我國農作物栽培專家系統應用研究綜述

黃語燕，鄭回勇，吳敬才，蒲寶山，鄭鴻藝，張　鐘

(福建省農業科學院數字農業研究所　350003)

專家系統AES(Agricultural Expert System)也叫智能系統，是一種模仿人類專家來解決問題的智能系統，通過匯總和歸納各種知識、有用數據和模型，模仿專家的解題方法，對問題進行推理分析，提供有效的解決辦法，并通過計算機進行平臺自動控制處理、可視化顯示等[1]。自20世紀七八十年代以來，國內外開發應用的農作物栽培專家系統，越來越多地應用于農作物栽培的精準施肥、病蟲害防治、溫室環境監測及控制等方面。

1　專家系統結構、分類及開發平臺

1.1　專家系統結構

專家系統的一般結構如圖1所示，主要包括知識庫、綜合數據庫、推理機、解釋器、人機界面等5個部分[1]。知識庫用于存儲各類知識，包括事實、可行的操作與規則等；綜合數據庫是專家系統數據的暫時儲存區，用于存放原始數據、中間結果和最終結果；推理機根據決策策略或算法進行與知識庫內各項專門知識的推論；解釋器能夠向用戶解釋專家系統的行為，包括系統運行過程、狀態與結果；人機界面用于相關數據和信息的輸入和輸出[2]。

圖1　專家系統的一般結構

1.2　專家系統的分類

專家系統可以從以下幾個方面來分類：按決策依據不同可分為基于知識和規則的專家系統和基于模型的專家系統；按功能不同可分為診斷性專家系統、解釋性專家系統、控制性專家系統等幾類；按知識特點不同可分為精確專家系統和模糊專家系統；按推理類型不同可分為有符號推理專家系統和神經網絡推理專家系統；按系統的結構不同可分為單機型專家系統和網絡型專家系統。

1.3　專家系統開發方式

專家系統的開發方式主要有兩種，一種直接運用高級語言(VB、C++、Java、Prolog、Delphi等)進行開發[3]。其優點是開發形式自由靈活，能根據系統要求和研究重點等進行靈活的設計開發。缺點是開發難度較大、周期較長，對開發人員的專業水平要求較高；另一種是利用專家系統開發工具進行二次開發，它是根據專家系統知識庫和推理機分離的特點，把已建成的專家系統中的知識庫去除，僅保留框架，當進行二次開發時，只需重新裝入新的知識庫調試即可。利用這種開發工具可以大大縮短開發周期、開發難度較小，但是靈活性不夠[4]。目前，國內常見的專家系統開發工具有農業專家系統開發平臺PAID及其多媒體版MPAID、專家系統開發工具Aip3.0/雄風3.0、通用農業專家系統生成工具AEST、Java expert system shell等[5]。

2　國內外農作物栽培專家系統的應用研究進展

國內外農作物栽培專家系統的發展歷程主要經歷了從功能單一到功能多樣化，從僅僅運用知識和規則的專家系統到融入作物生長模型的專家系統，從單機版專家系統到網絡化專家系統的發展進化過程[6]。

2.1　國外農作物栽培專家系統的開發與應用

世界上應用最早的農作物栽培專家系統(大豆病蟲害診斷專家系統)于1978年誕生[7]。1981年，荷蘭開發出冬小麥病蟲害管理系統EPIPRE，對主要病蟲害提供殺菌劑推薦噴灑劑量，在保證基本產量的前提下，每公頃可減少15歐元的農藥費用[8]。1986年，美國開發的棉花作物管理專家系統COMAX/GOSSYM，置于棉田中的傳感器會向該系統自動報告天氣狀況，得出施肥、灌溉、脫葉劑施用和棉桃開裂的最佳方案，這是一個典型的基于作物模型的農作物栽培專家系統[9]。1991年，以色列開發的作物與地塊匹配選擇專家系統CROPLOT，這是一款基于知識規則的農作物栽培專家系統，可幫助農戶根據地塊情況選擇最適宜種植的農作物，系統和農業專家給出的決策相似度達90%[10]。1991年泰國開發出灌溉管理專家系統ESIM，在泰國北部地區使用取得很好的效果[11]。1995年，埃及開發出農業綜合管理專家系統LIMEX，可在灌溉、施肥、病蟲害控制等方面給出決策[12]。2011年，Orellana等[13]開發的基于網絡的橄欖栽培生產管理系統SAIFA，可以監測西班牙的橄欖綜合生產情況，幫助農民針對橄欖的生長情況做出恰當的決策，對提高橄欖的種植產量和質量起到一定的促進作用。2012年，Cho Yongyun等[14]運用互聯網、計算機、傳感器等技術建立了基于專家知識模型的農業環境服務系統，結合作物生長的實驗模型，將農業領域的寶貴知識和經驗融合在一起，可向農民提供需要的服務。

目前，國外農作物栽培專家系統廣泛應用于作物的生長環境監測及控制、灌溉管理、精準施肥、品種選擇、病蟲害控制等方面，農作物栽培專家系統的技術水平和應用價值也越來越高。

2.2　國內農作物栽培專家系統的開發與應用

我國對農作物栽培專家系統的研究始于20世紀80年代，很多科研單位、高校相繼開展了相關研究。同時，國家科研項目開始支持農業專家系統的研究工作，如“863”項目、國家自然科學基金項目、科技部項目等。進入21世紀后，農作物栽培專家系統發展迅速，系統功能日益完善，使用性能也愈來愈強。

2002年，廖桂平等[15]運用Microsoft Access建立數據庫，以Authorware制作多媒體，以VB 6.0為開發語言開發出油菜栽培管理多媒體專家系統，實現了查詢、農藝優化決策、栽培管理、病蟲害診斷防治、預測產量等功能。

2004年，王堯等[16]構建了一套水培番茄、黃瓜的營養液管理專家系統，實現對不同生育期的營養液濃度、pH值，以及氮、磷、鉀、鈣等營養元素的管理。

2006年，徐剛等[17]運用AIP 1.0專家系統平臺開發出基于生長模型的溫室小西瓜栽培管理專家系統(ESWCM)。高靈旺等[18]以Delphi 7.0為開發工具，以Microsoft SQL Server 2000系統進行數據庫管理，采用基于專家知識的精細推理(前向推理)和基于案例的推理相結合的推理方式，開發出農業病蟲害預測監控系統。

2009年，劉明輝等[19]以開源版MapGuide為WebGIS二次開發平臺，結合ASP.NET技術開發了具有B/S三層網絡架構的農業病蟲害預測預報專家系統。該系統是采用基于知識的精細推理與基于系統案例的推理相結合的方式，依循專家經驗預測方法構建的病蟲知識庫，其知識信息存放于Microsoft SQL Server 2000數據表中。實際運行結果表明,該系統操作性強,預測結果可靠且直觀。

2011年，LI Yishan等[20]基于ASP.NET平臺，開發出一套基于網絡平臺的甜橙施肥專家系統，可針對氣候條件和地理位置擬定甜橙年度施肥計劃，使用該系統每株甜橙可節省3～24 g的P2O5使用量、41～238 g的N使用量、1～6 g的K2O使用量。Wu Zhigang 等[21]開發一套基于多分支結構的牧草蟲害防治信息專家系統,它是一種基于網絡的牧草蟲害防治技術信息專家系統，能識別50多種牧草蟲害，系統采用ASP.NET和Microsoft SQL server 2008數據庫等進行開發，使用了8個數據庫，包括用戶信息數據庫、基本信息數據庫和識別知識數據庫等。

2012年，Sun Sufen 等[22]以農業技術信息數據庫和專家團隊為基礎，通過Ajax技術開發了農業科技咨詢系統。對于簡單的問題，系統通過改進的矢量空間模型(VSM)自動回答問題；對于復雜的問題，農業專家可在線對問題進行解答。Li Dongming等[23]運用JAVA語言和Cloudscape數據庫設計了一種基于案例推理(CBR)的人參病蟲害診斷專家系統，解決了在基于規則的推理(RBR)中存在的系統難以防御、知識難以獲取、推理脆弱的問題，運用CBR可以充分利用以往診斷和治療人參病害蟲的知識和經驗，避免重復工作，對類似農作物栽培專家系統的研究提供了一個新的思路。

2016年，余國雄等[24]設計了基于農業物聯網的荔枝園信息獲取與智能灌溉專家決策系統。該系統通過信息采集終端模塊實時采集環境信息，系統根據采集到的環境數據，結合專家知識，建立多個決策數學模型，實現自動灌溉。王鴻磊等[25]提出一種多源感知高效循環設施大棚智能控制及農業專家系統。該系統結合作物生長模型、溫室控制模型、能耗模型等，結合作物光合作用速率，實現溫室最優控制。該監控系統已在徐州現代農業實驗示范基地試運行。

3　存在的問題與對策建議

目前，我國農作物栽培專家系統的研究已取一定的成果，網絡技術、物聯網技術、數據庫技術、多媒體技術等已廣泛應用于我國種植業生產，有些農作物栽培專家系統已投入使用，并取得一定的成效。但是，系統研究與開發也還存在一些問題。一是實用性不夠，目前國內開發的農作物栽培專家系統很多，但是真正推廣應用的成果并不多；二是知識庫知識儲備數量不足，大多只能實現知識的查詢功能，本質上只是一個信息發布系統，難以超越專家的智能范圍和決策能力；三是決策推理能力較弱，我國開發的農作物栽培專家系統大多都是基于知識和規則的專家系統，未能與作物生長模型緊密結合，難以真正模仿人類專家的推理過程，僅僅利用了系統的淺層知識，缺少動態預測功能和推理性解釋[26]。

要解決這些問題，一要建立研究農業知識的自動獲取技術，如數據庫中的知識發現技術、數據挖掘技術等[27]；二要規范農業數據的采集和管理，構建新型復合化的通用專家系統知識表示，建立農業數據庫共享系統；三是要不斷利用新技術，新技術包括“3S”技術、不確切推理技術、虛擬技術、數據挖掘技術等[28-29]。

4　農作物栽培專家系統研究的發展方向

4.1　“3S”技術的集成應用

余國雄等指出，以“3S”技術(GPS、GIS、RS技術)為核心發展我國農作物栽培專家系統[24]。GPS，即全球定位系統，能夠進行田間定位和測量種植面積，可用于作物定位機械播種、定位施肥灌溉、統計產量等多個方面。GIS，即地理信息系統，能將各類圖紙(如地形圖、作物分布圖、降水分布圖等)數字化后存儲于計算機，并進行分析、疊加，獲得某一位置點的地理信息和土壤信息。RS，即遙感技術，通過感知物體反射或自身輻射的電磁波、可見光、紅外線等信息，可對目標進行識別和探測。運用該技術可以準確獲得作物的生長數據和環境數據，這些數據是專家系統數據庫的重要來源。“3S”技術的集成，為專家系統的建立提供了大量的、動態的、可更新的數據，其數據覆蓋面廣，為農業專家系統的應用和推廣提供了條件[27]。

4.2　虛擬技術的開發與應用

虛擬技術可以模擬作物在計算機三維空間的生長發育過程。幫助建立植物的形態模型、生長參數模型、生理生態模型等，對提高專家系統的決策能力具有重要的理論意義和實踐意義[30]。因此，虛擬技術可以帶動我國農作物栽培專家系統向仿真可視化發展。

4.3　數據挖掘技術的開發與應用

數據挖掘技術能夠對過去的數據進行查詢，找出數據之間的潛在聯系，促進信息的傳遞和分析，從數據中挖掘知識，從而為農作物栽培專家系統提供決策支持。

5　結論

雖然，農作物栽培專家系統在開發研究和運用過程中還存在一些問題，但確實對我國農作物生產發展起到了促進作用。目前，網絡技術、物聯網技術、多媒體技術等已廣泛應用于各種專家系統中。未來，應借助“3S”技術、虛擬技術、數據挖掘技術進一步發展農作物栽培專家系統，將對這一研究領域的發展產生巨大的推動作用。

參考文獻：

[1]羅衛紅.溫室作物生長模型與專家系統[M].北京:中國農業出版社,2008：9-11.

[2]范墨林,別之龍.我國設施蔬菜專家系統開發的研究進展[J].長江蔬菜:學術版,2008(5):1-5.

[3]侯寶華,大麥生長監控專家系統的設計與開發[D].蘭州:甘肅農業大學,2016.

[4]金燕,石雪暉,熊興耀.專家系統在果樹中的應用及研究進展[J].中國農學通報,2009，25(4)：199-201.

[5]宴江.面向商品化生產的設施蔬菜專家系統的設計與實現[D].武漢:華中農業大學,2013.

[6]卓方方.基于Web的奇臺春小麥栽培技術專家系統的構建[D].烏魯木齊:新疆農業大學,2015.

[7]李泉,朱鳳榮.我國農業專家系統研究進展[J].河南機電高等專科學校學報,2008,16(6):45-48.

[8]ZADOKS J C.EPIPRE:a Disease and Pest Management System for Winter Wheat Developed in the Netherlands[J].EPPO Bulletin,1981,11:365-369.

[9]LEMMON H.Comax:An Expert System for Cotton Crop Management[J].Science,1986,233:29-33.

[10]NEVO A,AMIR I.CROPLOT-An expert system for determining the suitability of crops to plots[J].Agricultural Systems,1991,37(3):225-241.

[11]SRINIVASAN R,ENGEL B A,PAUDYAL G N.Expert system for irrigation management (ESIM)[J].Agricultural Systems,1991,36(3):297-314.

[12]MISHRA S,AKANKASHA,Deep V.Expert Systems In Agriculture:An Overview[J].International Journal of Science Technology & Engineering1,2014(5):45-49.

[13]ORELLANA F J,DEL S J,DEL A I M.SAIFA：A web-based system for Integrated Production of olive cultivation[J].Computers and Electronics in Agriculture，2011，78：231-237.

[14]CHO Y Y,CHO K Y,SHIN C S,et al.A Recommend Service Based on Expert Knowledge Model in Agricultural Environments[C].Heidelberg:Springer,2012：189-194.

[15]廖桂平,官春云.油菜優質高產高效栽培管理多媒體專家系統[J].作物科學,2002,28(1):410-412.

[16]王堯,宋衛堂,喬曉軍.水培番茄、黃瓜營養液管理專家系統的構建[J].農業工程學報,2004,20(5):254-257.

[17]徐剛，郭世榮，張昌偉，等.基于生長模型的溫室小型西瓜栽培管理專家系統(ESWCM)的研究和建立[J].農業工程學報，2006，22(4)：157-161.

[18]高靈旺,陳繼光,于新文,等.農業病蟲害預測預報專家系統平臺的開發[J].農業工程學報,2006,22(10):154-158.

[19]劉明輝,沈佐銳,高靈旺,等.基于WebGIS的農業病蟲害預測預報專家系統[J].農業機械學報,2009,40(7):180-186.

[20]LI Y S ，HONG L F.Development of a Non-Pollution 0range Fruit Expert system software Based on ASP.NET[J].Agricultural Sciences in China，2011,10(5)：805-812.

[21]WU Z G,ZHANG Z H,LI W X,et al.An Expert System Based on Multi-branch Structure for Grass Pest Control Information[C].Heidelberg:Springer,2011:229-235.

[22]SUN S F,ZHANG J F,LUO C S,et al.Research and Implementation of Agricultural Science and Technology Consulting System Based on Ajax and Improved VSM[J].Research and Implementation of Agricultural Science and Technology, 2012，346: 638-647.

[23]LI D M,CHENG F,ZHANG L J.Research on Expert System for Ginseng Diseases and Pests Based on CBR[J].Recent Advances in Computer Science and Information Engineering,2012,124:75-80.

[24]余國雄，王衛星，謝家興,等.基于物聯網的荔枝園信息獲取與智能灌溉專家決策系統[J].農業工程學報，2016，32(20)：144-152.

[25]王鴻磊,徐平平,樊繼德,等.多源感知高效循環智能控制設施大棚架構與實現[J].浙江農業學報，2016，28(7)：1224-1234.

[26]葛中一.農業專家系統的應用及發展[J].山東師范大學學報:自然科學版,2008,23(4):150-153.

[27]何進宇,田軍倉,馬波.水利專家系統的應用現狀與展望[J].節水灌溉,2016(12):123-127.

[28]濮永仙.基于物聯網的精準農業果蔬種植預警系統[J].湖北農業科學,2016,55(14):3741-3744,3786.

[29]張娓娓，袁路路.基于遺傳優化模糊PID算法的溫室智能控制系統研究[J].農機化研究，2017(7)：210-213.

[30]丁維龍,熊范綸,梁榮華.基于虛擬生長模型的溫室番茄栽培管理專家系統[J].農業工程學報,2008,24(1):193-197.