于合龙，沈金梦，毕春光，梁 婕，陈慧灵

(1 吉林农业大学 信息技术学院，吉林 长春 130118；2 吉林农业大学 智慧农业研究院，吉林 长春 130118；3 悉尼科技大学 工程与信息技术学院，悉尼 2007；4 温州大学 计算机与人工智能学院，浙江 温州 325035)

水稻作为中国主要的粮食作物之一，每年因病虫害造成的损失多达几百万吨[1]。各种水稻病虫害发生快、易扩散，且水稻受害植株常表现出相同的症状，让农民难以区分[2-3]。随着信息技术、光谱技术[4]、遥感技术[5]等新方法不断出现，有的利用光谱的反射值或得到的图像特点来关联病虫害特征信息，构建病虫害模型，最终实现病虫害识别；有的通过图像技术、规则推理等方式进行作物病虫害诊断[6-11]，而在水稻领域常利用专家系统进行病虫害诊断[12-15]，它们大多从专家处获得规则算法，再根据受害症状等因素进行分类并判断。但上述研究并不能完全解决病虫害诊断中存在的问题，主要原因有以下三点：一是水稻数据种类多样，关系及属性复杂，数据间深层次的关联关系不易被挖掘，同时，也缺少相关推理过程的显示；二是传统专家系统大都是定量识别，存在推理可解释性弱的问题；三是很少有专家系统把节气与规则相结合进行病虫害预警。知识图谱以节点及边的形式将不同类型的实体、概念组合成巨大网络[16]，有利于以可视化形式展示知识的多种关系和结构，它为提高检索的可推理性及检索效率提供了机遇。随着农业信息化的普及，对农业领域异构数据的处理从原有的本体构建再到语义网，国内外学者都进行了探究[17-19]。……