一种蔬菜病害诊断方法和便携系统

摘要

本发明公开了一种蔬菜病害诊断方法和便携系统，对具有外观病态表现的蔬菜植株建立蔬菜病害诊断知识模糊集和症状重要性隶属度；根据症状重要性隶属度和症状特征构建基于共同语义空间的输入向量；基于上述构建的输入向量，构建基于改进遗传算法的模糊神经网络，并进行训练，得到成熟的模糊神经网络；在成熟的模糊神经网络中输入蔬菜病害症状，得出输出向量，确定诊断结果。本发明利用基于共同语义空间的输入向量构建方法建立承载描述症状特征和症状重要性的输入向量，解决了样本集代表性差、矛盾样本多、诊断规律体现不明显等问题，结合利用基于改进的遗传算法的模糊神经网络模型，使得蔬菜病害诊断结果准确率更高，容错推理能力更强。

主权项

一种蔬菜病害诊断方法，其特征在于，所述方法具体包括：A：对具有外观病态表现的蔬菜植株建立症状集和症状重要性隶属度，其中所述症状集包括6个症状子集，每个症状子集都与部位集根、茎蔓、叶、花、果和苗分别对应，所述症状重要性隶属度用来表征症状对病害识别的重要程度；B：获取症状特征，结合所述症状重要性隶属度构建输入向量；C：在所述输入向量基础上，构建基于改进遗传算法的模糊神经网络，并进行训练，得到成熟的模糊神经网络；D：在所述成熟的模糊神经网络中输入蔬菜病害症状，得出输出向量，确定诊断结果；所述步骤B具体包括：B1：在共同语义空间将所述症状的自然语言描述转化为术语描述，得到样本定义值；B2：根据所述样本定义值和所述症状重要性隶属度计算得到具有症状特征和症状重要性信息的向量；B3：对所述具有症状特征和症状重要性信息的向量进行简约处理，得到输入向量。