基于故障树分析法的柑橘病虫害诊断专家系统

杜盼; 孙道宗; 李震; 宋淑然

doi:10.7671/j.issn.1001-411X.202110037

基于故障树分析法的柑橘病虫害诊断专家系统

杜盼^1,,
孙道宗^{1, 2},
李震^{1, 2},
宋淑然^{1, 2, ,}

1.
华南农业大学电子工程学院/人工智能学院, 广东广州 510642
2.
广东省农情信息监测工程技术研究中心/岭南现代农业科学与技术广东省实验室, 广东广州 510642

基金项目: 国家自然科学基金(31671591)；广东省现代农业产业技术体系创新团队建设专项资金(2021KJ108)；广州市科技计划项目(202002030245)；财政部和农业农村部：国家现代农业产业技术体系资助项目(CARS-26)

详细信息

作者简介:
杜盼，硕士研究生，主要从事信息管理系统及微信小程序开发与应用研究，E-mail: 1131357127@qq.com

通讯作者:
宋淑然，教授，博士，主要从事喷雾技术及测试控制技术研究与应用，E-mail: songshuran@scau.edu.cn

中图分类号: S431;TP311
计量
- 文章访问数: 830
- HTML全文浏览量: 5
- PDF下载量: 408
出版历程
- 收稿日期: 2021-10-30
- 网络出版日期: 2023-05-17
- 刊出日期: 2022-07-09

An expert system for diagnosing citrus diseases and pests based on fault tree analysis

DU Pan^1,,
SUN Daozong^{1, 2},
LI Zhen^{1, 2},
SONG Shuran^{1, 2, ,}

1.
College of Electronic Engineering/College of Artificial Intelligence, South China Agricultural University, Guangzhou 510642, China
2.
Guangdong Engineering Research Center for Monitoring Agricultural Information/Guangdong Laboratory for Lingnan Modern Agriculture, Guangzhou 510642, China

摘要

摘要:
目的
为解决柑橘病虫害防治工作中植物保护主业知识普及不足、高效病虫害诊断手段缺乏的问题，研制一种基于故障树分析法的柑橘病虫害诊断专家系统。

方法
首先，利用故障树分析法计算病虫害发生的概率、建立病虫害知识库；其次，根据知识库以及正向推理策略设计实现专家系统的推理机；最后，利用微信开发者工具在微信小程序内搭建故障树分析法的计算规则、专家系统的推理机，构建基于故障树分析法的专家系统。

结果
建立了一种包含病虫害模块、最新资讯模块、知识库查询模块、病虫害诊断模块、用户中心模块5大功能模块的柑橘病虫害诊断专家系统。经测试，系统可以在不同型号的手机中平稳运行，占用内存的平均大小为175 MB，系统启动的平均耗时为1.0984 s，页面切换的平均耗时为0.0495 s；连续运行系统1 h，手机与服务器的连接均未出现异常。

结论
本系统运行稳定可靠、页面样式显示正常。用户通过此系统能够诊断病虫害并获得具体的防治技术，同时也能够了解专业的植物保护知识。
- 柑橘病虫害 /
- 故障树分析法 /
- 专家系统 /
- 微信小程序
Abstract:
Objective
An expert system for diagnosing citrus diseases and pests based on fault tree analysis was developed to solve the problems of insufficient popularization of professional plant protection knowledge and lack of efficient diagnosis methods in the prevention and control of citrus diseases and pests.

Method
First, fault tree analysis method was used to calculate the occurrence probability of diseases and pests and establish a knowledge base of diseases and pests. Secondly, based on the knowledge base and forward reasoning strategy, the reasoning engine of the expert system was designed and implemented. Finally, Weixin DevTools were used to equip the calculation rules of fault tree analysis method and the inference engine of expert system in weixin mini program, and build the expert system based on fault tree analysis method.

Result
We established an expert system for diagnosing citrus diseases and pests with five functional modules: Pest knowledge module, latest information module, knowledge base query module, diseases and pest diagnosis module as well as user center module. After testing, the system could run smoothly in different types of mobile phones. The average size of memory occupied was 175 megabytes, the average time for system startup was 1.0984 s and the average time for page switching was 0.0495 s. After running the system continuously for 1 h, the connection between the mobile phone and the server was normal.

Conclusion
The system is stable and reliable, and the page style is displayed normally. Users can exploit the system to diagnose diseases and pests and obtain corresponding control methods. Meanwhile, users can also learn professional plant protection knowledge from the system.
- Citrus diseases and pests /
- Fault tree analysis /
- Expert system /
- Weixin mini program

HTML全文

图 1 柑橘病虫害故障树

X₁：叶片脱落；X₂：叶片干枯；X₃：叶片反卷；X₄：叶片黄化；X₅：嫩叶受损；X₆：树枝干枯；X₇：树枝易断；X₈：果实油渍状斑点；X₉：果实黄绿斑；X₁₀：果实脱落；X₁₁：蛀蚀果肉；X₁₂：果实腐烂；X₁₃：根部腐烂；X₁₄：根瘤

Figure 1. Fault tree of citrus diseases and pests

X₁: Leaf abscission; X₂: Dry leaves; X₃: Leaf involution; X₄: Leaf yellowing; X₅: Damaged young leaves; X₆: Dry branches; X₇: Branches break easily; X₈: Citrus oily spots; X₉: Citrus yellow-green spot; X₁₀: Citrus abscission; X₁₁: Pulp decay; X₁₂: Citrus decay; X₁₃: Root rot; X₁₄: Root nodules

下载: 全尺寸图片幻灯片

图 2 正向推理流程图

Figure 2. Flow chart of forward

下载: 全尺寸图片幻灯片

图 3 系统功能结构图

Figure 3. Diagram of system functional structure

下载: 全尺寸图片幻灯片

图 4 微信小程序页面

Figure 4. Pages of weixin mini program

下载: 全尺寸图片幻灯片

表 1 故障树事件

Table 1 Fault tree events

编码 Code	事件名称 Event name	事件类型 Event type	编码 Code	事件名称 Event name	事件类型 Event type	编码 Code	事件名称 Event name	事件类型 Event type
T	柑橘病虫害	顶事件	X₁	叶片脱落	底事件	X₈	果实油渍状斑点	底事件
M₁	叶	中间事件	X₂	叶片干枯	底事件	X₉	果实黄绿斑	底事件
M₂	枝干	中间事件	X₃	叶片反卷	底事件	X₁₀	果实脱落	底事件
M₃	果实	中间事件	X₄	叶片黄化	底事件	X₁₁	蛀蚀果肉	底事件
M₄	根	中间事件	X₅	嫩叶受损	底事件	X₁₂	果实腐烂	底事件
			X₆	树枝干枯	底事件	X₁₃	根部腐烂	底事件
			X₇	树枝易断	底事件	X₁₄	根瘤	底事件

下载: 导出CSV

表 2 系统的兼容性测试

Table 2 Compatibility test of system

手机型号 Phone model	手机处理器 Phone processor	手机系统 Phone system	微信版本 Weixin version	网络信号 Network signal	页面显示 Pages display
RedMi K40	骁龙888 Xiaolong 888	MIUI 12	8.0.16	4G	正常 Normal
OPPO OnePlus	骁龙865 Xiaolong 865	Android 11	8.0.11	Wifi	正常 Normal
HUAWEI Mate30	麒麟990 Qilin 990	EMUI 10	8.0.16	5G	正常 Normal
Redemi K30i	骁龙765 Xiaolong 765	MIUI 11	8.0.8	4G	正常 Normal
iPhone12	苹果A14 Apple A14	iOS14	8.0.8	5G	正常 Normal

下载: 导出CSV

表 3 系统的响应性能测试

Table 3 Response performance test of system

手机型号 Phone model	占用内存/MB Memory footprint	启动耗时/ms Startup time	页面切换耗时/ms Time to switch pages	服务器连接状态 Server connection status
RedMi K40	143	1 150	49	正常 Normal
OPPO OnePlus	193	947	62	正常 Normal
HUAWEI Mate30	141	881	42	正常 Normal
Redemi K30i	248	1 634	50	正常 Normal
iPhone12	150	880	46	正常 Normal
均值 Average	175	1 098.4	49.5

下载: 导出CSV

参考文献(20)

[1]	YOU J, LEE J. Offline mobile diagnosis system for citrus pests and diseases using deep compression neural network[J]. IET Computer Vision, 2020, 14(6): 370-377. doi: 10.1049/iet-cvi.2018.5784
[2]	洪波, 张锋, 李英梅, 等. 基于微信平台的陕西蔬菜病虫害专家诊断系统[J]. 中国植保导刊, 2017, 37(12): 48-52. doi: 10.3969/j.issn.1672-6820.2017.12.008
[3]	彭曙光, 唐前君, 肖启明, 等. 烟草病害诊断专家系统的建立与应用[J]. 中国烟草科学, 2010, 31(4): 28-32. doi: 10.3969/j.issn.1007-5119.2010.04.006
[4]	RACHID L, MANAL J, ALIEU M, et al. Farmers’ knowledge, perceptions, and farm-level management practices of citrus pests and diseases in Morocco[J]. Journal of Plant Diseases and Protection, 2021, 128(5): 1-14.
[5]	彭华亮. 基于故障树的故障诊断专家系统软件平台设计[D]. 南京: 南京理工大学, 2017.
[6]	潘学文, 张福生, 路超. 基于故障树的故障诊断专家系统设计[J]. 煤矿机械, 2021, 42(3): 174-176.
[7]	李艳艳, 刘佳, 孙澄泉, 等. 基于故障树的电动公交车故障诊断专家系统[J]. 机械设计与制造, 2009(1): 42-44. doi: 10.3969/j.issn.1001-3997.2009.01.017
[8]	陈浩敏, 王军龙, 李俊一, 等. 基于故障模式与影响分析法和故障树的全光纤电流互感器故障诊断专家系统[J]. 电力系统及其自动化学报, 2019, 31(2): 1-8. doi: 10.3969/j.issn.1003-8930.2019.02.001
[9]	彭奎, 邓亚辉, 赵星标, 等. 基于微信小程序的田间作物管理系统开发与应用[J]. 农村科技, 2018(10): 52-56. doi: 10.3969/j.issn.1002-6193.2018.10.019
[10]	张妮, 刘铸德. 微信小程序在“互联网+农业”中的应用探析[J]. 广西农学报, 2019, 34(2): 42-45. doi: 10.3969/j.issn.1003-4374.2019.02.012
[11]	张小斌, 杨素, 郑可锋, 等. 基于微信小程序的水稻减药增效信息服务平台实践与应用[J]. 农业网络信息, 2018(2): 77-80.
[12]	李佳丹, 詹柴, 徐志豪. 基于微信的西瓜嫁接栽培管理专家系统开发与应用[J]. 南方农业, 2019, 13(16): 73-77.
[13]	于俊丽. 高校图书馆应用微信小程序的实践与展望[J]. 出版广角, 2018(12): 73-75.
[14]	倪红军, 李霞, 周巧扣, 等. 基于微信小程序的高校实验室安全教育平台构建[J]. 实验室研究与探索, 2020, 39(12): 280-284. doi: 10.3969/j.issn.1006-7167.2020.12.058
[15]	周常勇. 柑橘[M]. 西安: 陕西科学技术出版社, 2020: 121-222.
[16]	马凤梅, 李敦松, 张宝鑫. 中国柑桔病虫害及其综合治理研究概述[J]. 中国生物防治, 2007(S1): 87-92.
[17]	罗义灿, 章勇, 刘家莉, 等. 粤东粤北柑桔病虫草害调查及农药使用状况分析[J]. 广东农业科学, 2018, 45(11): 81-88.
[18]	NICHOLAS J, PHILIP A S, LUKASZ L S. Secondary hosts of the Asian citrus psyllid, Diaphorina citri Kuwayama: Survivorship and preference[J]. Journal of Applied Entomology, 2019, 143(9): 921-928. doi: 10.1111/jen.12673
[19]	李丹. 江西户用沼气池故障树分析及养户技合模式仿真研究[D]. 南昌: 南昌大学, 2016.
[20]	张宏宇, 王永模, 蔡万伦, 等. 我国主要柑橘害虫发生为害现状[J]. 湖北植保, 2009(S1): 52-53.

施引文献(23)

期刊类型引用(10)

1.	王丽亚，陈哲. 基于多特征融合的番茄叶片病害智能诊断系统开发. 电子制作. 2025(05): 41-45 . 百度学术
2.	李文雪，孟洪兵，孙丽丽，韩璐宇. 融合多尺度注意力机制的棉花枯萎病识别算法研究. 现代农业装备. 2025(02): 86-92 . 百度学术
3.	樊江川，王源桥，苟文博，蔡双泽，郭新宇，赵春江. 基于实例分割技术的草莓叶龄及冠幅表型快速提取方法. 智慧农业(中英文). 2024(02): 95-106 . 百度学术
4.	李坤，刘婧，齐赫. 基于分层特征交叉注意力的小样本马铃薯病害叶片识别. 江苏农业科学. 2024(10): 210-216 . 百度学术
5.	冯玉涵，孙剑，张志芳. 基于层间特征蒸馏网络的作物叶片病害检测. 中国农机化学报. 2024(09): 271-277 . 百度学术
6.	李凤妹，龚青松，李奔奔，张敏，丁一，吕军. 基于改进YOLO v5s模型的水稻病虫害监测系统. 农业工程技术. 2024(20): 17-20 . 百度学术
7.	杨欢，王钧，李广，吴江琪，谈燕. 大田环境下青贮玉米枯叶病检测模型. 软件导刊. 2024(09): 193-199 . 百度学术
8.	方晓捷，严李强，张福豪，高心雨. 基于深度学习的农作物图像识别的发展. 江苏农业科学. 2024(20): 18-24 . 百度学术
9.	麻剑钧，刘晓慈，金龙新，熊伟，易森林，封春芳，刘阳，夏先亮. 基于机器视觉的农作物病害识别研究进展. 湖南农业科学. 2023(09): 97-100 . 百度学术
10.	郭文娟，冯全. 基于类激活映射的可解释性方法在农作物检测识别中的发展现状与趋势. 智能化农业装备学报(中英文). 2023(04): 41-48 . 百度学术