[数据挖掘技术在水稻病虫害系统中的设计与实现] 水稻病虫害综合防治技术

　　摘要：利用数据挖掘技术、网络技术和面向对象技术，研制出“水稻病虫害专家诊治系统”，包括系统采集、系统维护等子系统。通过数据采集，得到海量水稻病、虫、草害数据。利用数据挖掘技术，对水稻病、虫、草害特征性状数据进行分析，应用关联规则分析，挖掘它们之间的潜在联系，为综合防治水稻的病、虫、草害提供帮助。
　　关键词：水稻；专家诊治系统；数据挖掘；综合防治
　　中图分类号：Ｓ１２６文献标识码：Ｂ文章编号：0439－８114（２０11）11－2340-03
　　
　　System Design and Realization of the Data Mining Technology in the Rice Disease
　　and Pest Control
　　
　　ＸＩＥ Ｙａｎ－ｘｉｎ
　　（Ｊｉｌｉｎ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｌｌｅｇｅ，Ｊｉｌｉｎ １３２１０1，Ｊｉｌｉｎ，Ｃｈｉｎａ）
　　
　　Ａｂｓｔｒａｃｔ： Ｕｓｉｎｇ ｄａｔａ ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ， ｎｅｔｗｏｒｋ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄ ｔｅｃｈｎｏｌｏｇｙ， an ｉｎｔｅｇｒａｔｅｄ ｓｙｓｔｅｍ ｏｆ “ｓｙｓｔｅｍ ｏｆ ｒｉｃｅ ｐｅｓｔｓ ｅｘｐｅｒｔ ｄｉａｇｎｏｓｉｓ ａｎｄ ｔｒｅａｔｍｅｎｔ” ｉｎｃｌｕｄｉｎｇ ｓｙｓｔｅｍ ａｃｑｕｉｓｉｔｉｏｎ， ｓｙｓｔｅｍ ｍａｉｎｔｅｎａｎｃｅ ａｎｄ ｏｔｈｅｒ ｓｕｂｓｙｓｔｅｍｓ ｗａｓ ｄｅｖｅｌｏｐｅｄ． Ｍａｓｓｉｖｅ ｒｉｃｅ ｄｉｓｅａｓｅｓ， ｉｎｓｅｃｔｓ， ｇｒａｓｓ ａｎｄ ｒｏｄｅｎｔ ｄａｔａ ｗｅｒｅ ａｃｈｉｅｖｅｄ ｂｙ ｄａｔａ ｃｏｌｌｅｃｔｉｏｎ． Ｄａｔａ ａｎａｌｙｓｉｓ ａｎｄ ｐｏｔｅｎｔｉａｌ ｌｉｎｋｓ ａｂｏｕｔ ｒｉｃｅ ｄｉｓｅａｓｅｓ， ｉｎｓｅｃｔｓ ａｎｄ ｗｅｅｄｓ ｔｒａｉｔｓ ｗｅｒｅ ｃｏｎｄｕｃｔｅｄ ｂｙ ｕｓｉｎｇ ｄａｔａ ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ａｓｓｏｃｉａｔｉｏｎ ｒｕｌｅｓ． Ｉｔ ｗｏｕｌｄ be ｂｅｎｅｆｉｔ ｆｏｒ ｔｈｅ ｉｎｔｅｇｒａｔｅｄ ｃｏｎｔｒｏｌ ｏｆ ｒｉｃｅ ｄｉｓｅａｓｅｓ， ｉｎｓｅｃｔｓ ａｎｄ ｗｅｅｄｓ．
　　Ｋｅｙ ｗｏｒｄｓ： rice； ｅｘｐｅｒｔ ｄｉａｇｎｏｓｉｓ ａｎｄ ｔｒｅａｔｍｅｎｔ ｓｙｓｔｅｍ； ｄａｔａ mｉｎｉｎｇ； ｉｎｔｅｇｒａｔｅｄ ｃｏｎｔｒｏｌ
　　
　　近来年由于气候、水质、地理环境的变化，影响水稻产量、品质等的病、虫、草害生物灾害也不断变化，这也是水稻生产发展的最复杂多变而难以克服的长期性障碍。要解决这个问题，首先要找出水稻生态系统中的病害、害虫、杂草等有害生物与其生长环境中的生物因素、非生物因素联系；其次是根据长期以来积累的病害、害虫、杂草等有害生物数据进行分析；最后根据分析结果找出解决病害、害虫、杂草等引起的水稻产量和品质下降的原因。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。利用数据挖掘工具对水稻病害、害虫、杂草等环境因子进行分析，最后构建出病虫害专家系统，这对于增加农民收入，增加区域经济总量具有决定性的意义。
　　１水稻病虫害分析过程
　　１．１数据来源
　　双辽市是吉林省水稻开发较晚的稻区之一，吉林农业科技学院一直为双辽市的农业经济服务，开发了１０万ｈｍ２水稻田，特别是近几年，帮助双辽市进行了水稻绿优米的生产及开发等。但水稻病、虫、草害等困扰着本地区水稻的发展，如水稻二化螟在该地区逐年加重，故在双辽市进行了水稻二化螟的防治研究。
　　１．２对采集的数据进行预处理
　　采集了双辽市１０万ｈｍ２水稻田３年的数据，首先对采集的数据预处理，这是最关键一个步骤，提高数据挖掘对象的质量，并最终达到提高数据挖掘所获模式知识质量的目的［1］。数据预处理阶段如果数据准备工作做得非常细致，那么在模型建立阶段就会节省大量的精力。体系结构图如图１所示。
　　水稻有害生物不但种类多，而且形态多样，同种病害在不同寄主生育期、器官及水土条件下，症状也不相同，如恶苗病有秧田期的徒长型和本田期的枯死型，稻瘟病在各器官上有叶瘟、节瘟、穗瘟之别，害虫有又有卵期、幼虫期、蛹期和成虫期的形态差别，以及性二型和多型现象。所有这些都为准确诊断病害和正确识别害虫带来了困难。而数据挖掘是深层次的数据信息分析方法，将数据挖掘技术应用于病虫害专家系统是非常有益的，比如它可以根据病害的寄生器官、寄主发病时期、形态等各种因素之间隐藏的内在联系构建病害模型，从而促进信息的传递。如图２水稻病虫害框图所示。
　　比如，首先对水稻病害寄生器官茎秆进行数据的分析，筛选出所有在此寄生器官上的有害生物，其次再从寄主发病的某一时期进行分析，筛选出有害生物，最后用数据挖掘工具帮助用户找到所需信息。
　　２数据挖掘病虫害专家系统的应用
　　数据挖掘在病虫害专家系统中有着广泛的应用前景，可以针对许多特定的需要与目标，挖掘出许多有用的信息。但到目前为止，数据挖掘技术在病虫害专家系统中的应用起步阶段［2］。下面以水稻病害为例介绍下数据挖掘病虫害专家系统的应用。
　　２．１病害症状识别、发病规律、防治方法的挖掘
　　根据作物的发病时期、发病部位、病状和病症等信息挖掘出症状识别方法，有利于准确定位，为用户的检索提供了透明的平台；根据病害类别（病原）、越冬情况（初侵染源）、侵入途径、传播方式、再侵染有无（浸染循环）、发病轻重与环境条件的关系等挖掘出有害生物的发病规律，有利于发病特征的描述；根据综合防治技术、栽培保健、防病等技术信息中挖掘出防治方法。
　　２．２害虫的形态特征、发生规律、防治方法的挖掘
　　根据成虫、卵、幼（若虫）、蛹等变化挖掘出害虫形态特征；根据一年中发生经过、产卵、取食、趋性等习性、发生轻重与环境条件的关系等信息挖掘出发生规律；根据农业防治和生物防治、化学农药防治等相关信息挖掘出防治方法。
　　２．３杂草的形态识别、生物学特性、危害性的挖掘
　　根据肉眼能看到的根、茎、叶、花、果等器官的形态等信息挖掘出形态识别；根据生命周期长度、繁殖方式、发芽的温度和土层尝试、生育期、传播途径、分布场所等信息挖掘出生物特性；根据发生危害状况等信息来挖掘危害性。
　　利用病、虫、草、鼠数据库中存放病害症状识别、发病规律、防治方法、形态识别等信息结合数据挖掘的关联分析，就能从这些海量数据中挖掘出有用的信息，帮助分析这些数据之间的相关性、回归性等。得出一些具有价值的信息，最终找到影响农作物生长的原因。
　　３专家系统的设计
　　专家系统通常由知识库、综合数据库、推理机、知识获取模块四部分构成。
　　３．１构建知识库（ＫＢ）
　　知识库是数据库和人工智能结构，能大量地存贮知识，快速进行存取和搜索，并能对知识进行有效地管理、查询、选择、修改等功能，ＫＢ要求计算机系统具备推理、联想、学习和问题求解的人类智能性功能装置。ＫＢ在ＤＢ的基础上，增加了推理功能，把知识形式化、抽象化和数字化再组织到ＤＢ中去，形成具备演绎推理功能的ＤＢ［3］。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 　　将从事农业生产研究专家长期积累的知识、总结的经验、出版的专著和发明等，通过整理、分析、加工成具体文字，为了使文字描述更形象，把专家在田间、实验室拍摄的病、虫、草、鼠害图片也存入到库，提供给诊治平台。
　　３．２综合数据库
　　数据仓库的概念模型设计根据对病虫害数据库的分析，确定的基本关系有：用户、作物、病害、虫害、草害、鼠害，关系模型是最常用的数据仓库结构模式，它可为决策支持系统优化数据。从数据分类、组织、准确性、安全性到维护等设计环节直接影响整个系统能否成功地运行。在系统项目开发中是采用企业型ＳＱＬ Ｓｅｒｖｅｒ ２００５数据平台，ＳＱＬ Ｓｅｒｖｅｒ ２００５数据库系统是一个中、小型的数据库管理系统，适合专家系统知识库的设计，与其他数据库系统软件包的接口良好，安全及用户管理上都存在一定优势，在许多专家系统中用它设计数据库。ＳＱＬ Ｓｅｒｖｅｒ ２００５可以为各种用户提供及时、准确、相关的信息，满足不同用户的各种需要，同时维护数据库，数据库的管理可以在客户端和服务器上进行。因此使用ＳＱＬ Ｓｅｒｖｅｒ数据库系统便于把专家系统设计成Ｃ／Ｓ（用户／中间件／服务器）三层结构，实现网络的动态查询或诊断［4］。
　　３．３推理机建立
　　病虫害专家诊治系统的推理机主旨思想是设计出智能化的诊治功能，而推理建立是系统开发的一个关键环节。所以专家系统的推理过程和用户获取结果的过程，也是围绕着病害的特征分类和发病部位进行的［４］。推理机的工作流程如图３所示。
　　具体的推理过程包括三部分：第一部分是知识库中存放着所有病害名称、说明等信息，数据的提取是通过检索文件结构层次模型中结点比对进行的。第二部分是专家系统中的规则库对后台数据库中的信息进行操作和关系运算，每条规则由两部分组成：一部分鉴别规则的适用性和先决条件；另一部分描述规则应用时所完成的动作。应用规则来改变后台数据库，就像应用算符来改变状态一样。第三部分是按照第二部分提供的知识表达式，将专家知识对应相应的知识库文件；然后，由测试模块验证知识库部位的正确性；测试完毕后，由编译知识库文件，把符合条件的描述信息提交出来，再根据描述信息进行推理，从后台数据库获取满足条件信息，以文本的形式提交给用户［5］。
　　４结论
　　数据挖掘是一种决策支持过程，是深层次的数据信息分析方法，它全面地分析病害、害虫、杂草产生的原因及环境等因素之间隐藏的内在联系。大量的水稻病害的数据经过深层分析，获得准确的数据检索，有利于农民、农业科研工作者有效识别及预防病、虫、草、害，具有重要意义。按危害部位、发病等原因对大量的数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化，将隐藏在作物中的病、虫、草、鼠害发病特征、规律、变异等信息找出来，带来社会经济效益是巨大的。
　　参考文献：
　　［１］ 李雄飞，李军．数据挖掘与知识发现［Ｍ］． 北京：高等教育出版社，２００３．
　　［2］ 杨国强，王双喜，杜伟． 我国农业专家系统的研究进展［Ｊ］． 山西农业大学学报（自然科学版），２００４，２４（３）：３０５－３０５，３１２．
　　［3］ 冯国灿，古德祥，张文庆，等．水稻主要病虫综合防治专家系统――系统外壳的研制［Ｊ］． 生物数学学报，1995，10（1）：33-38．
　　［4］ 施伯乐，朱扬勇．数据库与智能数据分析――技术、实践与应用［Ｍ］．上海：复旦大学出版社，２００３．
　　［５］ 刑平平，施鹏飞，熊范纶． 数据挖掘技术在农业数据中的有效应用［Ｊ］．计算机工程与应用，２００１，３７（２）：４－６．
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文