农作物病虫害防治知识库构建研究
人工智能系列白皮书-智慧农业
中国人工智能系列白皮书-- 智慧农业目录第1 章智慧农业发展背景 (1)1.1 人工智能在农业领域中的应用历程 (1)1.2 智慧农业及其发展趋势 (8)第2 章农业智能分析 (12)2.1 农业数据挖掘 (12)2.1.1 农业数据挖掘特点 (12)2.1.2 农业网络数据挖掘 (13)2.1.3 农业数据挖掘应用 (16)2.2 农业数据语义分析 (18)2.2.1 农业数据语义模型 (18)2.2.2 农业数据存储模型 (19)2.2.3 农业数据知识发现 (20)2.2.4 农业数据语义检索 (21)2.2.5 分布式农业知识协同构建 (21)2.3 农业病虫害图像识别 (22)2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 232.3.2 农业病虫害图像采集方法 (24)2.3.3 农业病虫害图像预处理 (26)2.3.4 农业病虫害特征提取与识别模型构建 (27)2.3.5 农业病虫害模式识别 (28)2.4 动物行为分析 (29)2.5 农产品无损检测 (34)2.5.1 农产品的无损检测 (35)2.5.2 农产品无损检测主要方法与基本原理 (36)2.5.3 无损检测在农产品质量检测中的应用 (38)2.5.4 问题与展望 (38)第3 章典型农业专家系统与决策支持 (40)3.1 作物生产决策系统 (40)3.1.1 作物生产决策支持系统的概念与功能 (40)3.1.2 作物决策支持系统的发展 (41)3.1.3 我国作物决策支持系统发展状况 (41)3.1.4 作物生产决策支持系统的发展趋势 (42)3.1.5 作物生产决策支持系统的存在问题 (43)3.1.6 作物生产决策支持系统的发展措施建议错误!未定义书签。
3.2 作物病害诊断专家系统 (45)3.2.1 病害诊断知识表达 (45)3.2.2 作物病害描述模糊处理 (47)3.2.3 病害诊断知识推理 (47)3.2.4 基于图像识别的作物病害诊断 (48)3.3 水产养殖管理专家系统 (49)3.3.1 问题与挑战 (49)3.3.2 主要进展 (51)3.3.3 发展趋势 ........ .... ..... .. (52)3.4 动物健康养殖管理专家系统 (54)3.4.1 妊娠母猪电子饲喂站 (54)3.4.2 哺乳母猪精准饲喂系统 (56)3.4.3 个体奶牛精准饲喂系统 (57)3.4.4 畜禽养殖环境监测系统 (58)3.5 多民族语言农业生产管理专家系统 (59)3.5.1多民族语言智慧农业即时翻译系统结构 (59)3.5.2多民族语言农业智能信息处理系统机器翻译流程 .. 603.5.3多民族语言农业信息平台中的翻译关键技术 (62)3.5.4多民族语言农业智能信息处理系统机器翻译结果 .. 633.6 农业空间信息决策支持系统 (66)第4 章典型农业机器人 (71)4.1 茄果类嫁接机器人 (74)4.1.1 研究背景意义 (74)4.1.2 国内外研究现状 (74)4.1.3 关键技术与研究热点 (76)4.1.4 案例分析 (77)4.1.5 存在问题与发展策略 (78)4.2 果蔬采摘机器人 (79)4.2.1 研究背景意义 (79)4.2.2 国内外研究现状 (79)4.2.3 关键技术与研究热点 (80)4.2.4 案例分析 (81)4.2.5 存在问题与发展策略 (82)4.3 大田除草机器人 (83)4.3.1 研究背景意义 (83)4.3.2 国内外研究现状 (84)4.3.3 关键技术与研究热点 (84)4.3.5 存在问题与发展策略 (86)4.4 农产品分拣机器人 (87)4.4.1 农产品分拣机器人发展现状 (88)4.4.2 农产品分拣机器人的应用特点和支撑技术 (90)4.4.3 主要问题和建议 (92)第5 章农业精准作业技术 (94)5.1 拖拉机自动导航 (94)5.2 农机作业智能测控 (97)5.3 果树对靶施药 (101)5.3.1 我国果园施药作业现状 (101)5.3.2 基于靶标探测的智能施药 (102)5.3.3 靶标探测技术 (102)5.3.4 对靶施药的经济性与环保性 (106)5.4 设施蔬菜水肥一体化 (106)5.4.1 水肥一体化在设施蔬菜中的应用 (107)5.4.2 智能灌溉施肥设备 (108)5.4.3 设施蔬菜水肥一体化发展趋势 (110)5.5 设施环境智能调控 (112)5.5.1 温室环境与作物信息采集 (112)5.5.2 温室作物生长发育模型和小气候预测模型 (115)5.5.3 温室智能环境控制理论 (116)5.5.4 测控装备及平台构建方面 (117)5.6 农用无人机自主作业 (117)5.6.1 农用无人机自主作业需求背景 (117)5.6.2 农业无人机自主作业技术特点 (118)5.6.3 农业无人机自主作业发展现状 (119)5.6.4 抓住机遇迎接挑战人工智能技术的挑战 (122)第6 章智慧农业展望 (123)6.1 当前农业发展需求分析 (123)6.2 发展重点与建议 (123)第 1 章智慧农业发展背景中国农业经历了原始农业、传统农业、现代农业、智慧农业的逐渐过渡。
基于图像识别技术的农作物病虫害自动检测与预警系统研究
基于图像识别技术的农作物病虫害自动检测与预警系统研究摘要：农作物病虫害是严重威胁农业生产和粮食安全的问题之一，对农民的经济收益和粮食供应造成了重大影响。
传统的病虫害监测方法主要依赖于人工巡视和经验判断，存在着工作量大、时间周期长以及准确性不高等问题。
随着图像识别技术的飞速发展，基于图像识别技术的农作物病虫害自动检测与预警系统成为解决这一难题的有效途径。
本研究的成果将为农业领域的病虫害防治工作提供技术支持，推动农业智能化发展，为粮食安全和农村经济发展做出积极贡献。
关键词：图像识别技术；农作物病虫害自动检测；预警系统；引言农作物病虫害是影响农业生产的重要因素之一，对于及时准确地检测和预警病虫害，采取相应的防治措施具有重要的意义。
然而，传统的病虫害检测方法通常需要专业人员进行人工观察和诊断，工作量大且效率低下。
随着图像识别技术的发展，利用计算机视觉和机器学习技术进行农作物病虫害的自动检测和预警成为可能，极大地提高了效率和准确性。
1农作物病虫害检测技术的研究现状1.1传统的人工观察和诊断方法传统的病虫害检测方法通常依赖于农业专业人员的经验和眼力，通过观察植株的外观特征、病斑和虫害损伤等来判断是否存在病虫害。
这种方法存在以下几个问题：主观性强：不同的专业人员对于病虫害的观察和诊断存在主观差异，结果不一致；工作量大：需要大量的专业人员进行实地观察和诊断，工作量大，效率低；诊断准确性低：专业人员的经验和眼力有限，容易出现误判和漏判的情况因此，需要采用基于图像识别技术的自动检测方法，以提高检测的准确性和效率。
1.2基于图像识别技术的自动检测方法基于图像识别技术的自动检测方法通过采集农作物叶片的图像，利用计算机视觉和机器学习算法对图像进行处理和分析，实现对病虫害的自动检测。
这种方法具有以下优点：高效性：通过自动化的图像处理和分析，大大提高了检测的效率；准确性高：利用机器学习算法进行分类和识别，减少了人为主观因素的影响，提高了检测的准确性；可视化展示：通过图像识别技术，可以将检测结果以图像的形式直观地展示出来，方便农民和农业管理者进行观察和判断。
农业病虫害监测系统方案
农业病虫害智能监测预警系统病虫害监测预警系统可以对病虫害情况进行监控，能够高效地、及时地得知虫情变化并做出快速应对措施，减少了对人力、物力的消耗，能有效提高病虫防控组织化程度和科学化水平，利用病虫害监测预警系统进行病虫监测预警，实现病虫综合管理，同时还能够对监测预警的数据进行统计分析，对工作者的科学决策和科学管理具有重大意义。
一、建设背景农作物病⾍害⼀直农业⽣产管理的⼀⼤难题，造成⼤量损失，也加重了农药的使⽤，农业物联⽹的应⽤，将⾯对⼀系列在⼴域空间分布的信息获取、⾼效可靠的信息传输与互联、⾯向不同应⽤需求和不同应⽤环境的智能决策系统集成的科学技术问题。
它既需要电⼦、信息、通信科技与产业界对关键共性技术的突破和提供低成本、使⽤可靠和易⽤性好的硬、软件产品与服务的⽀持，⼜需要农业信息⼯程科学家们的协⼒研究、⾯向农业应⽤需求的技术整合和运营服务模式创新的保障。
信息科技将融⼊各种农业应⽤领域，成为⽣物、农艺、⼯程交叉汇聚学科的纽带。
物联⽹农业应⽤技术的创新，将打破学科与部门的界限，促进不同学科间的交叉融合和衍⽣新的交叉学科，将⼤⼒推进以需求和应⽤为导向的协⼒研究模式，为新兴产业的发展和转变农业发展⽅式创造新的机会。
二、建设原则根据具体项⽬情况，综合选择适⽤于本项⽬要求的设计⽅案。
考虑到系统相关需求，同时参考相关信息系统建设成功经验，确定采⽤以下设计原则进⾏系统设计：先进性：系统将采⽤国际上最先进、成熟、实⽤的技术标准，既保证系统实现的功能，⼜满⾜未来若⼲年应⽤发展的需要。
安全性：提供全⾯符合国家和⼯信部有关信息安全政策法规、核⼼技术⾃主的整体安全解决⽅案。
能够适应业务专⽹和⼯信部信息安全系统建设规范等多层次的安全要求。
可靠性：本系统的设计将在尽可能减少投资的情况下，从系统结构、⽹络结构、技术措施、设备选型等⽅⾯综合考虑，以确保系统稳定可⽤，实现7×24⼩时的不间断服务。
开放性：系统设计采⽤的各项软、硬件设备均应符合国际通⽤标准，符合开放性原则，要与技术发展的潮流吻合，保证系统的开放性和技术延伸性。
面向智能农业的农作物病虫害自动识别与预防系统设计
面向智能农业的农作物病虫害自动识别与预防系统设计随着科技的不断进步，智能农业已经成为农业生产的重要趋势之一。
农作物的病虫害防治一直是农民们面临的重要问题，而传统的防治方法效果有限且劳动密集。
因此，设计一套面向智能农业的农作物病虫害自动识别与预防系统具有重要意义。
本文旨在介绍这样一套系统的设计理念和实现方法。
1. 系统概述农作物病虫害自动识别与预防系统旨在利用人工智能和物联网技术为农民提供即时准确的农作物病虫害信息，并提供相应的防治措施。
该系统可以通过图像识别、数据采集和分析等方式，实现对农作物病虫害的自动识别与预测，帮助农民及时采取防治措施，减少农作物的损失并提高产量。
2. 图像识别与数据采集系统的核心技术是图像识别与数据采集。
通过使用高分辨率摄像头或无人机配备的相机，系统能够对农田进行实时监控，获取大量的图像信息。
然后，利用深度学习算法和计算机视觉技术，对图像进行分析和识别，从而判断农作物是否受到了病虫害的侵害。
同时，系统还需要结合传感器等设备对农田中的温度、湿度、土壤湿度等重要参数进行实时采集，以提供更全面的数据支持。
3. 数据分析与预测系统收集到的大量图像和数据被送往云端进行进一步的分析和处理。
利用机器学习和数据挖掘等技术，系统可以从海量的数据中提取有价值的信息和模式，并对未来的病虫害发生进行预测。
这些预测结果可以帮助农民制定更加精准的防治方案，提前采取相应措施，防止病虫害进一步蔓延，减少经济损失。
4. 预警与反馈系统在识别到农作物病虫害的同时，可以通过短信、手机应用程序等多种方式及时向农民发送预警信息。
这些信息包括病虫害的种类、严重程度以及推荐的防治措施等。
农民可以根据预警信息及时采取措施，对受害农田进行进一步的检查和处理。
同时，系统还可以根据农民的反馈和实际情况，动态调整预测模型和防治策略，提高系统的准确性和可靠性。
5. 系统的优势与挑战面向智能农业的农作物病虫害自动识别与预防系统具有以下优势：- 自动化：系统能够自动识别病虫害并提供相应的防治方案，降低了农民的劳动强度。
知识图谱在农业领域的应用与创新
知识图谱在农业领域的应用与创新1. 引言农业是人类社会的基础产业，也是保障粮食安全和可持续发展的重要领域。
随着人工智能技术的发展和应用，知识图谱作为一种重要的知识表示和处理方法，正在逐渐应用于农业领域。
本文将探讨知识图谱在农业领域的应用与创新。
2. 知识图谱的概念与特点知识图谱是一种以实体和关系为基础构建的知识表示模型，通过将实体和关系以图的方式进行表示，可以更加直观地表示和表达知识。
在知识图谱中，实体可以是任何有形或无形的事物，如作物、农药、疾病等；关系则表示不同实体之间的联系，如作物与病虫害的关系、农药与作物的关系等。
知识图谱的特点包括开放性、可扩展性和可表达性，这使得它能够适用于各个领域，包括农业领域。
3. 知识图谱在农业信息管理中的应用农业信息管理是农业生产和管理中的重要环节，而知识图谱可以为农业信息管理提供支持。
首先，知识图谱可以帮助农业从业者建立农业实体库，将农业领域的各种实体进行分类和整理，为农业信息系统提供基础数据。
其次，知识图谱可以帮助实现对农业知识的智能化推荐，通过挖掘知识图谱中的关系，为农业从业者提供个性化的农业知识和技术推荐。
最后，知识图谱还可以提供农业数据的可视化展示，帮助农业从业者更好地理解和分析农业数据，进而做出更准确的决策。
4. 知识图谱在农业病虫害防控中的应用农业病虫害是影响农作物产量和质量的重要因素，而知识图谱可以辅助农业病虫害的防控工作。
首先，知识图谱可以帮助建立农业病虫害的知识库，将农业病虫害的相关知识进行整理和分类，为农业从业者提供参考和指导。
其次，知识图谱可以建立农作物与病虫害之间的关系模型，通过对农作物的生长环境和生理特性进行建模，预测和分析病虫害的发生规律，提前采取相应的防治措施。
最后，知识图谱还可以实现农作物病虫害的智能监控，通过对农田环境和作物生理状态的实时监测，及时发现病虫害的迹象并采取相应的防控措施。
5. 知识图谱在农业精准农业中的应用精准农业是农业生产中的一种创新模式，而知识图谱可以为精准农业提供支持。
植保系统在植物保护领域中的应用
植保系统在植物保护领域中的应用1植保系统概述1.1植保系统的概念植保系统是一个智能计算机程序系统，其内部含有大量的某领域专家的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。
也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它是应用人工智能技术和计算机技术的一种植保器材，根据某领域一个或多个专家提供的知识和经验，开展推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。
简而言之，植保系统是一种模拟人类专家解决领域问题的计算机程序系统。
植保系统是人工智能的一个分支,主要目的是要使计算机在各个领域中起到人类专家的作用。
形象地说，植保系统来自专家，许多方面又高于专家，犹如一位或多位“电脑”专家在帮助解决实际问题。
1.2植保系统的基本构造植保系统具体地说是一个计算机软件系统。
它由知识库、推理机构、人机交互接口和其它有关部分组成，图1是最常见的专家系统的系统构造。
知识库是用于存放领域知识的场所。
在系统中它独立于其它各部分，这是专家系统构造的一个重要特征。
知识库存放知识的方式是由它的知识表示策略决定的。
推理机构是控制整个专家系统开展工作、求解问题的机构，又称为推理机、控制机构或问题求解器。
解释机构是专用于向用户解释“为什么”、“怎样”之类的提问，它可解释中间推理过程与整个推理路径。
人机交互接口又称用户界面，即用户与专家系统开展联系的部分，一般是用来开展数据、信息或命令的输入，以及结果的输出和信息的显示等，它们与用户交往的媒介可以是文字、声音、图像、图形、动画、音像等。
交互界面是否友好和形象生动往往是衡量一个专家系统性能高低的标志。
随着智能代理技术的出现，人机接口的智能性和对用户需求的感应性明显增强。
数据库存放着系统的有关数据，可以是系统运行中用户输入的数据，中间推理得到的结果及最终结果等。
由于每个植保系统所需完成的任务不同，因此其系统构造也不尽一样。
知识库和推理机是专家系统中最基本的模块。
虫情测报系统解决方案(3篇)
第1篇一、引言随着全球气候变化和生态环境的恶化，病虫害问题日益严重，对农业生产和生态环境造成了巨大影响。
虫情测报作为病虫害防治的重要环节，对于降低病虫害损失、保障农业生产具有重要意义。
为了提高虫情测报的效率和准确性，本文提出了一套虫情测报系统解决方案，旨在为农业生产提供高效、精准的虫情信息服务。
二、系统需求分析1. 准确性需求：虫情测报系统应能准确识别病虫害种类、发生程度和分布范围，为防治工作提供科学依据。
2. 时效性需求：系统应能实时监测虫情变化，及时发布预警信息，为农业生产提供决策支持。
3. 易用性需求：系统操作简单，便于用户使用，降低用户对专业知识的依赖。
4. 可扩展性需求：系统应具备良好的可扩展性，能够适应不同地区、不同作物和不同病虫害的监测需求。
5. 经济性需求：系统成本合理，具有较高的性价比。
三、系统架构设计1. 数据采集层：通过物联网技术，利用各种传感器（如红外线传感器、超声波传感器、图像传感器等）实时采集农田虫情数据。
2. 数据处理层：对采集到的数据进行预处理、特征提取和病虫害识别，采用机器学习、深度学习等技术提高识别准确率。
3. 信息发布层：将处理后的虫情信息通过短信、邮件、微信等方式及时推送至用户终端。
4. 用户界面层：提供Web端和移动端两种访问方式，方便用户查看虫情信息、进行数据分析和管理。
四、系统功能模块1. 虫情监测模块：实时监测农田虫情数据，包括虫种、发生程度、分布范围等。
2. 病虫害识别模块：利用图像识别、声音识别等技术，自动识别病虫害种类。
3. 预警发布模块：根据虫情数据和分析结果，发布虫情预警信息。
4. 数据分析模块：对历史虫情数据进行统计分析，为病虫害防治提供决策依据。
5. 用户管理模块：管理用户信息、权限和操作记录。
五、关键技术1. 物联网技术：利用传感器实时采集农田虫情数据，实现远程监测。
2. 图像识别技术：利用深度学习算法，实现对病虫害种类的自动识别。
基于.NET的智能蔬菜病虫害诊断与防治专家系统构建
分布式部署 。系统 以 ２ ５ ０ ０ ０幅数码 图片和 ３ ０ ０万文字构建 的大型基 础数据库 作为查 询资源 ， 合理高效 地组 织、 存储、 管理数据 。实现 了对蔬菜病虫害浏览查询 、 智能诊 断等功能。系统后 台能够较好地管 理蔬菜 、 病 虫 害、 农 资、 治疗方案等信息 ， 从 而使 用户确诊 蔬菜病虫 害， 并获得相应治疗方案 。 关键 词 ： 蔬菜； 病虫害 ； 专 家系统 中图分类 号：Ｓ １ １ ７ 文献标志码 ： Ａ 文章编号 ： １ ６ ７ ２ － ７ ９ ８ ３ （ ２ ０ １ ３ ） ０ ２ － ０ ０ １ ８ － ０ ５
ＤＯ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ Ｊ ． Ｉ Ｓ Ｓ Ｎ． １ ６ ７ ２ － ７ ９ ８ ３ ． ２ ０ １ ３ ． ０ ２ ． ０ ０ ４
基 于． Ｎ Ｅ Ｔ的智 能蔬 菜病 虫害诊 断与 防治专家 系统构建
王久兴 ， 刘介 丹 ， 陈秀敏
（ 河北科技师范学院 ， 河北 秦皇岛 ， ０ ６ ６ ６ ０ ０ ）
是业务逻辑层 ， 用来处理系统所需的基础数据 ， 调用 Ｄ Ｂ层的数据访 问功能 ， 从而实现各个数据表对应
的数据的业务逻辑的执行 ， 供用户界面层直接调用 ， 实现用户界面层与业务逻辑层 的分离 ， 从而便于维 护、 扩展以及分布式部署。ｕ Ｉ 层为用户界面层 ， 与用户交互 ， 采用窗体形式 ， 其后 的控件的事件过程代 码调用 Ｂ Ｌ层的功能。Ｕ ｔ ｉ ｌ ｓ 层为工具层 ， 为公共的函数库 ， 完成从数据库 中读取 图片、 向数据库中存储
河北 科 技 师 范 学 院 学 报
第２ ７卷 第 ２期 ， ２ ０ １ ３年 ６月
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｈｅ ｂ ｅ ｉ Ｎｏ ｒ ｍａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｆ ｏ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｖ ｏ １ ． ２ ７ Ｎｏ ． ２ Ｊ ｕ ｎ．２ ０ １ ３
- 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)。
农作物病虫害防治知识库构建研究
作者：李红艳
来源：《农家科技》2019年第12期
摘要：随着现代信息技术的快速发展，各行各业对大数据的支持力度也在显著增加，为了能够促进我国农作物病虫害防治的整体水平，必须要积极构建完善的病虫害防治知识库体系，进而快速发现问题解决问题。
本文通过对农作物病虫害防治，知识库的构建策略进行深入探究，明确知识库的具体构建方式，保证为农业病虫害防治工作做出重要的参考依据。
关键词：农作物;病虫害防治;知识库;构建
运用人工智能技术和计算机技术，结合农业专家的相关知识经验以及数据模型，能够对农业病虫害的发展发生特点进行全面的分析，并且通过智能化的处理，为农业病虫害防治工作提供准确的参考依据。
在互联网技术快速发展的过程中，通过构建农业专家体系，可以从互联网中快速获取相关知识，保证病虫害防治知识库体系的内容更加的全面，提高了与用户的互动性和有效性，为用户选择农药提供重要的参考依据。
由于当前我国农药使用缺乏科学指导，很容易引发资源浪费甚至环境污染等问题，不利于农业的可持续发展，而通过农作物病虫害防治知识库体系，可以通过生物防治、化学防治、物理防治等多种手段相结合，促进病虫害防治的整体水平全面提升。
一、农作物病虫害防治知识库的重要分类
在农作物病虫害防治知识库体系构建的过程中，最主要的就是包括知识库管理系统，数据库以及知识获取模块和用户模块等相关的功能其中知识库作为系统的核心部分能够存储原理知识，经验知识以及事实资料等，对专家系统提供重要的参考。
在病虫害防治知识库体系设计时，最主要的就是保证整个体系功能优良，易于拓展，可以保证知识库体系及时更新。
对农作物病虫害防治知识库体系构建最主要的知识应该包括农药类型选择，知识用药时机知识、喷施药器械知识以及药效评估知识。
农药类型的选择知识可以为广大农民朋友准确辨别病虫害防治的具体用药，且起到良好的治疗效果，因为目前我国的农药都存在一定的局限性导致部分农药对某些病虫具有非常好的防治效果，但是对其他的病虫害防治效果不足，这样就很容易导致乱用药的问题，严重影响了病虫害的防治水平。
许多农民朋友缺乏农药使用的相关常识，没有能够正确的控制温度、湿度、光照等自然条件，严重影响了药效的发挥，用药时机知识体系主要包括农药的使用时机，只有正确掌握病虫害的发病规律，选择最佳的治疗时机才能够根治，通过对昆虫日常活动生理特点进行存储，掌握害虫的活动规律，能够在一天的时间内分别释放不同的药物，起到最有效的防治效果，增强农药的整体利用质量，减少农药的施药次数。
施药方法知识和喷施器械操作知识则主要为农民朋友提供相关的培训方法。
从目前来看，广大农民朋友对农药的基本特性不够了解，在喷药的过程中很容易采取错误的喷药方式，而无法发挥药效必须要选择良好的需要方法，从目前来看农村最普遍使用的喷药器具依靠人工支持。
严重浪费劳力，而且喷施的效果并不理想，导致白白浪费了大量农药，很容易造成环境污染的情况。
对农药药效评估知识体系中，则可以为农户作出正确的指导，避免因为药效评估不准确而多次施药的情况。
二、农作物病虫害防治知识库体系的具体构建策略
1.应用展示层。
农作物病虫害防治知识库体系应用展示从最主要的功能包括数据拆筛查，应用分析和平台管理等相关的职能，通过分布式数据库和分布式计算框架为基础，对相关的数据信息进行全面筛选，最终形成完善的农民用农作物病虫害电子档案库。
2.分析层。
人工智能机器学习模型能够结合人工智能神经网络技术以及自动学习技术，对海量的农作物病虫害信息数据进行深入的分析，通过建立识别正常农作物病虫害的数据与病虫害数据相对比，准确判断农作物病虫害存在的风险隐患。
3.数据库层。
数据构成主要包括通过对收集到的相关病虫害数据信息进行收集与存储，深入分析用户数据，最终形成完整的农作物病虫害医学知识体系，为技术人员的整治工作提供准确的参考。
4.基础层。
基础层主要包括移动互联网络平台、云存储服务器和云服务器，通过基础层能够将分布式计算机数据库进行统一管理，最终实现数据共享。
三、业务流程
1.大数据采集。
大数据采集是农作物病虫害防治知识库体系建设的基础，通过大数据采集功能可以对不同的农作物病虫害建设多种采集系统。
大数据采集还可以与智能APP相互连接，让农民能够随时随地通过智能手机APP对检测结果进行判断，有效减少花费，也可以节省技术资源。
2.大数据存储。
存储功能是农作物病虫害防治知识库体系建设的重要组成部分，通过对海量的数据信息进行存储形成数据库，能够完善数据分析处理的整体效率，对大规模的数据信息进行自动管理，确保对海量的数据信息自动检测，有效提高农作物病虫害防治知识库体系运行的质量。
在农作物病虫害防治知识库体系实践应用的过程中，能够多角度全方位的对农作物病虫害数据信息进行分析，并且建立标准的训练级，经过机器学习对各类病虫害危险度形成风险模型，通过人工智能对农作物病虫害数据信息进行科学合理的预测，准确判断近视发展趋势，做到个性化的结果分析。
3.大数据分析。
分析功能是农作物病虫害防治知识库体系建设的重要组成部分，在农作物病虫害技术大数据分析系统中，可以通过神经网络模式识别、自然语言处理、遗传算法等相关的数据，对海量的信息进行过滤和清洗，确保所有的数据信息都是最关键和最准确的真实数据，提高农作物病虫害防治知识库体系处理的整体效果。
4.大数据多模式交互。
交互平台主要是面向用户的操作平台，由于农作物病虫害防治知识库体系的服务对象很多，包括农民、监管部门、技术机构等，要根据不同的服务对象采取恰当的交互策略。
对于监管部门来说，可以通过农作物病虫害防治知识库体系对流行病学数据进行实时监测，还可以采取恰当的策略，为农民宣传并推广科学用药的相关知识，有效提高我国农作物病虫害防治的整体质量。
四、结语
總而言之，随着大数据技术和人工智能技术的快速发展，农作物病虫害防治知识库体系已经成为必然发展趋势，将农作物病虫害与农作物病虫害防治知识库体系相结合，可以有效提高技术数据信息互通互享机制，也能够帮助农民实现农作物病虫害的自我管理，确保对农作物病虫害的相关数据信息进行全面分析，有效提高技术的服务质量和服务水平。
参考文献：
[1]朱立武，李绍稳，刘厚胜，李瑶.砀山酥梨栽培专家系统的设计与实现[J].安徽农业大学学报，2001（03）：259-262.
[2]李东晖，戴小鹏，黄璜，廖晓兰，欧阳中万.棉花病虫害防治过程中专家系统的应用[J].福建电脑，2006（12）：1-2.
[3]左志平，唐少先.农作物病虫害防治知识库构建探讨[J].湖南农业科学，2012（09）：132-133+137.
[4]李鑫星，傅泽田，张领先.农业病虫害远程诊断与知识呼叫中心系统[J].农业机械学报，2010，41（06）：153-157.。