基于Android手机系统的月季病虫害智能系统研究.pdf

p北方园艺２０１９（１０）１５１－１５７ Ｎｏｒｔｈｅｒｎ Ｈｏｒｔｉｃｕｌｔｕｒｅ农业信息技术 第一作者简介 钱晔 （１９８４－），女 ，安徽巢湖人 ，博士 ，讲师 ，研究方向为农业信息化技术与软件工程形式化方法 。Ｅ－ｍａｉｌｑｙ１９８４０３＠１６３．ｃｏｍ．责任作者 孙吉红 （１９８３－），男 ，硕士 ，助理研究员 ，研究方向为人工智能与农业信息化技术 。Ｅ－ｍａｉｌ８１９７２３３１＠ｑｑ．ｃｏｍ．基金项目 云南省重大科技专项计划资助项目 （２０１８ＺＩ００１）；云南农业大学社会科学中青年资助项目 （２０１８ＳＫ０１）。收稿日期 ２０１８－１０－０８ｄｏｉ１０．１１９３７／ｂｆｙｙ．２０１８２７４６基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能系统研究钱晔１，２，李超３，李彤４，孙 吉 红５，沈 颖 鸣５，蔡 名 飞１（１．云南农业大学 大数据学院（信息工程学院 ），云南 昆明６５０２０１；２．云南省高校农业信息技术重点实验室，云南 昆明 ６５０２０１；３．昆明晶坤科技有限责任公司 ，云南 昆明 ６５００００；４．云南农业大学 校党委 ，云南 昆明 ６５０２０１；５．云南省科学技术院 ，云南 昆明 ６５００５１）摘要 为加强鲜切花质量等级管理 ，确保种植户获得最大的利润 ，从方便种植户使用的角度出发 ，以月季鲜切花为例 ，提出了构建基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统 。在系统工程思想的指导下 ，利用Ａｎｄｒｏｉｄ系统 、ＳＱＬｉｔｅ数据库技术 、聚类算法 、软件工程 、管理信息系统 、ＭＡＴＬＡＢ平台等相关知识及技术进行系统的设计和手机ＡＰＰ的开发 ，实现了月季鲜切花从种苗种植到采摘的全过程 ，根据月季叶片 、茎杆等出现的症状识别病害 、虫害的名称 ，并得出治疗的方案 。针对智能诊断系统进行现场测试 ，采用聚类分析算法在ＭＡＴＬＡＢ平台上进行分析 ，提出对智能诊断系统改进的方案 ，实现智能化 、便捷化的手机ＡＰＰ病虫害智能诊断系统 ，有效加强鲜切花种植管理的安全性及高效性 ，保障了种植户及鲜切花种植企业的利益 。关键词 质量 ；最大利润 ；智能诊断系统 ；安卓 ；聚类分析中图分类号 Ｓ ６－３９ 文献标识码 Ａ 文章编号 １００１－０００９（２０１９）１０－０１５１－０７伴随着智慧农业 、农业大数据的发展 ，人们对农业生产生活的品质提出了更高的要求 ，种植户希望现代信息技术能够以简单便捷的方式提供种植－采摘全流程的信息 ，确保农作物的质量和品质 。然而 ，管理信息系统 、专家系统等信息技术的出现仅从技术上解决了农作物种植的难题 。针对普通种植户简便易用的一种模式尚未出现 。就技术而言 ，在２０世纪８０年代初期 ，我国农业信息技术已经应用ＰＣ机ＰＤＡ个人数字助理等应用终端 ，对苹果 、玉米等农作物病虫害 、浇水 、施肥等农业智能系统进行开发及研究［１－１０］。到了２１世纪 ，嵌入式系统的迅速发展 ，智慧农业技术实现了ＰＣ机远程控制 ，只要在联网的状态下 ，拥有一台ＰＣ机 ，就能实现远程浇水 、施肥 、喷洒农药 ，控制温度 、湿度等功能 ，真正实现农业信息化 。随着智能手机的出现 、４Ｇ网络技术的成熟化 、ＷＩＦＩ的普及化 、神经网络 、聚类分析［１１］在农业中的应用使得农业信息技术不断更新变化 ，向智慧农业提出更高的要求 。近年来 ，云南省鲜切花产业蓬勃发展 ，年产量突破了１００亿枝 ，产值突破４３０亿元 ，巩固了亚洲最大鲜切花生产基地和销售基地的地位 ，鲜切花销售量占全国销售量的７０％。而鲜切花产业逐渐成为云南支柱产业之一的前提是依赖于云南特殊的地理位置和气候条件 ，鲜切花的种植 、采收仍处于传统的种植方式 ，经验仍是种植户种植管理的依据 ，每年大量的低等级的鲜切花产出 ，不但影响了云南优质鲜切花的数量 ，而且对种植户的经济收入也造成了重大的影响 。现在 ，急需一个指导种植户进行种植 ，方便 、简洁的设备出现 。该研究针对目前云南省鲜切花产业存在的问题提出了一种基于手机ＡＰＰ的鲜切花病虫害智能系统 ，以月季鲜切花为例 ，研究并开发了基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统 ，为农户种植月季鲜切花提供了简单便捷的方式 ，并通过聚类分析算法对种植户使用的情况进行分析 ，确保系统安全可靠 ，为提升云南省鲜切花品质做出应有的贡献 。１ 基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统的设计在基于Ａｎｄｒｏｉｄ手机系统的鲜切花病虫害智能诊断系统通用开发环境中 ，以月季鲜切花为例 ，对该系统进行详细设计 。１．１ 智能诊断系统架构设计从鲜切花种植 、采收的角度出发 ，对鲜切花生产各环节进行剖析 ，确保鲜切花种植的品质 ，系统采用面向服务的体系构架进行设计［１２］，将系统分为用户层 、展示层 、应用层 、支持服务层 、数据层 ，具体结构如图１所示 。图 １基于 Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统构架Ｆｉｇ．１ Ｔｈｅ ｉｎｔｅｌｉｇｅｎｔ ｓｙｓｔｅｍ ｆｒａｍｅｗｏｒｋ ｏｆ ｔｈｅ ｐｅｓｔｓ ａｎｄ ｄｉｓｅａｓｅｓ ｏｆＣｈｉｎｅｓｅ ｒｏｓｅ ｂａｓｅｄ ｏｎ Ａｎｄｒｏｉｄ ｍｏｂｉｌｅ ｐｈｏｎｅ ｓｙｓｔｅｍ１）数据层 。为了提高手机ＡＰＰ的运行速度 ，采用ＳＱＬｉｔｅ数据库 ，处理月季病虫害诊断系统中的各种复杂问题［１３］，完成Ａｎｄｒｏｉｄ系统的开发 ，实现月季鲜切花病虫害智能诊断系统在手机ＡＰＰ中的应用 。２）支持服务层 。基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统是在Ａｎｄｒｏｉｄ系统的平台下 ，采用ＳＱＬｉｔｅ数据库 ，开发手机ＡＰＰ，实现月季鲜切花病虫害智能诊断功能 ，并根据专家对该平台诊断功能的准确率的判断 ，采用聚类算法进行分析 。３）应用层 。针对月季病虫害智能诊断系统的关键环节的核心要求［１４］，将用户分为散户 、种植户 、企业３种类型 ，根据不同类型的用户采取不同的管理模式 ，使得整个系统实现多用户管理 、多维数据输入 、多维数据分析的强大功能 。４）展示层 。系统为用户提供了人机交互的界面 ，使用Ａｎｄｒｏｉｄ系统进行编程 ，使得用户可以采用手机ＡＰＰ进行操作 ，便于种植户在田间发现问题 、查询问题 、得出解决问题的方案 。对于散户而２５１北方园艺５月 （下 ）言 ，提供的是一个类似专家系统的手机ＡＰＰ，结束了出现问题必须找技术人员的传统方式 ，既费时又费力的现状 ；对于种植户而言 ，提供的是一个方便携带的决策系统 ，解决病虫害危害月季的危机 ；对于企业而言 ，解决了企业员工种植技术的问题和新员工缺乏技术的难题 ；对于企业家 、科研人员而言 ，通过种植户使用该系统收集相关数据 ，用于科学研究 。５）用户层 。系统将用户分为散户 、种植户 、企业３种 ，每类用户具有各自的特点 ，共同支持系统的运行和维护 。１．２ 智能诊断系统知识表的构建结合月季鲜切花病害 、虫害对月季植株的危害症状 、发生时间段 、药物防治的措施等 。分别对月季病害 、虫害的各项特征进行归纳总结 ，设计了月季鲜切花病害 、虫害知识表 ，为系统推理机的实现奠定基础 。智能诊断系统知识表如表１、２所示 。表 １月季鲜切花虫害模块Ｔａｂｌｅ １ Ｐｅｓｔ ｍｏｄｕｌｅ ｏｆ ｆｒｅｓｈ ｃｕｔ ｒｏｓｅ ｆｌｏｗｅｒｓ虫害名称Ｐｅｓｔ ｎａｍｅ虫害症状Ｐｅｓｔ ｓｙｍｐｔｏｍ防治方法Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ ｃｕｒｅ ｍｅｔｈｏｄ蚜虫 叶片皱缩 、卷曲 、畸形不能伸展 使用国光的虫虫杀 、先正达卉健等蓟马 顶端枯死 ，表皮呈灰褐色 ，出现变形 、卷曲 使用国光的虫虫杀 、先正达卉健等红蜘蛛 受害叶上形成灰白色小点 ，而后叶片黄弱 ，似被火烤干视虫情每隔 ７～１０ｄ防治 １次 ，连续喷 ２～３次 。可选用 ２％阿维菌素 、达螨灵 、金满枝 、诺普信尼满诺等药剂月季叶峰 叶片造成孔洞和缺刻 ，严重时叶片嫩梢啃食殆尽 在虫害发生初期喷洒辛硫磷 、高氯甲维盐 、氯氰菊酯类的药剂进行防治月季切叶蜂 叶缘被剪切成许多很规则的椭圆形切口 ，造成叶残花疏可于幼虫期或者成虫发生初期喷施先正达卉健 、国光必治 、辛硫磷 、高氯甲维盐 、菊酯类药剂表 ２月季鲜切花病害模块Ｔａｂｌｅ ２ Ｄｉｓｅａｓｅ ｍｏｄｕｌｅ ｏｆ ｆｒｅｓｈ ｃｕｔ ｒｏｓｅ ｆｌｏｗｅｒｓ病害名称Ｄｉｓｅａｓｅ ｎａｍｅ病害症状Ｄｉｓｅａｓｅ ｓｙｍｐｔｏｍ防治方法Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ ｃｕｒｅ ｍｅｔｈｏｄ月季黑斑病 叶片紫褐色至褐色小点 ，黑色或深褐色早春发芽前 ，喷石硫合剂 ，以铲除病菌 ；萌芽后 ，可喷洒先正达卉乐 、杜邦福星或百菌清 ，轮替用药 ，每 １０ｄ喷 １次 。若发病 ，缩短喷药间隔 ，５～７ｄ喷 １次月季白粉病 叶片皱缩 、卷曲呈畸形 ，表面布满白色粉层 发病初期可喷洒粉锈宁或甲基托布津 ，腈菌唑等药剂月季霜霉病 叶片布满霜状霉层 ，后期呈暗紫色 ，直至变成褐色喷施 ７０％国光代森锰锌 、大生 、百菌清等药剂 ，每隔 ７～１０ｄ喷 １次 ，连喷 ２～３次月季锈叶病 叶片出现像锈迹一样的粉状颗粒 ７０％国光代森锰锌 、大生百菌清轮换交替使用月季根茎溃疡病月季的茎皮层初稍褪色坏死 ，后扩展成水渍状不规则黑色病斑 ，边缘干枯农用链霉素 、立枯净 （浇根 ），也可用 ４３％甲醛 ４０倍液喷洒表土月季枝枯病修剪枝条伤口及嫁接出茎上 ，初生紫色小斑 ，后扩大呈中央浅褐色 、边缘紫红色的椭圆形或不规则形斑休眠期里喷洒石硫合剂 ，以铲除病菌 ；５６月 （发病前期 ）喷洒多菌灵 、甲基托布津 ，或退菌特等药剂１．３ 智能诊断系统设计１．３．１ 智能诊断系统业务流程设计根据智能诊断系统架构设计和推理机正向推理的方法 ，系统结合智能诊断系统知识表 ，从种植户的实际需求出发 ，以手机ＡＰＰ方便携带的功能性 、实用性为切入点 ，以智能诊断系统业务流程为主线 ，通过对鲜切花种植过程中 ，病害 、虫害的主要特征进行剖析 ，设计基于Ａｎｄｒｏｉｄ系统的鲜切花病虫害智能诊断手机ＡＰＰ系统 ，实现一个手机就能解决咨询专家的功能 ，来满足散户 、种植户 、鲜切花生产商对日常种植维护的需求 ，在系统进行智能诊断之后 ，通过相关专家的评价 ，确定系统的实用性 、便捷性 。其推理机的核心业务流程如图２所示 。由图２可知 ，系统中推理机使用了知识表中的数据 ，将数据提供给散户 、种植户等用户选择 ，３５１ 第 １０期北方园艺图 ２推理机程序流程Ｆｉｇ．２ Ｆｌｏｗ ｃｈａｒｔ ｏｆ ｉｎｆｅｒｅｎｃｅ ｐｒｏｃｅｓｓ避免不规范的信息输入 ，影响推理结果 ，降低推理的准确性 。推理机在实现系统功能的过程中 ，为实现在手机ＡＰＰ上直接进行推理 ，得出有效的信息 ，该研究引入了ＳＱＬｉｔｅＤａｔａｂａｓｅ类［１３］，通过ＳＱＬｉｔｅ－Ｄａｔａｂａｓｅ类的静态方式创建基于Ａｎｄｒｏｉｄ系统的低存量 、高运行类数据库 ，实现增加 、删除 、查询 、修改等功能［１０］。１．３．２ 智能诊断系统功能结构设计基于Ａｎｄｒｏｉｄ系统的鲜切花病虫害智能诊断系统是以手机ＡＰＰ作为载体 ，针对鲜切花种植过程中病害 、虫害发生的情况 ，以Ａｎｄｒｏｉｄ智能手机为使用平台 ，以月季鲜切花为例 ，建立知识表 ，采用Ｊａｖａ语言开发手机ＡＰＰ，为散户 、种植户 、鲜切花生产商进行种植管理提供科学依据［１５］，提高鲜切花种植的质量 。根据系统工程中顶层设计的思想 ，采用模块化的设计思想［１２］，对鲜切花病虫害智能诊断系统进行设计 。该系统包括２个模块 ，第一个是月季鲜切花虫害诊断 、治疗模块 ，第二个是月季鲜切花病害诊断 、治疗模块 。月季鲜切花虫害诊断 、治疗模块包含了月季在种植过程中叶片上出现的所有虫害的特征 ，根据特征的描述进行选择 ，依据相应的选择 ，系统将自动显示虫害详情 、名称及防治方法 。月季鲜切花病害诊断 、治疗模块包含了月季在种植过程中各种病害对月季植株 、叶片 、花蕾等危害的症状 ，根据月季显示的症状 ，在手机ＡＰＰ中选择对应的选项 ，将与病害症状相匹配 ，系统自动显示病害名称及治疗方法供使用者参考 。系统模块功能如图３所示 。图 ３鲜切花病虫害智能系统功能模块Ｆｉｇ．３ Ｉｎｔｅｌｉｇｅｎｔ ｓｙｓｔｅｍ ｆｕｎｃｔｉｏｎ ｍｏｄｕｌｅ ｏｆｐｅｓｔｓ ａｎｄ ｄｉｓｅａｓｅｓ ｏｆ ｆｒｅｓｈ ｆｌｏｗｅｒ２ 基于Ａｎｄｒｏｉｄ手机系统月季病虫害智能诊断系统的实现２．１ 鲜切花病虫害智能诊断系统的集成应用在开发手机ＡＰＰ的基础上 ，采用简单 、友好的人机交互界面 ，引导用户寻找方便实用的决策规则 ，是智慧农业在移动界面端推广应用的前提条件［１６］。该 系 统 的 人 机 交 互 界 面 设 计 以Ａｎ－ｄｒｏｉｄ系统为开发平台 ，采用Ａｎｄｒｏｉｄ系统开发空间 ，在充分征求了大量鲜切花种植户建议的前提下 ，以界面简洁 、系统操作简单 、标签配合图片等形式 ，使得不同文化水平的种植户能够快速掌握操作 ，完成系统界面设计 。２．２ 鲜切花病虫害智能诊断系统的实现系统以手机ＡＰＰ的形式在手机界面上呈现 ，主要分为普通用户 、高级用户和管理员３个权限 ，其中普通用户仅能进入鲜切花虫害子系统进行查询 ，而高级用户能够实现前台的所有功能 ，管理员主要权限是通过对后台鲜切花病害 、虫害症状 、名称 、防治方法的修改 、增加 、删除 ，不断完善系统功能 、性能 。４５１北方园艺５月 （下 ）２．３ 鲜切花病虫害智能诊断系统测试系统以ＯＰＰＯ Ｒ７、ＯＰＰＯ Ｒ７Ｓ作为测试机 ，分别在云南省高校农业信息技术重点实验室 （简称重点实验室 ）及月季鲜切花种植基地进行测试 。首先 ，重点实验室研究人员在测试过程中提出了相应的修改意见 （包括了在界面设计中进一步凝练鲜切花病害 、虫害的重要特征以及在界面中增加形象生动的图片帮助理解 ），完善系统功能 ；在月季鲜切花种植基地 ，邀请了不同年龄段的种植人员６０人进行测试 ，在充分说明系统操作步骤及系统功能的前提下 ，进行测试 。测试结果显示 ６０人都能够对系统进行操作 ，并且一致认为系统使用方便 、实用性强 ；５２人准确选择了鲜切花病害和虫害的特征 ，成功找出月季的病害详情 ，得出正确的防 治 方 法 。测试结果显示诊断准确率达到８６．７％。图４为鲜切花病虫害智能诊断系统界面 ，显示了用户在使用过程中的查询和诊断功能 ，展示了设计中的简单便捷及实用性 。图 ４系统界面Ｆｉｇ．４ Ｓｙｓｔｅｍ ｉｎｔｅｒｆａｃｅ２．４ 鲜切花病虫害智能诊断系统测试及结果分析近年来 ，人工智能技术的飞速发展 ，使得人工神经网络算法重新回到了高新科技的前沿 ，时间序列预测［１７－１９］、模式识别［２０］、组合优化等领域 ，已经成为智能模型应用的典型［２１］。在基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统实现的过程中 ，测试无疑是检验诊断系统功能是否完善的最佳方法 ，如表１、２所示 ，展示了月季鲜切花病害 、虫害的症状 （共１１种 ），每种症状对应着一种病害（虫害 ）。２．４．１ 聚类分析借助ＭＡＴＬＡＢ软件 ，选择时间序列中的聚类分析算法 ，采用欧氏距离对月季鲜切花中病害 、虫害之间的相似性进行计算 ，找出它们之间的距离［２２－２３］，计算公式如下 Ｄｉｊ＝１ｎ∑ｎｋ＝１（ｘｉｋ－ｘｊｋ）槡２（１）。式中 ，Ｄｉｊ表示ｉ区域及ｊ区域月季鲜切花所有病害 、虫害之间的相似性系数 ；ｘｉｋ表示ｉ区域ｋ指标标准化指标值 ；ｘｊｋ表示ｊ区域ｋ指标标准化指标 值 ；ｎ表示月季鲜切花各种病害 、虫 害 的总数 。２．４．２ 聚类分析算法在鲜切花病虫害智能诊断系统测试中的应用根据２．３中测试的结果 ，将测试中发生错误的８例进行详细分析 ，结果发现 ，被测试人员将月季白粉病与发病早期的月季霜霉病混淆 ，将蓟马虫害和月季黑斑病混淆 ，其余病害 、虫害均能正确进行识别 。深究其原因 ，发现发生混淆的４种病５５１ 第 １０期北方园艺虫害 在 症 状 上 有 相 似 的 地 方 ，为 了 将 基 于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统推出市场 ，将引入智能算法对现有系统进行分析 ，得出有效的修改意见 。首先 ，将１～１１种病虫害的症状详细分解为４０种不同的特征 ，标记为 “１～４０”。其次是进行重新组合 ，即某几个特征对应一种病害或者虫害 。将容易发生混淆的病害或者虫害进行数字标记 。例如 将月季白粉病的３个特征标记为 “１”“２”“３”；将发病早期的月季霜霉病的特征标记为 “３”（根据白粉病与早期的月季霜霉病有一个共同的特征 ）；将蓟马虫害的特征标记为 “４”“５”“６”，将月季黑斑病的特征标记为 “７”或 “８”或 “９”或 “１０”。以上数据标记可以看出月季叶片上只出现 “３”这个特征时 ，月季应该是患发病早期的月季霜霉病 ；同时出现 “１”“２”“３”３个特征时 ，月季患白粉病 。根据以上的分析 ，将月季鲜切花常见的１１种病虫害进行相应的标记 ，每种病虫害带有１～４种特征 ，采用时间序列分析中的聚类算法计算每种病虫害之间的距离 。将距离最短的３种病虫害挑选出来 ，对鲜切花病虫害智能诊断系统的界面进行标识 ，提醒被测试人员的关注 ，可以降低测试的错误率 。通过聚类分析计算１１种症状之间的距离发现发病早期的月季霜霉病特征与白粉病特征之间的距离最短 。应该在ＡＰＰ界面上对这２种病害的图标进行标识 。在对系统设计进行改进之后 ，针对月季鲜切花病虫害诊断系统进行重新测试 ，在与第一次试验同样的条件下进行试验测试 ，结果显示１００人受测试人员中 ，９８人的测试结果是准确的 ，其中２人测试错误不排除操作前不认真听取说明的情况 。３ 结论及展望１）基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能系统不仅可以在月季鲜切花种植中使用 ，只要将月季智能诊断系统知识表更改为鲜切花的智能诊断系统知识表 ，将可以建立基于Ａｎｄｒｏｉｄ手机系统的鲜切花病虫害智能通用系统 。２）在引入智能算法对第一轮测试结果进行详细分析的基础上 ，从不同年龄段种植户的角度出发 ，综合运用聚类分析算法 、软件工程 、ＳＱＬｉｔｅ数据库技术和管理信息系统学 、植物病理学等多学科结合 ，构建了基于Ａｎｄｒｏｉｄ手机系统的月季病虫害智能诊断系统 。该系统可以为鲜切花种植户提供智能化 、便捷化的手机ＡＰＰ病虫害智能诊断系统 ，方便种植户识别鲜切花病虫害 ，及时 、有效的查阅解决病虫害的方法 ，确保鲜切花的产量和品质 。同时 ，保障了种植户及鲜切花种植企业的利益 。参考文献［１］胡建东 ，余泳昌 ，江敏 ，等 ．ＰＤＡ作物施肥通专家系统的技术研究 ［Ｊ］．农业工程学报 ，２００６，２２（８）１４９－１５２．［２］郭银巧 ，郭新宇 ，李存东 ，等 ．基于知识模型的玉米栽培管理决策支持系统 ［Ｊ］．农业工程学报 ，２００６，２２（１０）１６３－１６６．［３］刘晴蕊 ，何东健 ，张宏鸣 ，等 ．苹果病害智能诊断方法研究与设计 ［Ｊ］．农机化研究 ，２０１１，３３（４）７６－７８，８４．［４］陈立平 ，王东辉 ，赵春江 ，等 ．掌上电脑农业专家系统开发平台的研究与开发 ［Ｊ］．农业工程学报 ，２００２，１８（３）１４２－１４５．［５］涂运华 ，王东辉 ，赵春江 ．基于 ＷｉｎｄｏｗｓＣＥ的 ＨＰＣ／ＰＤＡ农业专家系统开发平台的研究与开发 ［Ｊ］．高 技 术 通 讯 ，２０００（１０）２８－３１．［６］雷宏洲 ．ＷｉｎｄｏｗｓＭｏｂｉｌｅ技术在农业中的应用领域 ［Ｊ］．农业网络信息 ，２００７（１０）３１－３２．［７］欧阳建权 ，钱跃良 ，褚诚缘 ，等 ．基于 ＰＤＡ的农业专家系统的设计和实现 ［Ｊ］．计算机工程与应用 ，２００２，３８（２）３０－３１，１１４．［８］张荣安 ，胡建东 ，高知林 ，等 ．基于 ＰａｌｍＯＳ平台的农业施肥通 ＰＤＡ的研制 ［Ｊ］．河南农业大学学报 ，２００４，３８（１）２３－２７．［９］魏圆圆 ，王儒敬 ，张英 ．农业智能系统开发平台的知识表示与推理策略 ［Ｊ］．智能系统学报 ，２００８，３（６）５２３－５２８．［１０］杨林楠 ，郜鲁涛 ，林尔升 ，等．基于 Ａｎｄｒｏｉｄ系统手机的甜玉米病虫害智能诊断系统 ［Ｊ］．农 业 工 程 学 报 ，２０１２，２８（１８）１６３－１６８．［１１］孙吉红 ，张丽莲 ，武尔维 ，等．基于智能算法的价格预测模型探究 ［Ｊ］．计算机技术与发展 ，２０１４，２４（１１）１０７－１０９．［１２］董玉德 ，丁保勇 ，张国伟 ，等．基于农产品供应链的质量安全可追溯系统 ［Ｊ］．农业工程学报 ，２０１６，３２（１）２８０－２８５．［１３］吴亚峰 ，索依娜．Ａｎｄｒｏｉｄ核心技术与实例详解［Ｍ］．北京电子工业出版社 ，２０１０．［１４］孟猛．基于 Ｂ／Ｓ结构的农产品质量安全追溯系统研究［Ｊ］．热带农业工程 ，２０１０，３４（３）２１－２４．［１５］张亚科 ，马孝义．农产品质量安全追溯系统设计与实现［Ｊ］．陕西农业科学 ，２０１１（６）２４４－１４６．［１６］张文静 ，王晶 ，杨捧 ，等．农业专家系统可视化人机交互界面的设计 ［Ｊ］．农机化研究 ，２００８（９）１２０－１２１，１３１．［１７］ＡＩＺＥＮＢＥＲＧ Ｉ，ＳＨＥＲＥＭＥＴＯＶ Ｌ，ＶＩＬＬＡ－ＶＡＲＧＡＳ Ｌ．Ｍｕｌｔｉｌａｙｅｒ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｗｉｔｈ ｍｕｌｔｉ－ｖａｌｕｅｄ ｎｅｕｒｏｎｓ ｉｎ ｔｉｍｅｓｅｒｉｅｓ ｆｏｒｅｃａｓｔｉｎｇ ｏｆ ｏｉｌ ｐｒｏｄｕｃｔｉｏｎ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０１６，６５１北方园艺５月 （下 ）１７５９８０－９８９．［１８］ＦＩＮＫ Ｏ，ＺＩＯ Ｅ，ＷＥＩＤＭＡＮＮ Ｕ．Ｐｒｅｄｉｃｔｉｎｇ ｔｉｍｅ ｓｅｒｉｅｓ ｏｆｒａｉｌｗａｙ ｓｐｅｅｄ ｒｅｓｔｒｉｃｔｉｏｎｓ ｗｉｔｈ ｔｉｍｅ－ｄｅｐｅｎｄｅｎｔ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ Ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１３，４０（１５）６０３３－６０４０．［１９］ＦＩＮＫ Ｏ，ＺＩＯ Ｅ，ＷＥＩＤＭＡＮＮ Ｕ．Ｐｒｅｄｉｃｔｉｎｇ ｃｏｍｐｏｎｅｎｔｒｅｌｉａｂｉｌｉｔｙ ａｎｄ ｌｅｖｅｌ ｏｆ ｄｅｇｒａｄａｔｉｏｎ ｗｉｔｈ ｃｏｍｐｌｅｘ－ｖａｌｕｅｄ ｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．Ｒｅｌｉａｂｉｌｉｔｙ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｓｙｓｔｅｍ Ｓａｆｅｔｙ，２０１４，１２１（６）１９８－２０６．［２０］ＡＩＺＥＮＢＥＲＧ Ｉ Ｎ．Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｂａｓｅｄ ｏｎ ｍｕｌｔｉ－ｖａｌｕｅｄ ｎｅｕｒｏｎｓ［Ｍ］．Ｂｅｒｌｉｎ ＨｅｉｄｅｌｂｅｒｇＬｅｃｔｕｒｅＮｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，１９９９３８３－３９２．［２１］张德丰．ＭＡＴＬＡＢ神经网络应用设计［Ｍ］．北京机械工业出版社 ，２００９．［２２］赵荣钦 ，黄贤金 ，钟太洋 ，等．聚类分析在江苏沿海地区土地利用分区中的应用 ［Ｊ］．农业工程学报 ，２０１０，２６（６）３１０－３１４．［２３］马智民 ，乔亮．聚类分析在土地利用功能分区中的应用以西安市 雁 塔 区 为 例 ［Ｊ］．国 土 资 源 科 技 与 管 理 ，２００７，２４（６）９０－９３．Ｒｅｓｅａｒｃｈ ｏｎ Ｉｎｔｅｌｉｇｅｎｔ Ｄｉａｇｎｏｓｔｉｃ Ｓｙｓｔｅｍ ｏｆ Ｐｅｓｔｓ ａｎｄ Ｄｉｓｅａｓｅｓ ｏｆＣｈｉｎｅｓｅ Ｒｏｓｅ Ｂａｓｅｄ ｏｎ Ａｎｄｒｏｉｄ Ｍｏｂｉｌｅ Ｐｈｏｎｅ ＳｙｓｔｅｍＱＩＡＮ Ｙｅ１，２，ＬＩ Ｃｈａｏ３，ＬＩ Ｔｏｎｇ４，ＳＵＮ Ｊｉｈｏｎｇ５，ＳＨＥＮ Ｙｉｎｇｍｉｎｇ５，ＣＡＩ Ｍｉｎｇｆｅｉ １（１．Ｓｃｈｏｏｌ ｏｆ Ｂｉｇ Ｄａｔａ（Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ），Ｙｕｎｎａｎ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ，Ｙｕｎｎａｎ ６５０２０１；２．ＫｅｙＬａｂｏｒａｔｏｒｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｙｕｎｎａｎ，Ｋｕｎｍｉｎｇ，Ｙｕｎｎａｎ ６５０２０１；３．Ｋｕｎｍｉｎｇ ＪｉｎｇｋｕｎＴｅｃｈｎｏｌｏｇｙ Ｃｏ．Ｌｔｄ．，Ｋｕｎｍｉｎｇ，Ｙｕｎｎａｎ ６５００００；４．Ｐａｒｔｙ Ｃｏｍｍｉｔｔｅｅ，Ｙｕｎｎａｎ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ，Ｙｕｎｎａｎ６５０２０１；５．Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｓｔｉｔｕｔｅ ｉｎ Ｙｕｎｎａｎ，Ｋｕｎｍｉｎｇ，Ｙｕｎｎａｎ ６５００５１）ＡｂｓｔｒａｃｔＩｎ ｏｒｄｅｒ ｔｏ ｓｔｒｅｎｇｔｈｅｎ ｔｈｅ ｑｕａｌｉｔｙｍａｎａｇｅｍｅｎｔ ｏｆ ｆｒｅｓｈ ｃｕｔ ｆｌｏｗｅｒｓ ａｎｄ ｅｎｓｕｒｅ ｔｈｅ ｍａｘｉｍｕｍｐｒｏｆｉｔ ｏｆ ｇｒｏｗｅｒｓ，ｆｏｒ ｔｈｅ ｃｏｎｖｅｎｉｅｎｃｅ ｏｆ ｇｒｏｗｅｒｓ，ｔｈｅ ｆｒｅｓｈ ｃｕｔ ｆｌｏｗｅｒｓ ｗｅｒｅ ｔａｋｅｎ ａｓ ａｎ ｅｘａｍｐｌｅ，ｔｈｅｉｎｔｅｌｉｇｅｎｔ ｓｙｓｔｅｍ ｏｆ ｔｈｅ ｐｅｓｔｓ ａｎｄ ｄｉｓｅａｓｅｓ ｏｆ Ｃｈｉｎｅｓｅ ｒｏｓｅ ｗａｓ ｃｒｅａｔｉｖｅｌｙｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｏｎ Ａｎｄｒｏｉｄｍｏｂｉｌｅ ｐｈｏｎｅ ｓｙｓｔｅｍ．Ｕｎｄｅｒ ｔｈｅ ｇｕｉｄａｎｃｅ ｏｆ ｓｙｓｔｅｍ ｅｎｇｉｎｅｅｒｉｎｇｉｄｅａｓ，ｕｓｉｎｇｔｈｅ Ａｎｄｒｏｉｄ ｓｙｓｔｅｍ，ＳＱＬｉｔｅ ｄａｔａｂａｓｅ ｔｅｃｈｎｏｌｏｇｙ，ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ｓｏｆｔｗａｒｅ ｅｎｇｉｎｅｅｒｉｎｇ，ｍａｎａｇｅｍｅｎｔ ｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍ，ＭＡＴＬＡＢ ｐｌａｔｆｏｒｍ ａｎｄ ｏｔｈｅｒ ｒｅｌａｔｅｄ ｋｎｏｗｌｅｄｇｅ ａｎｄ ｔｅｃｈｎｏｌｏｇｙｆｏｒ ｓｙｓｔｅｍ ｄｅｓｉｇｎ ａｎｄ ｍｏｂｉｌｅＡＰＰ ｄｅｖｅｌｏｐｍｅｎｔ，ｔｈｅ ｔｒｅａｔｍｅｎｔ ｐｌａｎ ｗａｓ ｒｅａｌｉｚｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｎａｍｅｓ ｏｆ ｄｉｓｅａｓｅｓ ｉｄｅｎｔｉｆｉｅｄ ａｃｃｏｒｄｉｎｇｔｏ ｔｈｅ ｓｙｍｐｔｏｍｓ ｏｆ ｔｈｅ ｌｅａｖｅｓ ａｎｄ ｓｔｅｍｓ ｏｆ ｔｈｅ ｒｏｓｅ ｄｕｒｉｎｇｔｈｅ ｗｈｏｌｅ ｐｒｏｃｅｓｓ ｏｆ ｐｌａｎｔｉｎｇｓｅｅｄｌｉｎｇｓ ａｎｄｐｉｃｋｉｎｇ．Ｔｈｅ ｏｎ－ｓｉｔｅ ｔｅｓｔ ｗａｓ ｃａｒｒｉｅｄ ｏｕｔ ｆｏｒ ｔｈｅ ｉｎｔｅｌｉｇｅｎｔ ｄｉａｇｎｏｓｉｓ ｓｙｓｔｅｍ，ａｎｄ ｔｈｅ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ａｎａｌｙｚｅ ｏｎ ｔｈｅ ＭＡＴＬＡＢ ｐｌａｔｆｏｒｍ．Ｔｈｅ ｉｍｐｒｏｖｅｄ ｓｃｈｅｍｅ ｏｆ ｔｈｅ ｉｎｔｅｌｉｇｅｎｔｄｉａｇｎｏｓｉｓ ｓｙｓｔｅｍ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｒｅａｌｉｚｅ ｔｈｅ ｉｎｔｅｌｉｇｅｎｔ ａｎｄ ｃｏｎｖｅｎｉｅｎｔ ｍｏｂｉｌｅ ＡＰＰ ｐｅｓｔ ａｎｄ ｄｉｓｅａｓｅｉｎｔｅｌｉｇｅｎｔ ｄｉａｇｎｏｓｉｓ ｓｙｓｔｅｍ，ｅｆｆｅｃｔｉｖｅｌｙｓｔｒｅｎｇｔｈｅｎｉｎｇｔｈｅ ｃｕｌｔｉｖａｔｉｏｎ ｏｆ ｆｒｅｓｈ ｃｕｔ ｆｌｏｗｅｒｓ．Ｔｈｅ ｓａｆｅｔｙａｎｄ ｅｆｆｉｃｉｅｎｃｙｏｆ ｍａｎａｇｅｍｅｎｔ ｗｅｒｅ ａｃｈｉｅｖｅｄ，ｔｈｕｓ ｐｒｏｔｅｃｔｉｎｇｔｈｅ ｉｎｔｅｒｅｓｔｓ ｏｆ ｇｒｏｗｅｒｓ ａｎｄ ｆｒｅｓｈ ｃｕｔｆｌｏｗｅｒ ｉｎｄｕｓｔｒｉｅｓ．Ｋｅｙｗｏｒｄｓｑｕａｌｉｔｙ；ｍａｘｉｍｕｍ ｐｒｏｆｉｔ；ｉｎｔｅｌｉｇｅｎｔ ｄｉａｇｎｏｓｉｓ ｓｙｓｔｅｍ；Ａｎｄｒｏｉｄ；ｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ ａｌｇｏｒｉｔｈｍ７５１ 第 １０期北方园艺/p