| 【中文题名】 | 基于神经网络的农作物病虫害诊断方法研究 |
| 【英文题名】 | Research on Crop Diseases and Pests Diagnose Based Neural Network |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-10 |
| 【中关键词】 | 人工智能,专家系统,BP神经网络,疾病诊断,智能系统, |
| 【英关键词】 | Artificial Intelligence,Expert System,BP Artificial Neural Network,Disease Diagnosis,Intelligence System, |
| 【分类导航】 | 农业科学>苗期生理病>植物保护>病虫害及其防治>农作物病虫害及其防治>禾谷类作物病虫害 |
| 【论文摘要】 |
农业信息化是农业现代化的重要组成部分,将信息技术尤其是人工智能技术应用于农业是实现农业信息化的关键。农业智能系统的创建和应用改变了过去农业生产基层领导者决策的盲目性和主观性,减少了决策的失误,缓解了我国农业技术推广人员不足的矛盾,对提高农业生产效率、推广农业生产知识具有重要意义。
但传统的专家系统只能处理显性的表面知识,存在推理能力弱,智能水平低,且知识获取难等缺点,所以本文引入人工神经网络技术来克服传统专家系统的不足,来试图解决农业智能系统中存在的关系复杂、边界模糊、不确定性强等难于用规则或数学模型严格描述的问题。
本文主要介绍人工神经网络在农业智能系统中的应用研究。人工神经网络的并行性、容错能力和模糊推理能力使得将其与专家系统结合构建智能疾病诊断系统成为主流趋势。本文研究两者集成的可行性和方式,探讨适合于农作物病虫害诊断的神经网络类型,提出了病虫害诊断神经网络模块的设计,通过对玉米病虫害症状的收集和整理,利用神经网络的理论,建立玉米病虫害诊断的BP网络模型,并用MATLAB程序语言实现了网络的训练和应用仿真。实验表明,通过使用无噪声样本和只含关键病症的有噪声样本对网络进行交替训练... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
引言 |
8-9 |
|
第一章 绪论 |
9-11 |
|
1.1 人工智能概述 |
9 |
|
1.2 农业智能系统的国内外研究进展 |
9-11 |
|
1.2.1 农业专家系统研究进展 |
9-10 |
|
1.2.2 基于神经网络的专家系统的研究进展 |
10-11 |
|
第二章 人工神经网络 |
11-20 |
|
2.1 人工神经元模型 |
11-12 |
|
2.2 人工神经网络的基本特性 |
12-13 |
|
2.2.1 神经网络的学习规则 |
12 |
|
2.2.2 神经网络的基本结构 |
12-13 |
|
2.3 BP 神经网络 |
13-17 |
|
2.3.1 BP 神经网络结构 |
13-14 |
|
2.3.2 误差反向传播训练算法 |
14-16 |
|
2.3.3 BP 网络的特点 |
16-17 |
|
2.3.4 BP 算法的改进 |
17 |
|
2.4 神经网络结构设计及学习训练 |
17-20 |
|
第三章 基于神经网络的智能系统研究 |
20-31 |
|
3.1 ANN 和ES 结合的理论基础 |
20-22 |
|
3.2 ANN 与ES 的集成 |
22-23 |
|
3.3 ANN 与ES 集成的混合系统框架 |
23-24 |
|
3.4 知识获取 |
24-28 |
|
3.4.1 传统的知识获取方法 |
25-26 |
|
3.4.2 基于神经网络的知识获取方法 |
26-27 |
|
3.4.3 本论文采用的知识获取方法 |
27-28 |
|
3.5 神经网络应用于知识处理 |
28-30 |
|
3.6 神经网络块的结构与特点 |
30-31 |
|
第四章 病虫害诊断神经网络模块 |
31-38 |
|
4.1 病虫害诊断神经网络模块的设计 |
31-33 |
|
4.1.1 玉米病虫害诊断神经网络模块结构 |
31-32 |
|
4.1.2 玉米病虫害诊断过程设计 |
32 |
|
4.1.3 玉米病虫害诊断推理机制 |
32-33 |
|
4.2 疾病诊断训练样本集的建立 |
33 |
|
4.3 玉米病虫害诊断BP 神经网络实现 |
33-36 |
|
4.4 实验结果分析 |
36-38 |
|
结论 |
38-39 |
|
参考文献 |
39-41 |
|
附录A：症状库 |
41-44 |
|
附录B：训练及测试样本 |
44-49 |
|
后记 |
49 |
|
| 【DOI】 | LunWen.ID:2.2008.388979 |
