[发明专利]一种蔬菜病害诊断方法和便携系统

权利要求书

1.一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型神经网络，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。

2.如权利要求1所述的方法，其特征在于，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。

3.如权利要求1所述的方法，其特征在于，所述症状子集中包含所述具有外观病态表现的蔬菜植株发病部位的症状特征，所述症状特征包括病状和病症，所述样本定义值是由所述病状描述编码和病症分类编码组成的向量。

4.如权利要求1所述的方法，其特征在于，所述模糊神经网络用于进行病害的诊断，包括输入层、模糊层、隐含层和输出层；

其中所述输入层用于将所述样本定义值输入到所述模糊层，每一个节点代表一个输入变量；

所述模糊层用于计算症状对于病害重要性的隶属度函数，将所述输入变量模糊化，并根据共同语义空间的向量构建方法获取症状的样本定义值，基于症状隶属度和症状样本定义值，对原始样本进行向量化，通过遗传算法获得初始优化权值，与样本向量一起传递给所述隐含层神经元；

所述隐含层用于基于所述样本向量和所述初始优化权值，计算所述输入层到所述输出层的映射；

所述输出层用于根据所述输出向量中的最大向元位置确定可疑病害，若所述最大值接近于0，则所对应的病害可能性小；若所述最大值接近于1，则所对应的病害可能性大。

5.一种蔬菜病害诊断便携系统，其特征在于，所述系统具体包括：移动终端系统、应用支持系统和数据通讯中间件；

其中所述移动终端系统包括移动终端和蔬菜病害诊断移动应用软件；所述应用支持系统包括网络体验服务系统、后台管理支持系统和服务器；所述数据通讯中间件用于连接所述移动终端系统和所述应用支持系统。

6.如权利要求5所述的便携系统，其特征在于，所述后台管理支持系统包括：样本数据维护单元、诊断模型训练单元和用户管理单元；

其中所述样本数据维护单元包括原始诊断样本编辑模块、样本输入输出向量构建模块和样本更新通知模块；

所述原始诊断样本编辑模块，用于在原始诊断样本编辑过程中，根据选择的蔬菜种类、病害名称和不同的发病部位分别输入对应的症状，并调用基于共同语义空间的术语映射模块对自然语言病害症状进行统一描述，得到症状描述术语序列，存入症状特征数据表；

所述样本输入输出向量构建模块，用于从所述症状特征数据表中获取症状描述术语的定义值，并通过调用症状重要性隶属度函数，再利用输入向量构建公式得到所述输入向量，通过调用“n中取1”二进制识别位转换模块构建输出向量，最后将输入输出向量存入训练样本值表中；

所述样本更新通知模块，用于发布所述训练样本值表中发生变动的信息。

7.如权利要求6所述的便携系统，其特征在于，所述样本输入输出向量构建模块具体包括：症状处理模块、输入向量构建模块和输出向量构建模块；

所述症状处理模块，用于对具有外观病态表现的蔬菜植株建立症状集和确定症状重要性隶属度，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的6个子集：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；

所述输入向量构建模块，用于获取症状特征，结合所述症状重要性隶属度构建输入向量；

所述输出向量构建模块，用于对所述病害集采用“n中取1”的二进制编码方法构建输出向量。