[發(fā)明專利]一種基于農作物本體概念響應的農作物病害預測方法

在審

• 申請?zhí)枺?/td>: 202010919140.4
• 申請日: 2020-09-04
• 公開（公告）號: CN111968003A
• 公開（公告）日: 2020-11-20
• 發(fā)明（設計）人: 田二林;黃偉;李祖賀;張秋聞;夏永泉
• 申請（專利權）人: 鄭州輕工業(yè)大學
• 主分類號: G06Q50/02
• 分類號: G06Q50/02;G06Q10/06;G06F16/28;G06N20/00;G06N3/04
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張換君

1.一種基于農作物本體概念響應的農作物病害預測方法，其特征在于，包括以下步驟：

步驟一：定義局部本體子概念

以主要農作物作為研究對象，針對農作物病蟲害信息多源和異構的問題，采用集成本體方法，基于綜合信息源建立全局共享詞匯表通用本體，匯集領域公共概念和元術語詞匯，并通過對該公共概念和元術語的形式化描述來定義局部本體子概念，進而在全局共享通用本體的支撐下實現(xiàn)局部本體互操作；

步驟二：病害本體建模

從多源異構數(shù)據(jù)中獲得的確定性和非確定性知識，構建農作物病蟲害本體知識庫，然后圍繞領域知識特點建立全局共享詞匯庫，通過人工和半自動化定義農作物敘詞表和公共概念，進而建立通用術語詞匯庫，接著按照病蟲害的危害區(qū)域、作物品種以及生境信息，分析獲得多元異構局部知識源，并在此基礎上依據(jù)知識源和通用本體概念詞匯進行相應的局部本體構建，在此基礎上，完成農作物病害本體的概念、屬性、實例與關系等元素定義和構建，進而實現(xiàn)農作物病害知識本體映射和本體演化一致性校驗；

步驟三：構建深度學習模型

在數(shù)據(jù)降維處理和光譜敏感波段提取的基礎上，基于TensorFlow和PyTorch平臺以卷積神經網(wǎng)絡為基本框架對步驟二的本體概念進行檢測，針對數(shù)據(jù)、模型設計和訓練方法，利用遷移學習從現(xiàn)有基于高光譜圖像和深度學習的農作物病害檢測分析領域已有模型中遷移知識，對現(xiàn)有數(shù)據(jù)庫進行利用，然后基于交叉驗證結果，對病害本體概念再一次進行完善，刪除訓練結果較差的概念；

步驟四：本體概念檢測

采取遞進模式進行概念檢測，先在不區(qū)分屬性信息的情況下對實體概念進行檢測，然后再對實體概念對應的屬性概念進行分辨，在訓練好實體概念檢測器后，以檢測到的局部區(qū)域塊為樣本開展各實體概念對應的屬性概念分類器訓練，并取實體概念響應與屬性概念響應的乘積作為區(qū)域塊在各本體概念組合上的響應結果；

步驟五：基于監(jiān)督學習的病害結果預測

進行病害預測，采集樣本進行標注，然后根據(jù)步驟四，將樣本的本體概念檢測響應結果作為中間特征并基于有監(jiān)督學習進行病害結果預測，在訓練中對樣本進行篩選，基于訓練好的概念檢測器得到本體概念響應后將其以向量形式組合成中間特征，采用邏輯回歸監(jiān)督機器學習模型進行訓練，并在訓練中采用正則化法解決過擬合問題；

步驟六：基于概念推理的病害結果預測

在不使用標記信息的情況下，挖掘本體概念本身的信息和本體概念之間的關聯(lián)信息，在檢測到本體概念響應后根據(jù)這些響應結果和知識本體模型進行病害結果預測，在檢測到光譜樣本中的本體概念響應之后，根據(jù)知識本體中概念之間的關聯(lián)信息，通過篩查互相矛盾概念對候選概念進行過濾，得到對農作物的可靠狀態(tài)描述，從而利用病害知識本體直接對農作物病害情況進行預測。

2.根據(jù)權利要求1所述的一種基于農作物本體概念響應的農作物病害預測方法，其特征在于：所述步驟一中，主要農作物包括小麥、玉米、棉花、水稻和大豆。

3.根據(jù)權利要求1所述的一種基于農作物本體概念響應的農作物病害預測方法，其特征在于：所述步驟二中，從多源異構數(shù)據(jù)中獲得的確定性和非確定性知識，構建農作物病蟲害本體知識庫的具體流程為：利用外部源、專家?guī)臁⑽谋編旒跋鄳膫鹘y(tǒng)知識庫作為數(shù)據(jù)源，對數(shù)據(jù)進行選擇、組合、內化外化和異構語義消除，集成為知識庫。

4.根據(jù)權利要求1所述的一種基于農作物本體概念響應的農作物病害預測方法，其特征在于：所述步驟三中，在現(xiàn)有Faster R-CNN、R-FCN、YOLO和SSD這些基于卷積神經網(wǎng)絡的目標檢測模型的基礎上構建概念檢測框架，提取圖像特征以檢測對應的農作物狀態(tài)概念。

5.根據(jù)權利要求1所述的一種基于農作物本體概念響應的農作物病害預測方法，其特征在于：所述步驟四中，對于整個樣本，取所有候選窗口對應某本體概念組合的最大響應值作為該樣本在該本體概念上的最終響應結果。

6.根據(jù)權利要求1所述的一種基于農作物本體概念響應的農作物病害預測方法，其特征在于：所述步驟五中，由于標記信息未必可靠，在基于全部樣本開展訓練后用訓練好的模型對樣本進行反向檢驗以刪除爭議性較強的樣本，然后用剩余樣本進行微調，從而濾除標記信息不可靠的樣本。

7.根據(jù)權利要求1所述的一種基于農作物本體概念響應的農作物病害預測方法，其特征在于：所述步驟六中，得到對農作物的可靠狀態(tài)描述后，在此基礎上，采用推理引擎框架，將病害知識本體對比病害案例庫，利用病害知識本體直接對農作物病害情況進行預測。