蘋果樹病蟲害決策支持系統研究與集成

姜猛+王軍+王志軍+程述漢

摘 要：為解決蘋果園病蟲害信息的采集、管理、分析、定量決策和專家智能決策生成等問題，本研究基于農業物聯網并融入大數據技術，研究并集成了蘋果樹病蟲害決策支持系統。通過本系統，用戶利用傳感器自動采集的信息可以實時獲得病蟲害診斷、預測、防控等決策支持。

關鍵詞：蘋果樹;病蟲害;決策支持系統;物聯網;大數據

中圖分類號：S436.6 ?文獻標識號：A ?文章編號：1001-4942（2015）06-0129-05

Research and Integration of Decision Support

System for Apple Tree Diseases and Pests

Jiang Meng， Wang Jun， Wang Zhijun， Cheng Shuhan*

（College of Information Science and Engineering， Shandong Agricultural University， Taian 271018， China）

Abstract Apple tree diseases and pests decision support system was researched and integrated to solve the problems of collection， management， analysis， quantitative decision and expert intelligent decision based on internet of things in agriculture and big data technology. Users could obtain real-time decision support for diseases and pests diagnosis， forecast， prevention and control by information from sensors.

Key words Apple tree; Disease and pest; Decision support system; Internet of things; Big data

決策支持系統（Decision Support System，DSS）的概念是在20世紀70年代首次提出的[1]，20世紀80年代中期引入我國。隨著人工智能、數據挖掘等技術的發展，DSS與之相結合形成了群決策支持系統、分布式決策支持系統、智能決策支持系統和綜合決策支持系統等，并廣泛應用于農業災害預測和防治決策、企業生產活動決策等領域[2]。其中，智能決策支持系統是近年來研究的一個熱點。

智能決策支持系統（Intelligence Decision Support System，IDSS）是DSS與AI（Artificial Intelligence）相結合，利用專家系統知識，通過邏輯推理來幫助解決復雜決策問題的輔助決策系統，由美國學者Bonczek率先提出[3]。利用IDSS進行決策，首先需建立存放各種規則、因果關系、專家經驗等的知識庫和利用知識庫、數據庫中的數據進行問題求解的推理機[4]，以及存放已建好的各種模型的模型庫和存放各種求解方法的方法庫;然后用戶通過人機接口，應用自然語言處理系統將IDSS接入問題處理系統，由推理機在數據庫、模型庫、方法庫及知識庫中進行搜索推理，從而獲取相關決策信息（見圖1）。IDSS將以定量分析輔助決策的決策支持系統與以定性分析輔助決策的專家系統相結合，充分利用各系統的信息資源，進一步提高輔助決策能力[5]，成為決策人員整合、分析各類信息數據的新型決策支持工具[6]。

20世紀70年代，由美國伊利諾斯大學植病學家和計算機科學家聯合開發的大豆病害診斷專家系統（PLANT/DS）邁出了專家系統在農業中應用的第一步[7]。之后，國內外許多學者都對專家

圖1 智能決策支持系統

系統在各類農作物管理方面的應用進行了研究，研制了一系列專家系統。如：1986年，Lemmon在Baker和Lambert等建立的第三代棉花GOSSYM模擬模型[8]基礎上，成功研制了棉花管理專家系統COMAX/GOSSYM，用于向棉花種植者推薦棉田管理措施[9]，該系統成為目前國際上最為成功的農業專家系統。1987年，Roach等[10]研制了POMME系統，可預測蘋果黑星病等病害的發生時間，但僅能對少數幾種病蟲害進行診治且不能自動識別病蟲害類型。1992年，美國Florida大學的Lal等[11]研制了農場機械管理決策支持系統FARMSYS。2013年，墨西哥維拉克魯斯大學的Bello-Pineda Javier等[14]建立了決策支持系統TreeDSS，可為加利福尼亞灣濕地走廊地區自然資源的管理和保護提供有力工具。水稻栽培優化決策系統RCSODS是由我國科研人員高亮之等[12]于1993年研制的，該系統將水稻模擬技術與水稻栽培的優化原理相結合，是目前國內研制的較為成功的一個決策支持系統。2007年，張娟等[13]采用數據庫技術和數據挖掘技術構建了溫室蔬菜栽培決策支持系統，該系統具有良好的可擴展性，并具有良好的人機交互功能，取得了良好的應用效果。這些均為本研究的開展提供了參考。

蘋果是我國主要的經濟作物之一，然而病蟲害對蘋果產量和品質危害卻很大，將蘋果病蟲害的診斷與防治技術傳授給廣大果農、輔助他們進行管理決策成為當務之急。本研究在農業物聯網基礎上，融入大數據技術，研究并集成了蘋果病蟲害決策支持系統，以期為蘋果病蟲害的預測、預警及防治提供決策支持。

1 蘋果病蟲害決策支持系統的決策過程endprint

系統將各類傳感器自動采集的數據流匯集到大數據平臺，并在Hadoop架構上采取MapReduce模式、NoSQL數據庫處理海量數據，實現分布式、并行計算和存儲，分析病蟲害演化動態，構建決策樹，并充分利用運籌學、小波分析、人工神經網絡等現代數學方法構建決策模型，如病蟲害發生動態、藥物防治效應等模型。在模型解析、知識利用的基礎上，通常會獲得多個可行方案，對應著多個不同的結果，需要從中選優。另外，本系統還容許決策者在評價一個結果時，根據自己的偏好和價值觀進行多目標決策，這就需要構造一種價值模型，將不同的目標映射到表達決策者意愿的價值空間上，以便更好地支持決策分析活動，確定優選方案。通過數據挖掘獲取有用的信息和知識，進一步提高決策水平，也是本系統的顯著特點。決策過程如圖2所示。

圖2 決策過程

2 蘋果病蟲害決策支持系統的研發

2.1 決策模型的建立

為建立高效并滿足可持續發展的蘋果樹病蟲害決策支持系統，需先建立如下決策過程的動力學模型：

maxV（k）=g[w（k）O（k）′] ? ? ? ? ?（1）

O（k）=f0[X（k），D（k）] ? ? ? ? ?（2）

并滿足如下約束條件：

X（k+1）=fx[X（k），D（k）] ? ? ? ? ?（3）

ri（k）=fr[xi（k）] ? ? ? ? ?（4）

∑ni=1ri（k）=R（k）Rr ? ? ? ? ?（5）

XXx，DDD，0≤wi≤1，∑mi=1wi=1 ? ? ? ? ?（6）

其中，k為決策時刻變量;V（k）為決策者的價值尺度;O（k）=（o1，o2，…，om）為決策目標向量，是狀態變量X（k）和決策變量D（k）的函數，其維數m為決策結果評價指標個數;O（k）′為決策目標向量的導數;w（k）=（w1，w2，…，wm）為決策者賦予m個目標的權重向量;X（k）=（x1，x2，…，xn）為n維狀態向量，表示實現某一決策過程的有關信息;D（k）=（d1，d2，…，ds）為決策向量，是決策者可以控制的狀態變量和價值因素等，它由決策者控制并通過狀態變量的相互作用影響到目標，其分量個數s取決于決策者可控制的變量和參量;ri（k）為在k時刻進行決策需要的第i種資源（人力、藥物、肥料等）的數量，反映了系統在狀態空間遷移過程中的資源約束;xi（k）為在k時刻第i種資源的狀態信息;R（k）為k時刻所需的全部資源;Rr為總資源約束;Xx和DD分別為系統的狀態變量空間與決策變量空間;fx為狀態變量空間的迭代映射;f0為狀態變量空間到目標空間的映射，它表示決策過程中所涉及到的客觀規律;g為目標空間到價值空間的映射，表示決策者遵循的價值規律[15]。

2.2 系統框架及決策層次

決策支持系統一般是由數據庫管理系統、模型庫管理系統、知識庫管理系統、方法庫管理系統及人機交互系統五大部件組成，通過對這五大部件的集成實現對相關問題的決策支持[16]。圖3為蘋果樹病蟲害決策支持系統的框架，在一般決策支持系統的基礎上，連接了病蟲害信息采集系統，實時采集蘋果樹病蟲害發生狀態圖像信息和果園環境信息;同時引入了Hadoop架構，利用大數據技術分析歷史的和實時采集的海量數據，并通過數據挖掘進一步提取出有用的信息和知識，做出更為科學、準確的預測和決策。

圖3 蘋果樹病蟲害決策支持系統框架

系統決策層次如圖4所示，包括數據層、處理層、決策層和發布層四部分。數據層包含通過人工整理、感知設備采集、網絡搜索和專家問答等途徑獲取的各類數據與知識，以及它們的分類管理系統;處理層通過數據篩選、分類加工、數學建模等手段，得到與蘋果樹病蟲害防控相關的診斷、預測、決策模型及相關的知識與邏輯，通過決策模型的解析及數據挖掘，得到蘋果樹病蟲害診斷、預測預報所需的知識與邏輯;決策層通過調用處理層中的模型、知識與邏輯，動態尋求最佳決策方案;信息發布層則將決策方案多途徑發布，做好蘋果樹病蟲害預測預報，提供優化的防控措施，并及時將審核后的反饋信息分類添加到數據庫、知識庫和推理邏輯，使整個系統不斷得到優化與提升。

2.3 系統功能模塊設計

蘋果樹病蟲害決策支持系統借助于友好的人機界面來實現人與系統的交互操作，立足服務于果農，因此，在系統的設計上盡量做到專而不繁、簡潔明快，以快捷方便地為用戶提供決策幫助。系統的主要功能通過以下六個模塊來實現（見圖5）。

圖4 系統決策層次

圖5 系統功能模塊劃分

2.3.1 病蟲害信息模塊 收集、顯示蘋果樹病蟲害的詳細信息，包括病蟲害形態特征、產生原因、危害影響、防控措施等。

2.3.2 病蟲害搜索模塊 對于文字搜索，通過輸入病蟲害名稱、發病部位、發病時間等關鍵字來檢索相應病蟲害。當用戶輸入信息時，首先進行內網搜索，并將搜索到的相關病蟲害所有信息顯示出來;如果沒有搜索結果，則外網連接搜索引擎進行搜索。對于圖像信息，引入病蟲害圖像處理系統，對用戶上傳的圖像信息進行處理，利用相關算法進行對比，顯示相似病蟲害信息。

2.3.3 病蟲害診斷模塊 用戶通過“點擊鼠標確認選項”確認自己想要查詢的病害或蟲害，然后對發生的時間、部位、強度等做一系列選擇，本系統便會根據用戶的選擇篩選，給出一個或多個診斷結論，最好的結論排在最前面。endprint

2.3.4 病蟲害預測模塊 對蘋果樹主要病蟲害，逐一運用生物統計、多維時間序列分析、種群生態模型、人工神經網絡等數學建模方法建立預測預報模型，為果樹病蟲害預警與實時防控提供決策依據。

2.3.5 病蟲害論壇模塊 以蘋果樹病蟲害論壇的形式為用戶提供交流平臺，用戶可發帖說明病蟲害信息，討論防治方法等，也可以向專家提問。

2.3.6 系統管理模塊 通過該模塊可以實現對系統數據庫、模型庫、方法庫和知識庫的管理。

3 結束語

劉書華等[17]設計的面向果園的蘋果、梨病蟲害防治決策支持系統僅通過回歸分析建立預測模型，而本系統通過多種方法建立預測模型，不僅提高了預測精度，而且提供了病蟲害搜索、診斷等功能，增加了系統的實用性與穩定性。

隨著理論和應用的不斷發展，決策支持系統因其強大的擴展性和應用的廣泛性，在信息化不斷融合的今天取得了豐碩的研究成果，尤其是數據挖掘、人工智能等計算機技術的發展，大幅提升了決策支持系統的輔助決策能力。但目前研發的決策支持系統仍存在許多問題，如相關決策支持系統的靈活性、適應性差，系統各部件交互效率不高、集成化水平較低，知識提取困難[18]等，特別是隨著大數據時代的到來，數值計算語言與數據庫語言存在異構障礙[19]，處理和轉換多樣化數據困難，數據庫技術對存儲能力及存儲方式有限制等現有決策支持系統的發展瓶頸，仍將制約著決策支持系統的發展。本文研究與集成的蘋果樹病蟲害決策支持系統，在融入大數據分析、數據挖掘、圖像檢索、數學建模、定量決策等方面進行了嘗試，以期為決策支持系統的進一步發展優化提供依據。

參 考 文 獻：

[1] Gorry G A， Scott Morton M S. A framework for management information systems [J]. Sloan Management Review （S0019-848X），1971，13（1）： 21-36.

[2] 劉博元，范文慧，肖田元.決策支持系統研究現狀分析[J].系統仿真學報，2011，23（S1）：241-244.

[3] 尹春華，顧培亮.決策支持系統研究現狀及發展趨勢[J].決策借鑒，2002，15（2）：41-45.

[4] 曹曉靜，張航.決策支持系統的發展及其關鍵技術分析[J].計算機技術與發展，2006，16（11）：94-96.

[5] Huang M， Tang H W. A new representation scheme for models in decision support system [C]// IEEE International Conference on Intelligent Processing Systems.1997， 2： 1556 -1558.

[6] 李紅良.智能決策支持系統的發展現狀及應用展望[J].重慶工學院學報：自然科學版，2009，23（10）：140-144.

[7] 張春芳.基于Struts的大豆優化栽培管理決策支持系統研究[D].呼和浩特：內蒙古農業大學，2007.

[8] Reddy V R， Baker D N. Application of GOSSYM to analysis of the effects of weather on cotton yields[J]. Field Crops Research，1990，32（1）：83-95.

[9] Whisler F D， Acock B， Lemmon H E， et al. Crop simulation models in agronomic systems[J]. Advances in Agronomy， 1986，40（1）：141-208.

[10]Roach J， Virkar R， Drake C， et al. An expert system for helping apple growers[J]. Computers and Electronics in Agriculture，1987，2（2）：97-108.

[11]Lal H， Jones J W， Peart R M， et al. FAEMSYS—A whole-farm machinery management decision support system[J]. Agricultural Systems，1992，38（3）：257-273.

[12]高亮之，金之慶. RCSODS——水稻栽培計算機模擬優化決策系統[J].計算機農業應用，1993（3）：14-20.

[13]張娟，陳杰，劉志勇.基于數據挖掘技術的溫室決策支持系統[J].微計算機信息，2007，23（3）：169-170，189.

[14]Bello-Pineda J， Obregón-Noriega V， Grageola-Núez J C， et al. Developing a user-friendly decision support system for the wetlands corridor of the Gulf of California [J]. Ocean & Coastal Management， 2013， 82：127-137.

[15]章牧，陳飛香，劉文璽，等.農業決策支持系統的概念設計與應用[J].地球信息科學，2005，7（2）：58-64.

[16]魏建兵，肖篤寧，解伏菊.人類活動對生態環境的影響評價與調控原則[J].地理科學進展，2006，25（2）：36-45.

[17]劉書華，王愛茹，鄺樸生，等.面向果園的蘋果、梨病蟲害防治決策支持系統[J].植物保護學報，2000（4）：302-306.

[18]黃孝鵬，周獻中，楊潔，等.決策支持系統及其演化發展趨勢研究[J].現代管理科學，2012（4）：9-11，29.

[19]葉明，谷晨霞.“大數據”時代決策支持系統新發展[J].信息安全與技術，2013，4（8）：6-8.endprint