESS 具有良好的集成性, 这使得运用Java 技术的WEB 专家系统能够很好地应用JESS, 并为WEB 专家系统提供了系统开发工具, 保证了系统的推理性、扩展性与移植[25]。JAVA 会将这些文字形式保存的专家知识动态加入推理机中, 完成知识推理,WEB 服务器采用开放源代码的Web 应用服务器TOMCAT 。

专家系统分为数据库、推理库和专家库三个子系统, 其框架见图6。数据库子系统主要执行基础数据的获取和预处理等功能, 主要获取土壤质地和结构、土壤营养数据、数字地面高程数据、气象要素(温湿度、雨量、太阳辐射等) 、油茶病虫害等基础数据, 执行专家知识库的修改和推导功能, 系统不对油茶种植户提供基础数据。系统将数据统一成250m ×250m 矢量式, 并通过ARCGIS 的空间数据引擎ARCSDE 保存至MYSQL 数据库中, 系统用数字地面高程模型分析slope 、aspect, 用日均温分析月均温距平和生育期积温, 用土壤N/P/K

数据分析土壤营

养肥力状况等, 可以进行一般的数据空间分析功能。当获取油茶种植户地理坐标, 系统将对应位置的基础数据通ARCGIS 数据通路从数据 库中导出, 并通过JESS 直接访问以POJO 实例存贮的JAVA 对象。推理库子系统通过将这个地区专家库中的推理规则调入到推理机中, 基于特定时段的客观事实, 叠加油茶种植者输入的油茶病虫害信息,JESS 运用正逆推理原理提取出够条件的专家知识, 并通过超文本传送协议传给油茶种植户的游览器上。提供依据油茶种植户输入信息而获取的这段时间内的病虫害状况、目前可能的危害程度及有效无公害防治方法。

图6 专家系统框架

系统程序设计中的关键技术

1. JAVA 中装载JESS 推理机

专家推理规则保存在MYSQL 数据库RULE 表中,RULE 表有4个字段, 都是文本格式, 分别为name 、condition 、result 和method, 当Hibernate 动态调入专家知识时, 会将数据库中的专家知识数据存放在Rule 类中的condition 、result 属性字段中, 专家系统推理规则时会将这些文本格式的专家知识动态规则调入推理机中, 具体实现程序如下:

Jess.Reteknowlege=newJess.Rete();//Rate类对象化

knowledge.executeCommand("(clear)");//清空所有知识

knowledge.executeCommand("(reset)");//初始化

knowledge.executeCommand("(defrule"+knowledge.getName()+""+knowledge.getConditon()+"=>"+knowledge.getResult()+")";//动态加入文本格式专家知识

2. 专家事实库的动态调入

运用JESS.Fact 类将所有相关的已保存在knowledge 对象中的专家知识运行, 并将需要的事实(条件) 调入推理机中, 主要程序如下:

Jess.Factfactinfo=newFact("knowledge-info",rule);//实例化事实对象

factinfo.setSlotValue("date",newValue(knowledgeinfo.date,RU.DATE));//实knowledge-info 对象 factinfo.setSlotValue("temperature",newValue(knowledge-info. temperature,RU.FLOAT)); //输入气温

factinfo.setSlotValue("rain",new Value(knowledge-info.rain,RU.FLOAT));//输入降水

factinfo.setSlotValue("suntime",newValue(knowledge-info.suntime,RU.FLOAT));//输入日照factinfo.assertFact(factinfo);//将输入事实放入事实库中

系统实现结果

系统软件设计好后, 需要将油茶可能出现的病虫害及无公害防治措施变成专家系统语言, 并保存到数据库中，油茶炭疽病在我国油茶产区普遍发生[26]，其典型症状为图7。

图7油茶炭疽病症状

针对上述问题，该系统转成JESS 语言为:

(defruleMAIN:ill-TanJuBing;//规则名称: 油茶炭疽病)

(answer(identtype)(number0));//为病害

(answer(identplace)(number5));//发病部位为果实

(answer(identillcolor)(Textblack));//颜色为黑褐色

(answer(identimage)(Text21.jpg));//与数据库中的图片比较

(answer(identtemperatureand humidity)(number27,80));//当日平均气温大于27℃, 相对湿度大于80%,表示会严重发生

=>(recommend-action"会大面积发生油茶炭疽病")

(method-action"喷洒50%多菌灵可湿性粉剂500倍液, 每10d 喷1次, 连喷4次; 或用1∶1∶100波尔多液加1%~2%茶枯水, 每15d 喷1次, 连喷3次; 或用50%退菌特可湿性粉剂300倍液"); 无公害防治方法(halt));//防治对策

该系统将湖北省油茶种植有可能出现的病虫害及无公害防治措施变成专家系统语言, 并保存到数据库放到网上, 油茶种植户通过浏览器与系统进行交互确定病虫害种类并得到无公害防治措施, 对油茶病虫害防治和无公害种植具有指导意义。

4.5 基于3G 通讯的移动农业专家系统开发平台研究 [27]

我国20世纪80年代中期就开始研制面向领域和面向任务的专家系统开发工具, 主要有熊范纶等研制的雄风系列[28]、哈尔滨工业大学的专家系统平台[29]、河北农业大学的农业专家系统生成工具AEST3.0[30]、吉林大学的MES [31]、浙江大学的ZDEST [32]、中国科学院计算所的VESS [33], 以及国防科技大学和北京农林科学院研制的开发平台PAID5.0等，国际上有CALEX 开发平台、MICCS 工具等[34], 这些平台开发的系统均基于PC 机上的应用，目前还未出现基于3G 通讯的移动农业专家系统开发相关报道。

系统功能设计

DepAes 是一个开放的农业专家系统管理平台, 由农业专家系统应用网站、自助构建系统客户端、辅助诊断专家系统（网络版、桌面版、移动版）、专家系统制作工具和数据管理实用工具、个子系统组成，各功能结构如图8示.

图8 系统结构

图9 系统功能结构

推理机

主要实现以已知的信息来查找与之相匹配的客体。为满足用户的不同运行 环境要求，开发适用于Windows OS 、MAC OS 的桌面版、B/S网络版和适用于

Windows

Mobile 、Google Android的手持智能终端的移动版。系统整个诊断与推理设计为匹配、选优、回溯、结论4个步骤。（1）匹配：规则库中所有规则的前提条件与当前农情比较，取出与当前农情符合的下一级规则（匹配成功的规则）；（2）选优：从匹配成功的规则中选取最符合当前农情的规则；（3）回溯：发现匹配的规则与当前农情不符合时，可返回上1次或N 次的结果进行重新选择;(3)结论：推理诊断结束，把符合推理结论的规则列出，并展示结论对应的农业知识。推理机的实现实际上就是完成对知识搜索树结构分枝结点的搜索过程。

自助构建系统数据结构设计

本系统的数据库采用XML 与SQL Server2005相结合的方式进行存储, 用户自定义知识库(数据规范、模板) 以XML 格式文件发布到服务器的Web Service的-model 文件夹中，供不同客户端用户共享调用。为了实现自助构建专家系统，并统一管理异构专家系统数据库，通过建立SQL Server数据库，将用户自建表按GUID 进行统一命名管理。

文中将表统一命名为“Detail ”+GUID，其中GUID 的命名由用户的计算机MAC 地址+3位自增ID 组成。列名由用户自定义$其中索引字段为内置Detail_GUID,以实现用户自定义对象与知识规则库的关联。字段类型统一设置为VARCHAR 类型，用户可自定义其长度，但同一知识数据表累计长度不能超过8000字符。为方便用户对知识库的操作，系统还设计了枚举功能。如在作物病虫害辅助诊断专家系统中，可将作物的被害部位设为根、茎/杆、叶/芽、花/穗、果实、种子等枚举值，不同值之间用“、”或“. ”隔开。

数据规范的共享是DepAes 平台的核心，也是平台的魅力所在。为实现不同用户共享数据规范，平台将知识库的表结构生成XML 文件，存放在WEB SERVICE 的model 文件夹。用户可根据实现需求情况选择不同的数据规范，也可自定义规范 (模板) 与其他用户共享。

成果实例

目前通过DepAes 成功开发的移动专家系统有46个，支 持 的 智 能 终 端有：Windows Mobile平台、Google Android平台和移动互联网设备（MID ）。其中作物的病虫害辅助诊断系统45个：水稻病害、白菜类病害、菠菜病害、菜豆病害、菜用大豆病害、蚕豆病害、大葱病害、大蒜病害、冬瓜病害、番茄病害、甘蓝类病害、胡萝卜病害、葫瓜病害、花菜病害、黄瓜病害、豇豆病害、芥菜病害、韭菜病害、空心菜病害、苦瓜病害、辣椒病害、萝卜病害、马铃薯病害、木耳菜病害、南瓜病害、茄子病害、芹菜病害、丝瓜病害、甜瓜病害、甜椒病害、豌豆病害、莴苣类病害、西瓜病害、细香葱病害、洋葱病害、荔枝（龙眼）病害、枇杷病害、茶树病害、橄榄病害、水稻害虫、蔬菜害虫、枇杷害虫、龙眼害虫、茶树害虫、橄榄害虫:杂草种子鉴定专家系统1个. 系统运行结果如图10示.

图10 系统运行结果

该平台相关软件产品获得国家版权局软件著作权登记：基于3G

通信的农业

专家系统开发平台(2010SR052726)、杂草种子鉴定专家系统（2010SR053179）、移动农业专家系统(2010SR052529).

5 国外学者对农业专家系统的研究 SarmaSK 等人[42]研究检测水稻植株疾病的专家系统，将拍摄的图像存入数据库中，通过相应的算法来判断该水稻植株是得什么病，其界面为图11所示。

图11 水稻植株疾病诊断专家系统界面

Rajkishore Prasad 等人[43]研究诊断印度芒果的害虫、疾病的基于规则专家系统。F.S.Khan 等人[44]基于网络的专家系统对巴基斯坦小麦的害虫、疾病进行诊断，并且给出建议。Ganesan V

等人

[45]

研究对农作物的害虫、疾病的诊断专家系统，并提供肥料使用建议系统和水灌溉管理系统。S.S.Patil 等人[46]研究农作物生长过程出现的营养缺陷的专家系统。W Guo 等人[47]验证贝叶斯网络算法在农业专家系统对数据进行处理方面有着重要的作用。B Maurya等人[48]针对印度滥用杀虫剂、肥料的问题，研究对应的专家系统来帮助他们提高农作物产量、保护自然、减少杀虫剂的使用。

Gonzalez-Andujar J L等人[49]对橄榄研究农业专家系统，知识呈现的是IF-THEN 的规则，该系统能够识别9中草、14种害虫和14种疾病，包括150幅照片能够有效帮助识别。下面是展示其图片。

图12

橄榄专家系统

J Zhao 研究无线农业服务平台系统，该平台可以使农民使用手机拍摄和传送农业信息给专家，然后可实时获取指导与帮助。L Gonzalez-Diaz 等人[51]对辣椒研究农业专家系统，知识呈现的是IF-THEN 的规则，该系统能够识别11种草、20种害虫和14种疾病，包括87幅照片能够有效帮助识别。下面是展示其图片。 [50]

6 农业专家系统的发展方向

由于农业生产过程及环境因子复杂，导致大部农业专家系统的实用性和普及性较差。其主要原因如下：数据的采集不规范，没有统一标准；生产周期较长，采集多年数据需要较长的周期；影响因素复杂，数据具有一定的偶然性。 笔者认为未来的农业专家系统的发展应朝着以下几个方向发展：

1. 以“3S ”技术为核心的精准农作专家系统[58-60]，精准农业将是今后农业集约化、持续化的发展方向，因此配套的专家系统研究尤为必要。但是，精准农业需要完整的配套设备，技术和资金投入量大；而我国目前机械化和集约化水平不高，信息技术及其装备薄弱，农民素质不高，土地分散。因此，精准农作专家系统在我国将是局部尝试性和科研性工作，大面积推广无论是在技术还是资金都将具有一定的困难。

2. 虚拟作物专家系统，虚拟植物是计算机精确模拟自然界里植物的生长发育状况，如同科研人员在计算机里开垦了一块虚拟的试验田，把现实中的植物搬到里面生长[61]。因此，虚拟植物能够精确地反映现实植物的形态结构，极具真实感，它可以帮助我们以一个全新的视角来研究植物，应用面广。

3. 数据挖掘专家系统，复杂的农业系统也很难利用简单的方法来进行数据处理，利用数据挖掘技术对多年积累的农业科研数据进行处理，合理利用历史数据挖掘知识，为农业生产服务[62-63]。

7 参考文献

[1]赵玉萍, 廖运文. 数据库技术的发展现状及趋势[J].长春师范学院学报(自然科学版),2005(3):107-110.

[2]张春叶, 邱煜辉. 龙眼专家系统中病虫害咨询子系统的实现[J].计算机与农业,1999(3):17-20.

[3]黎菁.CPU 发展史及计算机发展前景[J].研究与开发,2004(17):61-63.

[4]李存东, 曹卫星, 李旭, 等. 论作物信息技术及其发展战略[J].农业现代化研究,1998(1):17-20

[5]曹宏鑫, 董玉红. 作物模拟技术在小麦栽培中应用的研究[J].中国农业科学,2003,36(3):342-348.

[6]上官周平. 农业专家系统及其应用[J].农业现代化研究,1994,15(5):298-301.

[7]郑世旺, 李方远, 徐心诚, 等. 具有农业专家功能的温室自动控制系统[J].河南农业科学,2005(3):64-66.

[8]张晓文, 杨任全. 温室环境智能控制系统的研究与开发[J].农机化研究,2005(1):147-150.

[9]吕新, 陈彦. 基于WebGIS 的棉田土壤肥力信息管理及施肥决策系统[J].土壤通报,2005(8):341-344.

[10]熊范伦. 农业专家系统及开发工具[M].北京:清华大学出版社,1999.

[11]李旭, 曹卫星. 小麦管理智能决策系统的设计与实现[J].南京农业大学学报,1999,22(3):9-12.

[12]张仰洪, 杨星卫. 精准农业管理决策支持系统的设计与实现[J].遥感技术与应用,2003(2):10-13.

[13]郑向群, 高怀友. 农业环境信息数据分析中数据挖掘技术的应用[J].农业环境与发展,2003(1):35-37.

[14]欧阳建权，钱跃良, 褚诚缘, 李锦涛. 基于PDA 的农业专家系统的设计和实现[J].计算机工程与应用，2002;2.

[15]欧阳建权，钱跃良，李锦涛等. 基于PDA 的农业专家系统的知识表示与推理策略[J].计算机科学，2001;11.

[16]欧阳建权，钱跃良，李锦涛等. 基于PDA 的知识库与数据库集成和通用推理算法[J].计算机科学，2002;2.

[17]宁宁, 王玉洁, 韩宝平. 基于Android 平台的植物病虫害查询诊断系统的构建[J].北京农学院学报，2013，28(3):75-77.

[18]李莉婕，赵泽英，彭志良等. 基于GIS 的油菜测土配方施肥系统的开发[J].农技服务，2013，3,3(7):773-774.

[19]王永庆. 人工智能原理与方法[M].西安；西安交通大学出版社,1998.

[20]敖志刚. 人工智能与专家系统导论[M].合肥：中国科技大学出版社,2002.

[21]杨学山. 专家系统及其在管理中的应用. 北京:清华大学出版社,1991.

[22]武波, 马玉祥. 专家系统[M].北京：北京理工大学出版社，2001.

[23]王万良. 人工智能及其应用[M].北京高等教育出版社,2008.6

[24]王有宁, 邓青云, 胡波, 等. 基于JESS 技术的油茶病虫害诊断及无公害防治WEB 系统研究

[J].黑龙江农业科学,2012(12):129-132.

[25]熊勤学, 刘章勇. 基于3S 和JESS 的棉花种植信息服务专家系统设计与实现[J].农业网络信息,2008(6):19-21.

[26]杨坚. 油茶主要病虫害的发生及防治[J].广东农业科学,2007(7):66-68.

[27]邱荣洲, 翁启勇, 池美香, 等. 基于3G 通讯的移动农业专家系统开发平台研究[J].福建农业学报,2011,26(6):1081-1085.

[28]熊范纶, 雄风农业专家系统开发工具[M].北京:清华大学出版社,2000:79.

[29]郑丽敏, 任丽梅, 任发政. 农业专家系统的发展与精准农业[J].中国农业科技导报,2002,4(4):62-65.

[30]蒋文科, 陈丽萍, 张梅. 农业专家系统生成工具AEST3.0[J]. 河北农业大学学报,2001,24(3):67-71.

[31]王志春. 信息技术在农业上的应用[J].农业与技术,2000,20(5)：1-3.

[32]杨宝祝，李爱平。网络化、构件化农业专家系统开发平台PAID 的研究与应用[J].高技术通讯,2002，12(3)：5-9.

[33]孙妮娜, 秦向阳, 杨宝祝, 等. 农业专家系统开发平台的研究现状及发展趋势[J].中国农学通报,2006,22(6):436-440.

[34] Miah S J, Kerr D V, Gammack J G. A methodology to allow rural extension professionals to build target-specific expert systems for Australian rural business operators[J]. Expert Systems with Applications, 2009, 36(1): 735-744.

[35]傅钢善, 李婷.3G 时代基于专家系统的移动学习模式[J].中国电化教育,2010,4:106-111.

[36]潘锦山, 潘东明. 基于3G WCDMA 的琯溪蜜柚移动专家系统的研究[J].中国农学通报, 2010,26(19):413-416.

[37]潘锦山. 基于3G 混合网络和GPS 技术的果树移动专家系统(FMES)的构建[D].福建农林大学,2010.

[38]邱荣洲, 翁启勇, 池美香, 等. 基于 3G 通讯的移动农业专家系统开发平台研究[J]. 福建农业学报, 2011, 26(6): 1081-1085.

[39]孙立民, 武洪峰. 基于3G 通信与GPS 技术的农机视频监控系统研究[J].现代化农业,2011,7:036.

[40]牛孝国, 段洪洋, 夏宁, 等. 基于 3G 网络的果树病虫害可视化诊断系统研究[J]. 中国农学通报, 2011, 27(30): 303-306.

[41]景旭, 杨会君, 何东健, 等. 基于 JM F 的农业专家视频咨询平台研究与开发 Ξ[J]. 西北农林科技大学学报 (自然科学版), 2006, 34(10).

[42] Sarma S K, Singh K R, Singh A. An Expert System for diagnosis of diseases in Rice Plant[J]. International Journal of Artificial Intelligence, 2010, 1(1): 26-31.

[43]Prasad R, Ranjan K R, Sinha A K. AMRAPALIKA: An expert system for the diagnosis of pests, diseases, and disorders in Indian mango[J]. Knowledge-Based Systems, 2006, 19(1): 9-21.

[44] Khan F S, Razzaq S, Irfan K, et al. Dr. Wheat: a Web-based expert system for diagnosis of diseases and pests in Pakistani wheat[C]//Proceedings of the World Congress on Engineering. 2008, 1: 2-4.

[45]Ganesan V.Decision Support System“Crop-9-DSS" for Identified Crops[C]//10th International. 2006.

[46] Patil S S, Dhandra B V, Angadi U B, et al. Web based expert system for diagnosis of micro nutrients deficiencies in crops[C]//Proceedings of the World Congress on Engineering and Computer Science. 2009, 1: 20-22.

[47] Guo W, Xiao Q, Hou Y, et al. Bayesian network learning based on relationship

prediction PSO and its application in agricultural expert system[C]//Control and Decision Conference (CCDC), 2013 25th Chinese. IEEE, 2013: 1818-1822.

[48] Maurya B, Beg M R, Mukherjee S. Expert system design and architecture for farming sector[C]//Information & Communication Technologies (ICT), 2013 IEEE Conference on. IEEE, 2013: 10-15.

[49] Gonzalez-Andujar J L. Expert system for pests, diseases and weeds identification in olive crops[J]. Expert Systems with Applications, 2009, 36(2): 3278-3283.

[50] Zhao J, Li W, Yang Y, et al. Design and Realization of Information Service System of Agricultural Expert Based on Wireless Mobile Communication Technology[M]//Computer and Computing Technologies in Agriculture IV. Springer Berlin Heidelberg, 2011: 598-603.

[51] Gonzalez-Diaz L, Martínez-Jimenez P, Bastida F, et al. Expert system for integrated plant protection in pepper ( Capsicum annuun L.)[J]. Expert systems with applications, 2009, 36(5): 8975-8979.

[52]Shaalan K, Hendam A, Rafea A. Rapid development and deployment of bi-directional expert systems using machine translation technology[J]. Expert Systems with Applications, 2012, 39(1): 1375-1380.

[53]LI Z, CUI G, SHENG C, et al. Development and perspective of agricultural expert system [J][J]. Agriculture Network Information, 2009, 2: 002.

[54] Robindro K, Sarma S K, Singh L P, et al. Knowledge Acquisition Process Of An Expert System For Rice plant disease diagnosis[J]. International Research Journal of Computer Science Engineering and Applications, 2012, 1(1).

[55] Lingwang L M S Z G, Yuying Z Y W J J. Expert System Based on WebGIS for Forecast and Prediction of Agricultural Pests [J][J]. Transactions of the Chinese Society for Agricultural Machinery, 2009, 7: 038.

[56] Wu Z, Zhang Z, Li W, et al. GPC: An Expert System Based on Multi-branch Structure for Grass Pest Control Information[M]//Computer and Computing Technologies in Agriculture V. Springer Berlin Heidelberg, 2012: 229-235.

[57] Dong Z, Linchang Y, Guozhi W, et al. Construction of Knowledge Database of Fault Diagnosis Expert System for Marine Diesel Engine[J]. Diesel Engine, 2011, 5: 004.

[58]裴相斌. 地理信息系统在农业经营管理和决策中的应用[J].遥感信息,2001,2(6):46-49.

[59]隗玮. “数字农业”与我国农业的可持续发展[R].北京:农业部信息中心,2003.

[60]张仰洪, 杨星卫, 陆贤, 等. 精准农业管理决策系统的涉及与实现[J].遥感技术与应用,2003,18(1):10-13.

[61]靳润昭, 王兆毅. 虚拟现实及其在农业上的应用[J].天津农学院学报,2001(2):27-32.

[62]郑向群, 高怀友. 农业环境信息数据分析中数据挖掘技术的应用[J].农业环境与发展,2003(1):35-37.

[63]滕广青, 毛英爽. 国外数据挖掘应用研究与发展分析[J].统计研究,2005(12):68-70.