鱼病诊断专家系统设计
鱼病诊断专家系统中概念模型的构建
（ ． ｃｎｍｃ ａｄＭａａｅ ｅｔ ｅａｔｅｔ １ Ｅｏｏ ｉ ｎ ｎｇｍ ｎ Ｄｐｒ ｎ， ｓ ｍ
Ｆ ｒｔ ｎ ｅ ｉ ， ｏ ｓｙＵｉ ｒｔ ｅｒ ｖｓｙ
１０８ ， Ｃ ｉ ； ００３ ｈ ａ ｎ １１ ３ ｈ ａ （ ３ ，Ｃ／ ） １８ ｎ
２研 ｌ ｏ ｔ ｆｒ ｄｍ ｒｉ ｎＡｒｕｕｅ ｎｇａｏ ，Ｍｉｓ ｄｃｔｎ ｈ ａＡｒｕｕａ Ｕ ｖ ｓ ， ， ａ ｒｏ ｏ ｅ Ｐｅｓ ｇｉｌ ｒ Ｉｅｒｉ ｂ ａ ｒ Ｍｏ ｙ ｃｉ ｏ ｃ ｔ ｔ ｔｎ ｎｔ ｏ ｕ ／ ，Ｃ ／ ｇ／ ／ｒ／ ｎ ｅｉ ｉｒ ｆＥ ａｏ ｙ ｎ ｃｔ ｉ ｒｙ ｔ
Ａ ｇ ，２ ０ ｕ． ０６
鱼病诊断专家 系统 中概 念模 型的构建
温继文 ，李道亮 ，傅泽 田 ，张小栓
（ 北京林 业大学 经济管理学院 ，北京 １０８ ； １ ００３
２ ．中国农业大学 教育部现代精 细农 业 系统集成技 术重点 实验 室，北京 １０８ ） ００３ 摘 要 ：概念模 型是 对真实世界 的抽 象描 述 ，严格、完备 的概念模型在领 域专 家与开发人 员的 沟通 过程 中起 重要 作用 。在
统一界 定诊 断和诊 断问题定义的基础上 ，将现 实世界的鱼病诊 断 系统 进行 高度抽 象，对鱼病诊 断问题 、诊 断知识 和诊 断求
解方式等进行提 炼 ， 鱼病诊 断问题定义为 包括诊 断对象、疾病 集、病 因集 、症状 集 、诊 断知 识、诊 断表现 、诊 断推理及 将
诊 断结论等 ８个 因素在 内的数 学模 型，将鱼病诊 断知识描 述 为病 因、疾病 、症 状及其 三者之 间的 因果 网络模 型，将诊 断求 解方式分解为获取 症状一 推理诊 断一 增加信息 ３个步骤循 环反 复的 “ 假设一验 证”过程 。该概 念模 型的构建 为鱼病诊 断专 家 系统的开发提供 了知识表示和推 理的理论基础。参 ８ 。
论鱼类病害的诊断及预防措施
论鱼类病害的诊断及预防措施鱼类病害的诊断及预防措施是保障鱼类健康发展和养殖产业可持续发展的重要环节。
以下是1200字以上关于鱼类病害的诊断及预防措施的一份综述：一、鱼类病害的诊断方法鱼类病害的诊断方法可以分为临床观察法和实验室检测法两大类。
临床观察法是根据鱼类的病症以及感染部位等进行初步诊断。
常用的方法包括鱼类外观观察、行为观察、病症描述以及病死鱼的尸检等。
实验室检测法主要是通过实验室检测技术确定病原微生物或寄生虫的存在或种类。
常用的实验室检测方法包括细菌培养、病原微生物DNA分子检测、寄生虫的孢子观察等。
二、鱼类病害的预防措施1.保持水质卫生：定期检测水质，并保持水质的稳定。
合理管理水质参数，控制水温、pH值、氨氮和亚硝酸盐等指标在合适的范围内。
2.饲料管理：合理饲喂，避免过度、不足饲喂。
选择优质饲料，并根据鱼类生长的需要进行适当的配制和投喂。
3.消毒和隔离：消杀物品，消毒水族箱、器具和设施等，防止病菌和寄生虫的传播。
对新购入的鱼类进行隔离观察，确保无病鱼进入养殖系统。
4.物理隔离：通过物理隔离控制病害的传播。
例如，对于感染性疾病，可以将病鱼单独隔离，避免与健康鱼接触。
5.鱼类检疫：引进鱼类之前进行全面的检疫，确保无病鱼类进入养殖系统。
检疫可以包括外观检查、生理指标检测和实验室检测等。
6.增强鱼类的免疫力：通过饲料添加和免疫接种等方式，增强鱼类抗病能力。
常见的方法包括添加免疫增强剂、疫苗接种等。
7.定期检测和监测：建立健全的监测机制，定期检测和监测养殖水体和鱼类的健康状况。
及时查明问题并采取措施防止疾病的发生和传播。
三、鱼类病害的防治策略1.针对已知的病原微生物或寄生虫进行防治。
通过研究已知的病原微生物或寄生虫的生活史和传播途径，制定相应的防治措施。
2.加强科学养殖管理。
合理设置养殖密度，保持底层水体通气、导水等。
定期清理底泥，预防细菌的滋生。
3.合理使用药物和化学药剂。
根据具体病情，选择合适的药物进行治疗。
水产养殖专家系统的设计与实现
张红燕等：水产养殖专家系统的设计与实现
水产领域专家系统起步于 20 世纪 90 年代初，在水产养 殖、疾病诊断、渔业资源评估等方面研发了一些专家系 统[5]，如网络化淡水虾养殖专家系统[6-7]，鲟鱼养殖专家 系统[8]，鱼病诊断与防治专家系统[9-11]，渔业资源评估专 家系统[12-13]，在系统的功能，交互性，可操作性等方面取 得了一些进展。此系统是一个水产养殖经营者用于进 行生产计划、养殖管理和经济分析的计算机处理系统。 1 系统设计 1.1 系统结构
一般情况下，控制器工作的启动方式有自动和人 工二种工作方式，在自动方式下，采样设备（下位机传 感器）按采样周期间隔读取数据，将读取数据进行智能 化计算处理，并在阈值范围内显示自动处理结果，系统 按照处理结果自动给控制设备发送控制命令。而在人 工工作方式下，系统则按照人工设定的阈值范围进行 报警处理。如果控制设备是下位机，则控制状态是设 置报警上下限值或是控制继电器断开或连通设置状
张红燕等：水产养殖专家系统的设计与实现
· 439 ·
图 5 专家知识查询
Hale Waihona Puke 图 6 系统设备管理答案，见图 5。 系统监控设备包括采样设备和控制设备，采样设
备通常是监测设备（传感器）或第三方监测系统，控制 设备可以是具有控制诸如增氧机、投饵机、水泵等功能 的下位机，通常具有继电功能。系统设备管理见图 6。
水产领域专家系统起步于20世纪90年代初在水产养疾病诊断渔业资源评估等方面研发了一些专家系如网络化淡水虾养殖专家系统系统鱼病诊断与防治专家系统家系统1213鲟鱼养殖专家人机交换界面在系统的功能交互性可操作性等方面得了一些进展
中国农学通报 2011,27(01):436-440 Chinese Agricultural Science Bulletin
鱼病诊断专家系统中知识表示的研究
@"
!""#$%" 计算机工程与应用
定 义 !（ 关于病因的定义） 病因是指导致诊断对象处于不 正常状态的原因。 鱼类的致病因素复杂繁多， 既有内因又有外因； 既有直接 致病因素， 又有间接诱发因素。其中直接病因一般是检测到的 微生物或水体的理化指标， 而间接病因正是诱发直接病因的原 因与基础。 …， !&’" %， " !， " #， " #( 是 有 限 非 空 的 鱼 病 病 因 集 合 ， "# 代 表 某 种病因， 则 "$%&’ （ () ） *’" #+" #!!( 表 示 可 能 引 起 鱼 病 () 的 所 有 病 因集合。 定 义 #（ 关于鱼病的定义） 鱼病是鱼体与外界生存环境致 病因素相互作用， 致使平衡破坏的结果。每种鱼病都是对生态 系统中体现在鱼体上的一组特定的、 不正常的状态的描述。 …， ,&’(%， ( !， (#， (-( 是有限非空 的 鱼 病 集 合 ， () 代 表 某 种 鱼 病。 定义 ) （ 关于症状的定义） 症状是指鱼体在发病过 程 中 ， 出 现的背离正常生理范围的、 可以直接用于疾病诊断的信息。 …， .&’/%， /!， /#， /#(是有限非空的鱼病系统症状集合；
鱼病诊断专家系统中知识表示的研究
傅泽田 %
%
温继文 %
张小栓 %
邢克智 !
（ 中国农业大学教育部精细农业系统集成技术重点实验室， 北京 %"""7# ） ! （ 天津农学院水产科学系， 天津 #""#78）
9:;34*： )<)*4’,3=;34*+$>3?$+,?$>’
30鱼类疾病的检查与诊断
鱼类疾病的检查与诊断1疾病的检查方法1.1仪器显微镜、解剖镜、放大镜、天平、尺、解剖盘、大中小直镊子、大中小剪子、大中小弯镊子、解剖刀、解剖针、压缩标本的玻璃（6cm×20cm）、载玻片、盖玻片（18mm×18mm、20mm ×20mm、22mm×22mm）、吸管、烧杯、滴瓶、针管、针头、纱布、蒸馏水、生理盐水、香柏油等。
1.2被检鱼要求每个水体，每种鱼5尾以上。
鱼要新鲜，保持湿润。
1.3检查前工作编号，记录时间、地点，称重，测量全长、体长、体高，年龄、性别。
1.4镜检被检查的鱼，通常按如下顺序进行：1.4.1粘液可用小弯镊子或解剖刀刮取鱼体表粘液（附带检查一些磷片）进行镜检。
1.4.2鳍在光亮的地方，把鳍拉开，观察有无异样，然后刮下粘液放在载玻片上镜检。
1.4.3鼻腔先用小弯镊子或细管从鼻孔里取少许内含物镜检，随后用吸管吸取少许清水注入鼻孔里，再将液体吸出，放在培养皿里（要多吸几次）镜检。
1.4.4血液从心脏直接取血，是在鱼体腹面两腮盖之间的最狭处，用尖的微吸管插入心脏，即可抽取血液或以医用的注射器插入抽血亦可。
1.4.5鳃先用剪刀将左右两边的鳃完整地取出，放在培养皿里，观察鳃，并记录。
日检完毕，刮取鳃粘液，进行镜检。
1.4.6口腔刮取上下鄂一些粘液镜检。
1.4.7体腔腹腔液用吸管吸出，置于培养皿里进行检查。
腹腔检查完毕，用剪刀小心地从肛门和咽喉两处，把整条肠的两端剪断，轻轻地把内脏取出来，放在解剖盘上，逐个地把各器官分开，依次进行检查。
1.4.8脂肪组织先目检，后进行镜检。
1.4.9胃肠先分前、中、后三部分进行镜检，后将整条肠剪开以后，先目检，后用压展法检查。
1.4.10肝先目检，后用镊子从肝上取少许组织，进行镜检。
1.4.11脾同肝。
1.4.12胆囊取出胆囊，放在培养皿里，然后剪开，放出胆汁，取一部分胆囊壁镜检。
胆汁另行检查。
1.4.13心脏剪下心脏，放在盛有食盐水的培养皿里，检查外表后，把心脏剪开，用小镊子取一滴内容物镜检。
基于BP神经网络的水产健康养殖专家系统设计与实现
基于BP 神经网络的水产健康养殖专家系统设计与实现3曹 晶1, 谢 骏23, 王海英2, 王广军2, 胡朝莹2(11广东技术师范学院自动化学院,广东广州510630;21中国水产科学研究院珠江水产研究所,广东广州510380)[摘要] 针对传统专家系统的知识获取困难、推理能力弱、智能水平低和实用性差等缺点,阐述了BP 神经网络运用于水产健康养殖专家系统的设计思想,对水产养殖中的饲养、水环境调控、疾病诊断的模糊描述进行量化,从系统模型和实现流程上说明本专家系统的特点,并以水质评价子系统为例,对平台功能和性能进行测试1实验数据表明,误差小于1%1该平台克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性1关 键 词:水产养殖;专家系统;神经网络;BP 算法;水质评价中图分类号:TP182 文献标识码:A 文章编号:1000-5900(2010)01-0117-05Design and Implementation on Expert System ofH ealth Aquiculture B ased on BP N eural N et w orksCA O J ing 1, X I E J un 23, W A N G H ai 2ying 2, W A N G Guang 2j un 2, HU Chao 2y ing 2(11School of Automation ,Guangdong Polytechnic Normal University ,Guangzhou 510630;21Pearl River Fisheries Research Institute ,Chinese Academy of Fishery Sciences ,Guangzhou 510380China )【Abstract 】 In allusion to the insufficiencies such as difficulties in knowledge acquisition ,weak inference ca 2pability ,low intelligence level and bad practicality of traditional expert systems ,this paper introduces de 2sign concepts of BP neural network applies to expert system of health aquiculture ,and quantifies the f uzzydescriptions ,such as aquaculture ,water environment control ,disease diagnosis.The characteristics of theexpert system are illuminated f rom the system model and the realization of that process ,and water quality e 2valuation system as an example for testing the f unctions and performance of the platform 1Experimental datashows that the error rate is less than 1%.The platform has been completely overcome the subjectivity ofexperience to rely on experts ,which has the advantages of diagnostic efficiency ,high practicality ,versatilityand flexibility.K ey w ords : aquaculture ;expert system ;neural network ;BP algorithm ;water quality evaluation水产健康养殖专家系统是数字化渔业养殖的重要组成部分,是以现代信息技术、人工智能技术和养殖工程技术为支撑,使生产方式从传统的以物流为核心转换为以信息流为核心,帮助我们实现以最少的资源耗费获得最大的优质产出和高效益,从而促进我国现代化水产养殖产业的发展1有关水产养殖专家系统特别是鱼病专家系统的研究较多[1～4],而涉及养殖管理全程的专家系统尚缺,现代渔业和水产品质量安全管理要求水产健康养殖覆盖养殖生产全程1针对传统专家系统的知识获取困难、推理能力弱、智能水平低、实用性差等缺点,本文阐述了BP 神经网络运用于水产健康养殖全程的专家系统的设计思想,从系统模型和实现流程上说明本专家系统的特点,并给出了水质评价子系统的实现过程11 基于BP 神经网络的水产健康养殖专家系统设计思想与架构人工神经网络理论是20世纪80年代中后期世界范围内迅速发展起来的一个前沿研究领域,其发展已经对计算机科学、人工智能、认知科学等领域产生了重要影响[5],其中的误差反向传播B P (back 2第32卷第1期2010年3月 湘 潭 大 学 自 然 科 学 学 报Natural Science Journal of Xiangtan University Vol.32No.1Mar.20103收稿日期:2009-08-12 基金项目:国家“863”高技术研发计划项目(2007AA10Z239);现代农业产业技术体系建设专项资金项目(nycytx 249213) 通信作者:谢骏(1965— ),男,研究员,博士1E 2mail :xj007@p ropagation )算法,因简单易行、计算量小、并行性强,成为多层前向神经网络训练的首选算法[6]1传统的专家系统通常由知识获取、推理机、解释系统和人机接口界面等模块组成,存在的不足主要表现在以下几个方面[7]:(1)知识获取的“瓶颈”1某些专家的一些经验知识,难以加入知识库中1(2)推理能力弱1由于推理方法简单,控制决策不灵活,所以容易出现“匹配冲突”,“无穷递归”等问题,推理速度慢1(3)智能水平低1它一般不具备自学能力和联想记忆功能,不能在运行过程中自我完善、发展和创新知识1BP 神经网络通过对有代表性例子的学习、训练,能够掌握事物的本质特征,进而解决问题1一个标准的误差反向传播网络可由一个输入层、一个或一个以上的隐含层和一个输出层组成,每一层上有若干节点,这些节点可看作是处理信息的神经元1神经元(除输入层单元外)的输入2输出为非线性关系,一般选用S 型压缩(Sigmoid )函数(f (x )=(1+exp (-x )-1)处理神经元的输入、输出,其输出值范围为[0,1],可连续变化[8]1总之,专家系统的特点在于知识的逻辑推理,神经网络的特色在于知识获取,将二者结合起来,使得整个神经网络成为专家系统的知识库,产生更智能化的专家系统1本系统把历史数据、规则、函数、国家相关标准以及专家经验,转化为可量化定义的样本数据和经验数据,通过神经网络训练,建立模型,进行预测,再经过系统中的解释系统,对预测结果进行分析,达到对养殖全过程进行智能化指导的目的1基于B P 神经网络的水产专家系统模型如图1所示1本系统包括水质评价子系统、水色判别子系统和智能管理子系统1水质评价子系统选取常规重要的量化指标,如DO 、p H 、三态氮、磷、水色、饲料投喂技术、浮游植物等,建立水体环境质量评价量化模型,实现池塘水质智能化识别1同时根据环境因子与养殖生物健康状况量化规则,进行产量、疾病早期预警;根据池塘水环境与人工措施关系量化规则,进行水质调节、环保处理等1本子系统分为单因子和多因子二大类,采用B P 神经网络进行水质预测1图1 基于BP 神经网络的水产健康养殖专家系统模型Fig 11 The model of expert system of healt h aquaculture based on BP neural networks水色判别子系统是根据从池塘中取出的水,在相同条件下拍摄的照片,进行图像预处理,水色信息数字化提取,实现将图像文件转化为数据矩阵,再使用颜色中心矩提取图像颜色特征,获取特征值后,以此作为样本数据,训练神经网络,对不同图片对象进行分类1根据水色色度快速判别水质状况,最后结合浮游植物信息,给出水质调节建议1智能管理子系统主要根据预测结果,实现DO 调节控制、氮磷控制、p H 调控、以及饲料精准投喂和疾病早期预警1饲料精准投喂是指制定投喂规则,并根据水质状况给出合理建议,疾病早期预警是指水质与养殖生物健康状况定量关系等1在本系统中,专家样本数据、预测数据、各类神经网络模型和智能管理系统中的决策方案,均保存在数据库中1本系统的实施流程如图2所示1811 湘 潭 大 学 自 然 科 学 学 报 2010年图2 水产健康养殖总体流程图Fig.2 The flowchart of healt h aquaculture expert system based on BP neural networks2 水产健康养殖专家系统的功能实现本系统的开发平台如下:服务器采用windows 2003,前台语言开发工具为MyEclip se ,后台数据库为Mysql4.0以上版本,主界面如图3所示1图3 水产健康养殖专家系统主界面Fig 13 The main interface of healt h aquaculture expert system911第1期 曹 晶,等 基于BP 神经网络的水产健康养殖专家系统设计与实现 021 湘 潭 大 学 自 然 科 学 学 报 2010年这里以水质评价子系统中多因子综合评价来说明实现方法,步骤如下:第1步:根据要素分析法,通过物理、化学和生物成因的统计分析,在实验平台基础上,确定预测对象和影响因子1本系统中,确定的输入因子有5个,分别是:溶解氧(DO)———衡量水体的自净能力;p H 值———反映水质的酸碱程度;亚硝酸盐氮———说明水中有机物的无机化过程;氨氮;总悬浮物1输出将水质分为四级,Ⅰ～Ⅳ,分别代表优、良、中、差,见表11表1 水质分级T ab11 Classif ication of w ater qu ality分级描述优池塘水质各指标在养殖生物的最佳生存范围内良池塘水质各指标接近或达到养殖生物最佳生存区的上下限中某些指标接近或达到养殖生物生理耐受区的上下限,如果环境继续恶化,将发生病变或死亡差超过养殖生物生理耐受区上下限,已发现养殖生物不适反应,生存困难第2步:对历史样本数据参照无公害养殖水体国家相关标准和专家经验进行预处理,去除多余的参数和波动较大的样本数据1第3步:进行神经网络结构学习,用BP算法对预测系统进行梯度参数优化,求得预测系统神经网络控制参数1利用其余样本对训练的网络模型进行测试,调整网络参数,直至网络达到期望指标为止1第4步:根据专家经验,建立知识库,设计分析报表,完善智能管理系统1第5步:利用训练完毕的网络模型进行水质预测,对实时水质预测输出数据进行后期处理,实现可视化和空间数据的管理;为水质参数监测、控制池塘养殖设备、改善池塘养殖环境和应急处理做出重要的决策支持1专家样本的其中一部分如表2所示1对于样本中某些参数出现不一致,即不属于同类输出类别时,由专家凭经验判定输出类型,如下表:水质中各指标氨氮、亚硝酸盐、DO、p H、总悬浮物,其中样本的参数DO的值有不同而其他的参数则相同,则由专家根据经验判断其水质的类别1表2 水环境质量浓度值和网络希望输出值T ab12 The concentration of w ater qu ality and the values which the netw ork w ant to output氨气亚硝酸盐氮DO p H总悬浮物输出类别0.0020.001 6.00018.0010.2599Ⅰ类0.0020.00178.0010.25990.0020.001 6.59998.0010.25990.090.025 4.00018.759 1.5999Ⅱ类0.090.025 5.00018.759 1.59990.090.025 5.99998.759 1.59990.490.075 3.00019.4999 3.5001Ⅲ类0.490.075 3.50019.4999 3.50010.490.075 3.99999.4999 3.50010.90010.9999 2.99999.9999 5.9999Ⅳ类0.90010.9999 2.50019.9999 5.99990.90010.9999 2.00019.9999 5.9999在本系统中,建立的是一个含有5个输入神经元节点、6个隐含神经元节点和1个输出神经元节点的人工神经网络,使用的是嵌入本系统中的国产软件:2NDN神经网络建模仿真平台进行训练和预测,所建神经网络模型如图4所示1图4 2NDN 中的BP 神经网络模型Fig 14 The BP neural network modelin simulation platform which modeled on 2NDN neural network当学习速率为0.4,动量常数也为0.4时,经过11750步训练,即可以达到0.01的误差,效果十分理想1确定网络结构后,专家系统将最后形成神经元的阈值及连接各层间的网络权值矩阵(即知识库)保存在模型库中,从而完成对知识的获取1在本系统中,实现正向推理的具体工作过程:当一般用户启动推理进程时,主控程序启动推理机,将用户输入的水质状况进行预处理后送到神经网络中计算,从而得到预测结果即水质类型,再将水质类型作为智能管理子系统的输入因子,取出与之对应的“规则后件”,对推理过程进行解释,给出报表,完成智能决策13 结论本系统通过近几年来对水质环境数据的采集和处理,建立了环境数据库,得出了水产生长较为完善的生长发育参数和健康养殖量化指标1根据这些量化指标和水产养殖专业知识,基于环境数据库建立起基于神经网络的水产健康养殖专家系统,对实现水产健康养殖、智能控制和计算机管理具有一定实用价值1人工神经网络抗干扰能力和非线性拟合能力强,具有高度的鲁棒性,建立的网络模型稳定性好,将神经网络与专家系统相结合,将之运用于水产健康养殖专家系统中,改善了传统专家系统的自学能力,本软件投入使用后,能更好地促进数字化水产养殖工程的建设,并在实际工作中不断丰富样本,建立神经网络模型,完善智能决策系统1本系统是国家“863”高技术研发计划项目《水产主导品种集约化养殖数字化集成系统研究与应用》的一个组成部分,它的设计完成,对本项目的研究起到了很好的促进作用1参 考 文 献[1] 王成志,黄少涛,纪荣兴.鱼病诊断系统———“鱼医生”[J ].集美大学学报:自然科学版,1997,2(3):35-41.[2] 郑育红,傅泽田,张小栓.鱼病诊断专家系统设计[J ].中国农业大学学报,2000,5(6):94-97.[3] 傅泽田,温继文,张小栓,等.鱼病诊断专家系统中知识表示的研究[J ].计算机工程与应用,2003,39(10):60-62.[4] P HILL IP G L.A review of automated cont rol systems for aquaculture and design criteria for t heir implementation[J ].AquaculturalEngineering ,1995,14(3):205-227.[5] 薛雪东,程旭德,徐兵,等.基于BP 神经网络的导弹故障诊断专家系统设计[J ].四川兵工学报,2008,29(4):54-55.[6] 张良均.神经网络实用教程[M ].北京:机械工业出版社,2008:76-77.[7] 张绍兵,季厌浮,高志军.基于神经网络专家系统的研究与实现[J ].计算机工程与科学,2008,30(4):156-158.[8] 李一平,逢勇,田娜.太湖生态系统的人工神经网络模拟研究[J ].环境科学与技术,2004,27(2):43-45.[9] 杨昆,欧阳光耀.模糊神经网络在专家系统中的应用研究[J ].武汉理工大学学报,2008,32(3):510-512.责任编辑:龙顺潮121第1期 曹 晶,等 基于BP 神经网络的水产健康养殖专家系统设计与实现 。
鱼类疾病诊断与预防 ppt课件
体腔内脂肪沉积程度
营养过剩
消化道
肝脏
胆囊
胆囊肿大 罗非鱼链球菌病
鱼鳔
Hale Waihona Puke 肾脏肌肉回顾：
鱼体检查的顺序：
体表检查
体型体色；体表粘液；鳞片；鳍条；肛门； 眼睛；口腔；鳃盖；鳃部
解剖检查 脂肪、消化道、肝、脾脏、胆、鳔、肾、心 脏、性腺、脑、肌肉
鱼类疾病诊断与预防
• 疾病种类多 • 症状多样化 • 综合症化
体中用药对药物的限制，没有特效药。 ➢ 疾病易扩散，而且反复发作，很难根治。 ➢ 用药治疗时费时费钱，等到发现鱼病，开始用药
时已经损失惨重了。
14
二、鱼病诊断流程
鱼体病灶检查
是鱼病诊断的基础工作， 是对症下药，解决问题关键！
怎样才能做好 鱼病诊断？
体表检查
体型体色；体表粘液；鳞片；鳍条；肛门； 眼睛；口腔；鳃盖；鳃部
鱼类疾病诊断与预防
• 消毒杀菌：卤制剂（氯制剂、碘制剂）， 氧化性药物、季铵盐类药物、醛类、
• 杀虫药物：阿维菌素、伊维菌素、敌百虫、 菊酯类；
• 内服药：沙星类、四环类；
鱼类疾病诊断与预防
➢ 各养殖品种对药物的敏感性不同，而药物对病原
鱼病猛于洪 的致死浓度是固定的。 兽 ➢ 鱼药很多是从兽用或人用药物引进的，加之在水
竖鳞病 细菌性肠炎病 细菌性败血症 打印病（腐皮病） 鲤科鱼疖疮病 鳗爱德华氏菌病、叉尾鮰肠道败血症 罗非鱼链球菌病
病原微生物 柱状嗜纤维杆菌 柱状嗜纤维杆菌、白皮假单胞菌 荧光假单胞菌 水型点状假单胞菌 肠型点状气假单胞菌 嗜水气单胞菌 点状气单胞菌 疥疮型点状气单胞菌
爱德华氏菌 链球菌（革兰氏阳性菌）
• 2006年草鱼病害以出血病、烂鳃病、赤皮病、肠 炎病等4种疾病最为典型，覆盖面最广，共造成 21.26亿元的损失。
河北省专家在线远程鱼病诊断系统安装调试成功
ｏ信 息广 场
河 北 省 专 家在 线远 程 鱼 病 诊 断 系统 安 装 调 试 成 功
为 满 足 水 产 养殖 病 害 防 治 工 作 的需 要 ， 提 升 渔 业 程会 诊 功 能 以 外 ， 还 带 有 电子 用 药 监 督 及 追 溯 功 能 和 疫情 监控 及 电 子 病 历 管 理 功 能 。 目前 全 国 大 多数 省级 水 产 技术 推 广 站 和 部分 市 、 县 及 水 产 养 殖 场 都 安 装 了水 产 养 殖 病 害 远程 诊 断 系 统 ， 国 内 数 十位 科 研 、 教学 、 技 术 推 广 机 构 的 水 产 养 殖 病 害 防 治 专 家 义 务 提 供 远 程诊 断 服 务 。河 北 省 水 产 养 殖 病 害 远 程 诊 断 系统 的安 装 成 功 与 启 用 ， 将缩短 鱼病诊 断 时间、 减 少 诊 断 费用 ， 显著提高水产养殖 病害诊 断技术 水平 ， 避 免 和 降 低 鱼 病 发 生 给 农 户 带 来 的经 济损 失 ， 推 动 我 省 渔 业 生 产 健 康
稳定发展 。
化、 信息化技术水平 ， 河 北 省 水 产 技 术 推 广 站 新 近 购 置 了 水产养 殖病 害远 程 诊 断 系统 。１ ２月 ２ 日 ， 设 备 生 产 单 位 — — 苏 州 捷 安 信 息 科 技 有 限 公 司 派 出 技 术 人 员 前 来 安
装、 调试 ， 省 站 和石 家 庄 市 站 部 分 技 术 人 员 参 加 了 现 场 操 作培训 。
其 实 的绿 色 放 心 食 品 。
除 了 国 内认 证 外 ， 曹 妃 甸 的河 纯 鱼 也 得 到 了 日本 客 商
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中国农业大学学报 2000,5(6):94～97 Journal of Ch ina A gricultural U niversity 鱼病诊断专家系统设计①郑育红① 傅泽田 张小栓(中国农业大学农业工程研究院)摘 要 叙述了智能化鱼病诊断专家系统的总体设计思路与设计方法、关键技术及系统工作流程。
重点阐述了智能化鱼病诊断的过程、基本内容以及推理机的基本原理。
关键词 专家系统;鱼病诊断;推理机分类号 T P182;S942D esign of An Expert System for F ish D isea se D i agnosisZheng Yuhong Fu Zetian Zhang X iao shuan(A gricultural Engineering Institute,CAU)Abstract System specialty,design m ethod,co llectively design though t,system w o rk ing p rocess of fish disease expert system and key techno logy of the expert system are discu ssed. P rocess and basic con ten t of fish disease diagno sis,basic p rinci p le of rati ocinati on are in troduced.Key words expert system;fish disease diagno sis;rati ocinati on智能化鱼病诊断专家系统是国家863重点资助项目“智能化水产养殖信息系统”的子系统,本系统以系统工程思想为指导,利用人工智能技术将水产领域专家知识加以归纳整理,使其系统化和形式化,从而为生产管理部门、鱼病医院提供鱼病诊断与防治的辅助决策工具,为广大养鱼专业户提供鱼病识别和防治等技术指导[1]。
1 鱼病诊断专家系统的主要内容及工作流程111 主要内容鱼病诊断专家系统由现场调查、目检、深层判断、镜检、解释机制多个模块集成,各模块主要内容如下。
现场调查模块包括对鱼类名称、生长阶段、发病时间、特殊表现、水质调查等项目的调查记录。
目检模块包括对体表、头部、鳃部、腹部、鳞片、鱼鳍、肌肉、内脏等8个项目的观察诊断。
其中,体表具有22种不同的症状,头部有12种,鳃部18种,腹部4种,鳞片6种,鱼鳍9种,肌肉5种,内脏17种,共93种症状描述,186张图片。
对应每种不同的症状,具有相应的图片描述。
深层判断模块是对应目检得出的多种结果而进行的。
进行深层判断时,根据目检结果,判收稿日期:20000414①国家863计划306主题重点资助项目②郑育红,北京清华东路17号中国农业大学(东校区)121信箱,100083断给出可能患有的几种鱼病综合图片,并给出诊断的可信度。
用户在浏览目检结果完毕以后,可根据鱼的症状进一步筛选。
镜检模块主要针对体表、鳃、内脏3部分而设计,其目的是镜检这3部分的孢囊和明显病变部分,对可疑部位镜检后进行图谱识别,共90种症状描述。
解释机制模块可将用户在目检和镜检中所描述的鱼的所有症状列表,给出诊断过程及诊断结果。
112 工作流程下面以常见鱼病诊断为例说明系统的工作流程。
1)系统启动。
2)选项。
选择主菜单(系统主菜单分为系统帮助、系统功能演示、水产养殖、鱼病诊断、专家学习、数据库维护、基础知识浏览、信息咨询、会员注册等)中的鱼病诊断选项。
3)现场调查。
进入现场调查阶段,点选各种调查项,然后提交鱼病症状。
4)目检。
进入目检阶段后,系统不仅提供了对各个部位症状的文本描述,而且还有相应的图谱对照描述。
用户可针对每个部位的症状,选择1～3项症状值,即可以根据图谱描述的症状进行各部位症状的浏览和对照。
各选项完毕后,如果某一部位无明显症状或者具有单一明显症状时,进入镜检阶段,否则,进入深层判断阶段。
5)深层判断。
当目检结果得出多种鱼病时,要进行深层判断。
深层判断列出目检结果的综合图片以及相应的可信度,用户在浏览目检结果以后,根据鱼的症状进一步筛选,得出深层判断结果。
6)镜检诊断。
进入镜检阶段后,用户可翻看各种图谱,选择与镜检结果相符的图片,得出诊断结果,如果仍然无法得出鱼病结果,返回目检。
7)防治方法。
根据诊断结果给出防治方法和主要防治鱼药等。
8)解释机制。
诊断结束后进入解释过程,将用户在目检和镜检中所描述的所有症状列表,给出诊断过程及诊断结果。
2 鱼病诊断系统的设计211 总体结构系统基本结构由知识库、数据库、图片库、用户界面和专家学习模块构成。
知识库采用产生式规则形式,主要包括常见鱼病诊断知识库、镜检部位提示库、复杂鱼病诊断知识库。
它们存储着各种用来诊断常见鱼病的知识规则。
数据库采用关系数据库模型,将数据表示为表的集合,根据不同的鱼类建立不同的表,通过建立简单表之间的关系来定义结构。
数据库主要包括鱼病资料库、鱼药资料库、鱼病防治库以及解释机制库。
图片库分为鱼病症状图片库、深层判断图片库、微观镜检图片库和鱼病结论图片库4部分,按照鱼病的不同存储图片。
用户界面的设计采用菜单式界面与表格式界面相结合的方式,使用时直接下拉点选即可。
专家学习模块有快速响应鱼病专家建设的能力,能给出响应结果,便于专家及时总结经验,修改自己的设想。
59 第6期郑育红等:鱼病诊断专家系统设计69中国农业大学学报2000年 212 系统的网络体系21211 客户机 服务器模型客户机 服务器结构采用3层C lien t Server Server结构模型:客户—应用服务器—数据库服务器,该结构将表示部分、应用逻辑部分、数据访问部分明确地进行分割,使其在逻辑上各自独立。
硬件系统的配置有2种方式。
1)客户位于客户机上,应用服务器和数据库服务器位于同一主机上。
在主机具有良好性能的前提下,这种方式能保证应用服务器和数据库服务器之间的通讯效率,减少客户和应用服务器之间网络上的数据传输,使系统具有良好的性能。
2)客户位于客户机上,应用服务器和数据库服务器位于不同的主机上。
这种方式比前一方式更加灵活,且能够适应客户机数目和应用负荷的变动。
在增加新的应用逻辑时,可以追加新的应用服务器。
系统规模越大,这种方式的优点越显著。
21212 C lien t Server Server结构的功能及优点在3层C S S结构中,客户端是用户接口部分,负责用户与应用程序的交互。
它接受用户的输入、请求,将结果以适当的形式(如图形、报表)返回给用户,常以GU I界面表现出来。
与2层C S结构的客户部分相比,3层C S S结构的功能更加简洁清晰,大部分的应用逻辑部分被移植到应用服务器上,但简单的应用逻辑处理和数据库访问仍然可以在客户端实现,以获得较高的效率。
在3层C S S结构中,应用服务器是应用逻辑处理的核心。
客户将请求信息发送给应用服务器,应用服务器接收信息后向数据库服务器发送SQL请求,随后应用服务器将数据库服务器的数据访问结果返回给应用服务器。
此外,应用服务器和数据库服务器之间也可能没有数据交换,而作为客户的独立服务器使用。
在3层C S S结构中,数据库服务器以传统的基于SQL的DBM S实现,完成数据的存储、访问和完整性约束等。
与2层C S结构相比,3层C S S结构有以下优势。
1)伸缩性。
灵活的硬件系统构成,使各部分可以选择与其负荷和特性相适应的硬件。
如在应用初始阶段,采用1台工作站作为服务器,将应用服务器和数据库服务器配置于此台工作站上。
随着应用的发展,可以追加1台或多台工作站作为应用服务器。
2)可维护性。
3层C S S 结构中,各层相对独立,可以并行开发,客户端只需要关注用户界面,且可以和其他客户共享相同的数据访问模块,从而使客户端负荷大大减少,维护也相对简单。
3)安全性。
应用逻辑和最终访问数据库大多由应用服务器实现,对单个用户来说是透明的,但用户之间不相互干扰,从而保证了系统的安全性,并且减少了网络上的数据流量。
3 推理机的设计推理机的设计是开发专家系统的关键,系统成功与否主要取决于推理机性能的好坏。
1)推理机原理。
系统紧紧把握住鱼病专家对鱼病的诊断和处理过程来实现专家系统的推理。
由于鱼病本身的复杂性,造成了鱼病诊断的困难,必须经过多阶段、多层次的分析、推理和判断,才能得到较为满意的结果。
按驱动力来讲本专家系统多数采用数据驱动推理(data2drive inference),少量采用目标驱动推理(O b ject2drive inference);按控制策略来讲主要采用正向推理和反向推理[2]。
鱼病诊断过程中的推理采用直接推理和模糊推理。
第一,直接推理采用数据驱动的正向推理方法,从初始数据(鱼病症状)出发,利用知识库的规则,推导出结论。
这种推理方法适用于具有典型症状的鱼病判断。
第二,采用模糊推理方法,对不明显症状的鱼病进行判断。
由于鱼病的发病季节不同,生长阶段不同,患病的病程不同,使鱼病在发病不是特别严重时,即症状并不十分典型时,不能确切推出是何种病症,但利用模糊推理的方法,根据症状符合度和规则可信度的综合值,进行优先级的排列,由此判断可能是患有哪几种鱼病。
推理机根据用户输入信息(鱼病症状)推出鱼病诊断结果的过程分为6步。
a 1输入信息;b 1信息预处理;c 1搜索匹配规则进行初步诊断;d 1调用初步诊断结果,解释初步诊断过程;e 1初步诊断结果的校验;f 1输出初步诊断结果。
推理利用非精确推理机制,把确定性和可能性有机的结合起来,尽量缩短推理过程,采用正向推理、反向推理、正向 反向混合推理策略。
2)推理机设计。
推理设计模型包括数据与规则匹配模型、冲突消解模型、选择模型、执行模型等[3]。
对于具有典型症状鱼病的推理通常采用直接推理,即用户从列表中选取患病鱼类,选择对应的相关症状,系统自动进行规则知识的匹配,得到初步诊断结果,在调用初步诊断结果的同时,进行推理过程解释,完成初步诊断校验后,输出初步诊断结果。
对于不明显症状鱼病,通常采用模糊推理过程,诊断过程中除考虑8大症状外,还考虑鱼的病程、发病时间、鱼的生长阶段等3个辅助判断项,共11个因素。
分析诊断时,每种鱼病的可信度是不同的,对8项症状的符合情况也是不同的,对于每种不明显症状的鱼病事实,每有一项症状符合时,症状符合度自动增加相应的百分比。
对于某种不明显症状的鱼病事实,也不是8项症状全符合,如果有5项症状相符,而有3项症状不符时,此事实症状符合度为017。
在数据库中存储的判断鱼病的事实可靠度是不同的,在模糊诊断中,利用算法对症状符合度和事实可靠度进行综合计算得出推理可信度结论。