赵肖宇，方一鸣

（1.黑龙江八一农垦大学 信息技术学院，黑龙江 大庆 163319；

2.燕山大学 电气工程学院，河北 秦皇岛 066004）

基于区间值模糊理论的农作物病害判决方法

赵肖宇1，2，方一鸣1

（1.黑龙江八一农垦大学 信息技术学院，黑龙江 大庆 163319；

2.燕山大学 电气工程学院，河北 秦皇岛 066004）

定义了区间模糊数核距离、空间距离和线距离，给出相似程度计算公式.构建了区间模糊数值型大豆病库模型，并通过举例说明了大豆病害的综合判决过程.

区间值模糊数；相似度量；农作物病害；判决

区间值模糊集是波兰学者Gorzalczany于1983年提出的［1］.作为模糊集合的延伸性发展，区间值模糊集合能够更加生动地刻画非此非彼，异此异彼的概念，而不单纯是非此即彼.尤其是在决策过程中，区间值模糊集能够全面描述信息的波动性和不确定性，从而保证决策的科学合理，降低误判率.

构建实用的智能化农作物病害专家系统的难点在于如何以接近自然的语言方式表达病害诊断特征.在农作物病害判决问题中，判决对象的属性用区间值模糊数描述比较恰当.例如，农作物病斑呈现黄色，定义区间数［a－，a＋］表示黄色，其涵盖分别向白色和褐色过渡的连续色彩，区间值模糊数可以承载大量判决信息.另外，假定黄色叶斑对应A病，则由于光线、参照色等不同或者同种病害表现的差异性等因素，不应该排除褐色病斑患A病的可能性.本研究提出区间值模糊数相似度量方法，用于判断同种病症患不同病害的可能性.最后给出了大豆病害判决的一个应用.

1 基于空间距离的区间值模糊数相似度量方法

2 大豆病害区间数模糊判决模型

大豆出现病害时，主要病症表现在叶片上，根据叶片上病斑颜色、大小及病原物的颜色可以判断病害类型.常见大豆病害早期表现见表1［2］.

表1 大豆病库Table 1 Soybean disease database

在论域（0，100），将色彩、大小这种模糊描述区间量化，如图1和图2所示.

图1 色彩区间变化Figure 1 Interval－valued numbers of color

图2 大小区间数化Figure 2 Interval－valued numbers of size

图中，用区间数［40，60］表示黄色，则淡黄色可以用［40，50］表示.灰白色用区间数［0，40］表示，其与黄色匹配程度用S函数表示.形成如表2所示大豆病库数值表示形式.

表2 大豆病库数值表示Table 2 Numerical said soybean disease database

表中，用a1，a2和a3分别表示病斑颜色、大小和细菌孢子颜色.用［0，0］表示无病症，其与论域上的任意区间数相似度为0.

3 判决模型的验证

根据经验斑色、大小、病原物颜色3种病症分别加权重.

当前有3人观察到病症如表3所示.

表3 实测病症Table 3 Symptoms observed

表3中，用b1，b2和b3表示观察到的斑色、大小和病原物颜色.可以看到，由于观察者的主观因素或者客观环境等因素导致甲、乙、丙3人对同种病害表述不同.甲认为深灰色，点状，浅灰色；乙认为深灰色，点状→小块，白色；丙认为黄色，点状→小块灰色.

以甲提供病症为例计算与霜霉病相似程度，即计算b1，b2，b3同a1，a2，a3的相似程度.

分别计算甲乙丙的b1，b2，b3同各种病害的a1，a2，a3的相似程度，结果如下表所示.

表4 病症与病库相似程度Table 4 Similarity of symptoms and disease library

由表2可以看到大豆患霜霉病的可能性最大.若患各种病害可能性比较接近，通过进一步比较线距离可以判决病害类型.

4 讨论

基于区间值模糊理论的农作物病害判决方法是一种基于案例推理的判决方法，其模仿人类思维，依据实践生产经验建立起农作物病害模型，基于距离度量案例与样本之间相似程度，依据直观的推理规则解决问题.基于案例的判决技术瓶颈问题在于如何将样本模型化，即如何以接近自然语言方式表达病害诊断特征，包括病斑颜色、大小、形状等［3］.基于区间值模糊数描述的病库形式简单，内容丰富，更符合农业生产中作物病症的语言表达形式，且判决过程不要求对病症的描述精准无误，是解决农作物病害判决问题瓶颈的一个方法.同人工神经网络（特别是三层以上）的判决方法［4］比较，该方法的优点是判决速度快，且过程可见；同基于规则的判决方法［5－6］比较，该方法可以方便地获取病库.文中提供的基于空间距离和线距离的相似度量方法对于解决模糊决策问题具有普遍适用意义.

［1］ Gorzalczany B.Approximate inference with interval－valued fuzzy sets－on outline［J］.On Interval and Fuzzy Math，1983，2：89－95.

［2］ 许志刚.普通植物病理学［M］.北京：中国农业出版社，2002

［3］ 耿英.基于图像识别的作物病害诊断研究［D］：合肥：中国科技大学，2009.

［4］ 魏圆圆，王儒敬，方静.多种诊断推理方法的设计与比较［J］.计算机工程与应用，2005，2：57－59.

［5］ 金海月，宋凯.决策树算法在农业病害诊断中的应用［J］.当代农机，2007，5：76－77.

［6］ 任杰，柳毅，金鑫，等.基于数据挖掘的蔬菜图片病害自动分类［J］.北京师范大学学报：自然科学学版，2006，12：592－596.

Decision method of crop disease based on interval－valued fuzzy theory

ZHAOXiaoyu1，2，FANGYiming1

（1.College of Information Technology，Heilongjiang Bayi Agricultural University，Daqing 163319，Heilongjiang Province，China；
2.Institute of Electrical Engineering，Yanshan University，Qinhuangdao 066004，Hebei Province，China）

Some interval－valued fuzzy number formulas are presented，including core distance formula，space distance formula，line distance formula and similarity measure formula.A soybean disease database model is proposed based on interval－valued fuzzy number，and the example illustrates the comprehensive decision process of soybean disease.

interval－valued fuzzy number；similarity measure；crop disease；decision

O235；S11

A

1671－1114（2011）01－0094－03

2010－03－07

黑龙江省教育厅项目（11521199）

赵肖宇（1977—），女，讲师，主要从事模糊控制方面的研究. E－mail：xyzhao77＠163.com

（责任编校 纪翠荣）