數(shù)據(jù)挖掘技術(shù)在水稻病蟲(chóng)害系統(tǒng)中的設(shè)計(jì)與實(shí)現(xiàn)

摘要：利用數(shù)據(jù)挖掘技術(shù)、網(wǎng)絡(luò)技術(shù)和面向?qū)ο蠹夹g(shù)，研制出“水稻病蟲(chóng)害專家診治系統(tǒng)”，包括系統(tǒng)采集、系統(tǒng)維護(hù)等子系統(tǒng)。通過(guò)數(shù)據(jù)采集，得到海量水稻病、蟲(chóng)、草害數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)，對(duì)水稻病、蟲(chóng)、草害特征性狀數(shù)據(jù)進(jìn)行分析，應(yīng)用關(guān)聯(lián)規(guī)則分析，挖掘它們之間的潛在聯(lián)系，為綜合防治水稻的病、蟲(chóng)、草害提供幫助。

關(guān)鍵詞：水稻；專家診治系統(tǒng)；數(shù)據(jù)挖掘；綜合防治

中圖分類號(hào)：Ｓ１２６文獻(xiàn)標(biāo)識(shí)碼：Ｂ文章編號(hào)：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

近來(lái)年由于氣候、水質(zhì)、地理環(huán)境的變化，影響水稻產(chǎn)量、品質(zhì)等的病、蟲(chóng)、草害生物災(zāi)害也不斷變化，這也是水稻生產(chǎn)發(fā)展的最復(fù)雜多變而難以克服的長(zhǎng)期性障礙。要解決這個(gè)問(wèn)題，首先要找出水稻生態(tài)系統(tǒng)中的病害、害蟲(chóng)、雜草等有害生物與其生長(zhǎng)環(huán)境中的生物因素、非生物因素聯(lián)系；其次是根據(jù)長(zhǎng)期以來(lái)積累的病害、害蟲(chóng)、雜草等有害生物數(shù)據(jù)進(jìn)行分析；最后根據(jù)分析結(jié)果找出解決病害、害蟲(chóng)、雜草等引起的水稻產(chǎn)量和品質(zhì)下降的原因。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。利用數(shù)據(jù)挖掘工具對(duì)水稻病害、害蟲(chóng)、雜草等環(huán)境因子進(jìn)行分析，最后構(gòu)建出病蟲(chóng)害專家系統(tǒng)，這對(duì)于增加農(nóng)民收入，增加區(qū)域經(jīng)濟(jì)總量具有決定性的意義。

１水稻病蟲(chóng)害分析過(guò)程

１．１數(shù)據(jù)來(lái)源

雙遼市是吉林省水稻開(kāi)發(fā)較晚的稻區(qū)之一，吉林農(nóng)業(yè)科技學(xué)院一直為雙遼市的農(nóng)業(yè)經(jīng)濟(jì)服務(wù)，開(kāi)發(fā)了１０萬(wàn)ｈｍ２水稻田，特別是近幾年，幫助雙遼市進(jìn)行了水稻綠優(yōu)米的生產(chǎn)及開(kāi)發(fā)等。但水稻病、蟲(chóng)、草害等困擾著本地區(qū)水稻的發(fā)展，如水稻二化螟在該地區(qū)逐年加重，故在雙遼市進(jìn)行了水稻二化螟的防治研究。

１．２對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理

采集了雙遼市１０萬(wàn)ｈｍ２水稻田３年的數(shù)據(jù)，首先對(duì)采集的數(shù)據(jù)預(yù)處理，這是最關(guān)鍵一個(gè)步驟，提高數(shù)據(jù)挖掘?qū)ο蟮馁|(zhì)量，并最終達(dá)到提高數(shù)據(jù)挖掘所獲模式知識(shí)質(zhì)量的目的［1］。數(shù)據(jù)預(yù)處理階段如果數(shù)據(jù)準(zhǔn)備工作做得非常細(xì)致，那么在模型建立階段就會(huì)節(jié)省大量的精力。體系結(jié)構(gòu)圖如圖１所示。

水稻有害生物不但種類多，而且形態(tài)多樣，同種病害在不同寄主生育期、器官及水土條件下，癥狀也不相同，如惡苗病有秧田期的徒長(zhǎng)型和本田期的枯死型，稻瘟病在各器官上有葉瘟、節(jié)瘟、穗瘟之別，害蟲(chóng)有又有卵期、幼蟲(chóng)期、蛹期和成蟲(chóng)期的形態(tài)差別，以及性二型和多型現(xiàn)象。所有這些都為準(zhǔn)確診斷病害和正確識(shí)別害蟲(chóng)帶來(lái)了困難。而數(shù)據(jù)挖掘是深層次的數(shù)據(jù)信息分析方法，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于病蟲(chóng)害專家系統(tǒng)是非常有益的，比如它可以根據(jù)病害的寄生器官、寄主發(fā)病時(shí)期、形態(tài)等各種因素之間隱藏的內(nèi)在聯(lián)系構(gòu)建病害模型，從而促進(jìn)信息的傳遞。如圖２水稻病蟲(chóng)害框圖所示。

比如，首先對(duì)水稻病害寄生器官莖稈進(jìn)行數(shù)據(jù)的分析，篩選出所有在此寄生器官上的有害生物，其次再?gòu)募闹靼l(fā)病的某一時(shí)期進(jìn)行分析，篩選出有害生物，最后用數(shù)據(jù)挖掘工具幫助用戶找到所需信息。

２數(shù)據(jù)挖掘病蟲(chóng)害專家系統(tǒng)的應(yīng)用

數(shù)據(jù)挖掘在病蟲(chóng)害專家系統(tǒng)中有著廣泛的應(yīng)用前景，可以針對(duì)許多特定的需要與目標(biāo)，挖掘出許多有用的信息。但到目前為止，數(shù)據(jù)挖掘技術(shù)在病蟲(chóng)害專家系統(tǒng)中的應(yīng)用起步階段［2］。下面以水稻病害為例介紹下數(shù)據(jù)挖掘病蟲(chóng)害專家系統(tǒng)的應(yīng)用。

２．１病害癥狀識(shí)別、發(fā)病規(guī)律、防治方法的挖掘

根據(jù)作物的發(fā)病時(shí)期、發(fā)病部位、病狀和病癥等信息挖掘出癥狀識(shí)別方法，有利于準(zhǔn)確定位，為用戶的檢索提供了透明的平臺(tái)；根據(jù)病害類別（病原）、越冬情況（初侵染源）、侵入途徑、傳播方式、再侵染有無(wú)（浸染循環(huán)）、發(fā)病輕重與環(huán)境條件的關(guān)系等挖掘出有害生物的發(fā)病規(guī)律，有利于發(fā)病特征的描述；根據(jù)綜合防治技術(shù)、栽培保健、防病等技術(shù)信息中挖掘出防治方法。

２．２害蟲(chóng)的形態(tài)特征、發(fā)生規(guī)律、防治方法的挖掘

根據(jù)成蟲(chóng)、卵、幼（若蟲(chóng)）、蛹等變化挖掘出害蟲(chóng)形態(tài)特征；根據(jù)一年中發(fā)生經(jīng)過(guò)、產(chǎn)卵、取食、趨性等習(xí)性、發(fā)生輕重與環(huán)境條件的關(guān)系等信息挖掘出發(fā)生規(guī)律；根據(jù)農(nóng)業(yè)防治和生物防治、化學(xué)農(nóng)藥防治等相關(guān)信息挖掘出防治方法。

２．３雜草的形態(tài)識(shí)別、生物學(xué)特性、危害性的挖掘

根據(jù)肉眼能看到的根、莖、葉、花、果等器官的形態(tài)等信息挖掘出形態(tài)識(shí)別；根據(jù)生命周期長(zhǎng)度、繁殖方式、發(fā)芽的溫度和土層嘗試、生育期、傳播途徑、分布場(chǎng)所等信息挖掘出生物特性；根據(jù)發(fā)生危害狀況等信息來(lái)挖掘危害性。

利用病、蟲(chóng)、草、鼠數(shù)據(jù)庫(kù)中存放病害癥狀識(shí)別、發(fā)病規(guī)律、防治方法、形態(tài)識(shí)別等信息結(jié)合數(shù)據(jù)挖掘的關(guān)聯(lián)分析，就能從這些海量數(shù)據(jù)中挖掘出有用的信息，幫助分析這些數(shù)據(jù)之間的相關(guān)性、回歸性等。得出一些具有價(jià)值的信息，最終找到影響農(nóng)作物生長(zhǎng)的原因。

３專家系統(tǒng)的設(shè)計(jì)

專家系統(tǒng)通常由知識(shí)庫(kù)、綜合數(shù)據(jù)庫(kù)、推理機(jī)、知識(shí)獲取模塊四部分構(gòu)成。

３．１構(gòu)建知識(shí)庫(kù)（ＫＢ）

知識(shí)庫(kù)是數(shù)據(jù)庫(kù)和人工智能結(jié)構(gòu)，能大量地存貯知識(shí)，快速進(jìn)行存取和搜索，并能對(duì)知識(shí)進(jìn)行有效地管理、查詢、選擇、修改等功能，ＫＢ要求計(jì)算機(jī)系統(tǒng)具備推理、聯(lián)想、學(xué)習(xí)和問(wèn)題求解的人類智能性功能裝置。ＫＢ在ＤＢ的基礎(chǔ)上，增加了推理功能，把知識(shí)形式化、抽象化和數(shù)字化再組織到ＤＢ中去，形成具備演繹推理功能的ＤＢ［3］。

將從事農(nóng)業(yè)生產(chǎn)研究專家長(zhǎng)期積累的知識(shí)、總結(jié)的經(jīng)驗(yàn)、出版的專著和發(fā)明等，通過(guò)整理、分析、加工成具體文字，為了使文字描述更形象，把專家在田間、實(shí)驗(yàn)室拍攝的病、蟲(chóng)、草、鼠害圖片也存入到庫(kù)，提供給診治平臺(tái)。

３．２綜合數(shù)據(jù)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)的概念模型設(shè)計(jì)根據(jù)對(duì)病蟲(chóng)害數(shù)據(jù)庫(kù)的分析，確定的基本關(guān)系有：用戶、作物、病害、蟲(chóng)害、草害、鼠害，關(guān)系模型是最常用的數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)模式，它可為決策支持系統(tǒng)優(yōu)化數(shù)據(jù)。從數(shù)據(jù)分類、組織、準(zhǔn)確性、安全性到維護(hù)等設(shè)計(jì)環(huán)節(jié)直接影響整個(gè)系統(tǒng)能否成功地運(yùn)行。在系統(tǒng)項(xiàng)目開(kāi)發(fā)中是采用企業(yè)型ＳＱＬ Ｓｅｒｖｅｒ ２００５數(shù)據(jù)平臺(tái)，ＳＱＬ Ｓｅｒｖｅｒ ２００５數(shù)據(jù)庫(kù)系統(tǒng)是一個(gè)中、小型的數(shù)據(jù)庫(kù)管理系統(tǒng)，適合專家系統(tǒng)知識(shí)庫(kù)的設(shè)計(jì)，與其他數(shù)據(jù)庫(kù)系統(tǒng)軟件包的接口良好，安全及用戶管理上都存在一定優(yōu)勢(shì)，在許多專家系統(tǒng)中用它設(shè)計(jì)數(shù)據(jù)庫(kù)。ＳＱＬ Ｓｅｒｖｅｒ ２００５可以為各種用戶提供及時(shí)、準(zhǔn)確、相關(guān)的信息，滿足不同用戶的各種需要，同時(shí)維護(hù)數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)的管理可以在客戶端和服務(wù)器上進(jìn)行。因此使用ＳＱＬ Ｓｅｒｖｅｒ數(shù)據(jù)庫(kù)系統(tǒng)便于把專家系統(tǒng)設(shè)計(jì)成Ｃ／Ｓ（用戶／中間件／服務(wù)器）三層結(jié)構(gòu)，實(shí)現(xiàn)網(wǎng)絡(luò)的動(dòng)態(tài)查詢或診斷［4］。

３．３推理機(jī)建立

病蟲(chóng)害專家診治系統(tǒng)的推理機(jī)主旨思想是設(shè)計(jì)出智能化的診治功能，而推理建立是系統(tǒng)開(kāi)發(fā)的一個(gè)關(guān)鍵環(huán)節(jié)。所以專家系統(tǒng)的推理過(guò)程和用戶獲取結(jié)果的過(guò)程，也是圍繞著病害的特征分類和發(fā)病部位進(jìn)行的［４］。推理機(jī)的工作流程如圖３所示。

具體的推理過(guò)程包括三部分：第一部分是知識(shí)庫(kù)中存放著所有病害名稱、說(shuō)明等信息，數(shù)據(jù)的提取是通過(guò)檢索文件結(jié)構(gòu)層次模型中結(jié)點(diǎn)比對(duì)進(jìn)行的。第二部分是專家系統(tǒng)中的規(guī)則庫(kù)對(duì)后臺(tái)數(shù)據(jù)庫(kù)中的信息進(jìn)行操作和關(guān)系運(yùn)算，每條規(guī)則由兩部分組成：一部分鑒別規(guī)則的適用性和先決條件；另一部分描述規(guī)則應(yīng)用時(shí)所完成的動(dòng)作。應(yīng)用規(guī)則來(lái)改變后臺(tái)數(shù)據(jù)庫(kù)，就像應(yīng)用算符來(lái)改變狀態(tài)一樣。第三部分是按照第二部分提供的知識(shí)表達(dá)式，將專家知識(shí)對(duì)應(yīng)相應(yīng)的知識(shí)庫(kù)文件；然后，由測(cè)試模塊驗(yàn)證知識(shí)庫(kù)部位的正確性；測(cè)試完畢后，由編譯知識(shí)庫(kù)文件，把符合條件的描述信息提交出來(lái)，再根據(jù)描述信息進(jìn)行推理，從后臺(tái)數(shù)據(jù)庫(kù)獲取滿足條件信息，以文本的形式提交給用戶［5］。

４結(jié)論

數(shù)據(jù)挖掘是一種決策支持過(guò)程，是深層次的數(shù)據(jù)信息分析方法，它全面地分析病害、害蟲(chóng)、雜草產(chǎn)生的原因及環(huán)境等因素之間隱藏的內(nèi)在聯(lián)系。大量的水稻病害的數(shù)據(jù)經(jīng)過(guò)深層分析，獲得準(zhǔn)確的數(shù)據(jù)檢索，有利于農(nóng)民、農(nóng)業(yè)科研工作者有效識(shí)別及預(yù)防病、蟲(chóng)、草、害，具有重要意義。按危害部位、發(fā)病等原因?qū)Υ罅康臄?shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化，將隱藏在作物中的病、蟲(chóng)、草、鼠害發(fā)病特征、規(guī)律、變異等信息找出來(lái)，帶來(lái)社會(huì)經(jīng)濟(jì)效益是巨大的。

參考文獻(xiàn)：

［１］ 李雄飛，李軍．?dāng)?shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)［Ｍ］． 北京：高等教育出版社，２００３．

［2］ 楊國(guó)強(qiáng)，王雙喜，杜偉． 我國(guó)農(nóng)業(yè)專家系統(tǒng)的研究進(jìn)展［Ｊ］． 山西農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），２００４，２４（３）：３０５－３０５，３１２．

［3］ 馮國(guó)燦，古德祥，張文慶，等．水稻主要病蟲(chóng)綜合防治專家系統(tǒng)——系統(tǒng)外殼的研制［Ｊ］． 生物數(shù)學(xué)學(xué)報(bào)，1995，10（1）：33-38．

［4］ 施伯樂(lè)，朱揚(yáng)勇．?dāng)?shù)據(jù)庫(kù)與智能數(shù)據(jù)分析——技術(shù)、實(shí)踐與應(yīng)用［Ｍ］．上海：復(fù)旦大學(xué)出版社，２００３．

［５］ 刑平平，施鵬飛，熊范綸． 數(shù)據(jù)挖掘技術(shù)在農(nóng)業(yè)數(shù)據(jù)中的有效應(yīng)用［Ｊ］．計(jì)算機(jī)工程與應(yīng)用，２００１，３７（２）：４－６．

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文