CC BY
16
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
16. Assessment of ecological stability in yield for breeding of spring barley cultivars with increased adaptive potential / V. M. Hudzenko [et al.] // Regulatory Mechanisms in Biosystems. 2020. No. 3. P. 425-430.
17. Barley: a translational model for adaptation to climate change / I. K. Dawson, J. Russell, W. Powell [et al.] // New Phytol. 2015. Vol. 206. P. 913-931.
18. Ethiopian barley landraces show higher yield stability and comparable yield to improved varieties in multi-environment field trials / W. G. Abtew [et al.] // J. Plant Breed. Crop Sci. 2015. No. 8. P. 275-291.
19. Tokhetova L. A., Akhmedova G. B., Akzhunis R. A. The use of multivariate factor analysis in the selection of spring barley for adaptability to various environmental conditions // Herald of Science of S. Seifullin Kazakh Agrotechnical University. 2020. No. 4 (107). P. 70-80.
Информация об авторах Зеленев Александр Васильевич, профессор кафедры «Земледелие и агрохимия» ФГБОУ ВО «Волгоградский государственный аграрный университет» (Волгоградский ГАУ) (РФ, 400002, г. Волгоград, Университетский проспект, 26), доктор сельскохозяйственных наук, тел. 8-905-333-21-68, OR-CID: https://orcid.org/0000-0002-9351-9922 Zelenev.A@bk.ru
Питоня Владимир Николаевич, старший агроном селекционер лаборатории селекции, семеноводства и питомниководства Федерального государственного бюджетного научного учреждения «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук» (ФНЦ агроэкологии РАН) (РФ, 400062, г. Волгоград, Университетский проспект, 97), тел. 8-929-788-49-06, ORCID: https://orcid.org/0000-0001-5827-5638 Сухарева Елена Петровна, старший научный сотрудник лаборатории селекции, семеноводства и питомниководства ФГБНУ «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук» (ФНЦ агроэкологии РАН) (РФ, 400062, г. Волгоград, Университетский проспект, 97), кандидат сельскохозяйственных наук, тел. 8-902-380-9687, ORCID: https://orcid. org/0000-0002-1083-3650 suhareva-e@vfanc.ru
Беликина Анна Васильевна, научный сотрудник лаборатории селекции, семеноводства и питом-ниководства ФГБНУ «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук» (ФНЦ агроэкологии РАН), (РФ, 400062, г. Волгоград, Университетский проспект, 97), тел. 8-904-406-64-58, ORCID: https://orcid.org/0000-0001-6576-3226, belikina-a@vfanc.ru
DOI: 10.32786/2071-9485-2022-03-08 METHOD OF DIAGNOSTICS OF DISEASES OF APPLE CROPS USING
THE EXPERT SYSTEM
O. V. Kochetkova1, I.Y. Podkovuyrov1,2, V-M .D. Anikeeva1
1 Volgograd State Agrarian University, Volgograd 2All-Russian Research Institute of Phytopathology, Moscow
Received 17.12.2021 Submitted 25.05.2022
Summary
The article contains methodological developments of a digital expert system for diagnosing apple tree diseases. The author substantiates the tools for developing an expert system using the hierarchy analysis method, which allowed, based on the specified criteria, to choose the most suitable Expert 2.0 shell. The work of the expert system consists in selecting the necessary rules in the knowledge base on apple diseases and comparing them with the facts.
Abstract
Introduction. When making prompt decisions to protect apple orchards from diseases, a quick analysis of the causes of pathological changes in various organs of trees is relevant. The developed original method of diagnosing diseases using a digital expert system (ES) allows you to identify the cause of the pathogenic process in trees without having special knowledge. Through objective questions and
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
answers, the shortest way of determination is built, accessible to both professional agronomists and amateur gardeners. Objects. The object of research is system that provides the possibility of diagnosing infectious and non-infectious diseases of apple trees based on a visual examination of the affected organs. Materials and methods. The research was carried out on the basis of the Department of Information Systems and Technologies and at the Center of Phytopathology of the introducers of the All-Russian Research Institute of Phytopathology in 2014-2020. Field material on infectious and non-communicable diseases of apple trees was collected in the fruit farms of Limited Liability Company «Sady Pridonia», Limited Liability Company «Zavetny sad», Peasant farm «Sayutin N.I.» of the Volgograd region in 2015-2020. Diagnostics of pathogenic organisms was carried out according to generally accepted methods in the laboratory of the Center for Collective Use «State Collection of Pathogenic Organisms and Plant identifiers» of the All-Russian Research Institute of Phytopathology. Results and conclusions. As a result of the study of diseases of apple crops, a classification was compiled, including symptoms of their manifestation on leaves, branches and trunk, fruits and roots. The tools for developing an expert system using the hierarchy analysis method were substantiated, which allowed, based on the specified criteria, to choose the most a suitable shell Expert 2.0. The work of this shell is to select the necessary rules in the knowledge base on apple diseases and compare them with the facts. The analysis of knowledge in the database of symptoms of diseases is carried out on the basis of special questions, in accordance with the original logical inference scheme developed. As a result of testing, it was found that the available 44 signs of apple tree diseases are correctly used by the rules of the expert system, and the logical search scheme is correct and effective, since it takes at least one step and a maximum of twelve to make a diagnosis.
Key words: diseases of apple crops, method of diagnostics of diseases, expert system, production rules.
Citation. Kochetkova O. V., Podkovuyrov I.Y., Anikeeva V-M .D. Method of diagnostics of diseases of apple crops using the expert system. Proc. of the Lower Volga Agro-University Comp. 2022. 3(67). 71-82 (in Russian). DOI: 10.32786/2071-9485-2022-03-08.
Author's contribution. All authors of this research paper have directly participated in the planning, execution, or analysis of this study. All authors of this paper have read and approved the final version submitted.
Conflict of interest. The authors declare no conflict of interest.
УДК 004.822:632.2
МЕТОДИКА ДИАГНОСТИКИ БОЛЕЗНЕЙ ЯБЛОНЕВЫХ КУЛЬТУР ПРИ ПОМОЩИ ЭКСПЕРТНОЙ СИСТЕМЫ
О. В. Кочеткова1, доктор технических наук, профессор И. Ю. Подковыров1,2, доктор сельскохозяйственных наук, доцент В.-М. Д. Аникеева1, студент
1Волгоградский государственный аграрный университет; г. Волгоград
2Всероссийский научно-исследовательский институт фитопатологии, г. Москва
Дата поступления в редакцию 24.06.2022 Дата принятия к печати 05.09.2022
Актуальность. При оперативном принятии решений по защите яблони от болезней актуален быстрый анализ причин патологических изменений. Разработанная оригинальная методика диагностики болезней при помощи экспертной системы (ЭС) позволяет выявить причину патогенного процесса у деревьев без специальных познаний. Через объективные вопросы и ответы выстраивается короткий путь определения, доступный как профессиональным агрономам, так и садоводам-любителям. Объект. Объектом исследований является система, обеспечивающая возможность диагностики инфекционных и неинфекционных болезней деревьев на основе визуального обследования поражённых органов. Материалы и методы. Исследования выполнены на базе кафедры информационных систем и технологий и в ФГБНУ ВНИИФ в 2014-2020 годах. Полевой материал по болезням яблони собран в плодовых хозяйствах ООО «Сады Придонья», ООО «Заветный сад»,
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
К(Ф)Х «Саютин Н. И.» Волгоградской области. Диагностика патогенных организмов проведена по общепринятым методикам в лаборатории Центра коллективного пользования «Государственная коллекция патогенных организмов и растений идентификаторов» Всероссийского научно-исследовательского института фитопатологии. Результаты и выводы. В результате была составлена классификация, включающая симптомы проявления болезней на листьях, ветвях и стволе, плодах и корнях. Обоснован инструментарий для разработки экспертной системы с помощью метода анализа иерархий, что позволило исходя из заданных критериев выбрать наиболее подходящую оболочку Expert 2.0. Работа экспертной системы заключается в подборе нужных правил в базе знаний о болезнях яблони и сопоставлении их с фактами. Анализ знаний в базе симптомов болезней проводится на основании специальных вопросов, в соответствии с оригинальной схемой логического вывода. В результате тестирования установлено, что имеющиеся 44 признака болезней яблони корректно используются правилами экспертной системы, а логическая схема поиска является правильной и эффективной, поскольку для постановки диагноза нужно проделать минимум один шаг и максимум двенадцать.
Ключевые слова: болезни яблоневых культур, методика диагностики болезней яблони, экспертные системы, продукционные правила.
Цитирование. Кочеткова О. В., Подковыров И. Ю., Аникеева В.-М. Д. Экспертная система для диагностики заболеваний яблоневых культур. Известия НВ АУК. 2022. 3(67). 71-82. DOI: 10.32786/2071-9485-2022-03-08.
Авторский вклад. Все авторы настоящего исследования принимали непосредственное участие в планировании, выполнении или анализе данного исследования. Все авторы настоящей статьи ознакомились с представленным окончательным вариантом и одобрили его.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Введение. Сельскохозяйственное производство связано с рядом сложных и трудоёмких процессов, требующих от агрономов высокой квалификации в решении повседневных задач. Применение цифровизации для экспертной оценки состояния плодовых деревьев, принятия верных решений в обеспечении их жизнедеятельности является актуальной задачей [3]. Однако данное направление исследований для садоводства является новым. Методическое обеспечение разработки как локальных, так и унифицированных экспертных систем является приоритетной задачей [1, 2, 12].
Яблоневые культуры занимают лидирующее место в структуре плодоводческой отрасли России. Климатические условия позволяют производить в России более 1,2 млн тонн яблок в год. По данным единой межведомственной информационной статистики, площадь плодово-ягодных насаждений России в настоящее время составляет 502,2 тыс. га, и ведущее место в таких насаждениях принадлежит яблоне. Данная отрасль обладает значительным потенциалом как в области наращивания площадей насаждений, так и с точки зрения импортозамещения.
При производстве яблок до 30 % урожая теряется вследствие поражения деревьев болезнями [5]. Применение мероприятий по защите садов требует быстрой и достоверной диагностики видов болезней [13]. Используемый на предприятиях инструментарий для этих целей включает использование справочников-определителей и лабораторную диагностику. Однако эти методы достаточно сложны и требуют значительного времени для выявления причин проявления патологических состояний яблоневых культур. На основании выявленного противоречия была выдвинута гипотеза о необходимости создания методики для разработки экспертной системы, которая позволит быстро диагностировать болезни деревьев [6, 7].
Диагностика болезней при помощи экспертной системы целесообразна, поскольку в области защиты растений существуют опытные специалисты, которые сходятся в оценке предлагаемого решения, а их знания легко внести в экспертную систему.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Решаемая в исследовании задача является практически значимой, имеет эвристическую природу и является достаточно сложной, что оправдывает затраты на разработку методики [14]. Кроме того, в методике не используется абстрактное мышление. Определение болезни происходит с помощью символьных рассуждений. Таким образом, выдвинутая гипотеза является осуществимой [15].
Целью исследования является разработка простой и доступной экспертной системы для диагностики болезней растений, основанной на эвристическом анализе, вер-бально-символьной базе знаний и правилах логики.
Материалы и методы. Фактические исследования по сбору и классификации диагностических признаков болезней яблони проведены в 2015-2020 годах на предприятиях Волгоградской области ООО «Сады Придонья», ООО «Заветный сад», К(Ф)Х «Саютин Н. И.». В исследовании использованы как отечественные (Ренет курский золотой, Беркутов-ское, Синап северный, Спартан, Мартовское), так и зарубежные (Лигол, Хоней крисп, Гол-ден делишес, Ред делишес и др.) сорта. Диагностика патогенных организмов проведена по общепринятым методикам в лаборатории Центра коллективного пользования «Государственная коллекция патогенных организмов и растений идентификаторов» Всероссийского научно-исследовательского института фитопатологии. В исследовании использовались следующие методы: анализ отечественных и зарубежных работ в области болезней яблоневых культур, методы структурного и объектно-ориентированного анализа, планирования, алгоритмизации, теории систем и системного анализа [8]. Для выбора инструментария при создании экспертной системы применялся метод анализа иерархий [9, 10].
Результаты и обсуждение. На первом этапе выполнения исследований был собран фактический материал по инфекционным и неинфекционным болезням яблони. Каждому патологическому состоянию деревьев составлено вербальное описание, совокупность которых легла в основу формирования базы знаний. По каждому выявленному патологическому состоянию деревьев проведена проверка причин болезни и диагностика возбудителя лабораторным методом в Центре коллективного пользования «Государственная коллекция патогенных организмов и растений-идентификаторов». В результате диагностические признаки болезней были сопоставлены с причинами, их вызывающими (виды возбудителей, физиологические нарушения). Это обеспечило достоверность формируемой базы знаний, содержащей сведения о типе болезни, этиологии, названии, диагностических признаках, периоде проявления, форме проявления и причинах.
На втором этапе исследований разработаны оригинальные принципы классификации болезней на основе собранных ранее данных. По симптомам болезни были разделены на четыре группы: симптомы, наблюдаемые на листьях, на ветвях и стволе, на плодах и на корнях. Симптомы, наблюдаемые на листьях, разделили на четыре группы: пятнистость, деформация, изменение окраски и размеров. Симптомы на плодах разделили на пятнистость, деформацию и остальные. В результате изучения болезней яблони была составлена классификация, включающая симптомы их проявления на листьях (17 болезней), на ветвях и стволе (11), на плодах (13) и корнях (3).
Установлено, что создание запросов к экспертной системе в соответствии с разработанной классификацией не является рациональным, поскольку предполагает большую длительность диагностики. Линейная классификация подразумевает рассмотрение экспертной системой всех симптомов поочередно до тех пор, пока не будет поставлен диагноз [4], то есть системе можно задать до 57 вопросов для постановки диагноза. Данный подход нерационален, поскольку предполагает большую длительность диагностики. В решении задачи постановки диагноза была разработана более рациональная модель, учитывающая потребности пользователей.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
На третьем этапе исследований с учётом потребностей агрономов и специалистов были сформированы функциональные требования к экспертной системе:
- система должна обеспечивать высокий уровень решения задачи в области диагностики болезней растений;
- задаваемые пользователю вопросы, рекомендации, логика работы и принятия решений должны моделировать поведение грамотного специалиста по защите растений;
- система должна обеспечивать возможность модификации при обновлении информации;
- возможность консультации по симптомам в определенном порядке;
- экспертная система должна иметь возможность быстрого диагностирования болезней;
- экспертная система должна иметь возможность диагностирования всех выявленных в садах региона 28 болезней.
Для оптимизации и повышения эффективности работы экспертной системы разработана структура из пяти основных компонентов:
- диалоговый компонент - интерфейс для взаимодействия пользователя с системой;
- рабочая память для хранения всех данных о предметной области и правил, используемых системой;
- решатель для применения информации и базы знаний для создания правил, которые синтезируют решение поставленной задачи;
- компонент объяснений дает изъяснение результату, а также показывает пользователю пошаговое действие;
- базы знаний — совокупность фактов и правил логического вывода в выбранной предметной области деятельности.
На рисунке 1 представлена диаграмма вариантов использования разрабатываемой ЭС для представления ожидаемого поведения системы. Имеются такие актеры, как эксперт, пользователь и администратор, а также прецеденты: управление экземплярами, управление фреймами, управление слотами, синтез решения и управление экспертной системой.
Рисунок 1 - Диаграмма вариантов использования
Figure 1 - Use case diagram
С целью повышения эффективности системы были приняты следующие структурно-логистические взаимосвязи актеров и прецедентов, изображенных на диаграмме. Эксперт заполняет, проверяет, редактирует базу знаний экспертной системы. Админи-
75
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
стратор управляет экспертной системой, базой знаний с технической стороны и синтезом решения, а также осуществляет добавление, удаление, редактирование продукционных правил. Пользователь системы производит синтез решения (постановку диагноза болезни), трассировку диалога.
Алгоритм построения экспертной системы адаптирован к решению поставленной задачи и включает следующую логическую цепочку: идентификация, концептуализация, формализация, разработка экспертной системы, опытная эксплуатация, тестирование. На стадии идентификации обоснована цель, поставлены задачи, подлежащие решению, определены эксперты и типы пользователей. На стадии концептуализации выполнен содержательный анализ в области диагностики болезней яблони, определены используемые понятия и их взаимосвязи, выбраны методы решения задач. На стадии формализации определена структура ЭС и базы знаний, классифицированы основные понятия, создана рабочая модель системы. На стадии выполнения базы знаний наполнена информацией созданной экспертом. Этот процесс включал извлечение знаний из эксперта, организацию знаний для их эффективного анализа и работы системы и представление знаний в цифровом виде. Последовательность этих стадий представлена на рисунке 2.
Рисунок 2 - eEPC диаграмма стадий разработки экспертной системы Figure 2 - eEPC diagram of expert system development stages
76
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
На этапе идентификации определена цель разработки - снижение количества неверных диагнозов, сокращение времени выявления болезней. Определены эксперты и типы пользователей (фермеры, начинающие агрономы, студенты, обучающиеся по направлению «Агрономия», садоводы-любители).
На четвёртом этапе разработан эффективный способ диагностики болезни. Полевыми наблюдениями в плодовых садах установлено, что наибольшей распространённостью (более 60 %) отличается мучнистая роса, поэтому диагностику в экспертной системе было принято начать с этой болезни. На втором месте по распространённости на деревьях оказалась пятнистость листьев. Далее алгоритм диагностики предполагает задать все вопросы, касающиеся пятнистости листьев и определить такие заболевания, как вирусная мозаика, бактериальная пятнистость, парша, антракноз и ржавчина яблони.
Следующая группа вопросов будет определять наличие деформации листьев, плодов и коры. После чего необходимо определить, произошла ли деформация именно листьев, что позволит нам диагностировать такие заболевания, как недостаток бора, недостаток кальция, повреждения тлей и недостаток цинка. Если же деформация листьев не произошла, необходимо задать вопросы, касающиеся деформации коры или плодов, что позволит нам диагностировать такие заболевания, как нарушение водного баланса, воздействие температур, нектриевый некроз, цитоспороз, песталоциоз, монили-оз, черный рак и поражение базидиальными грибами.
Далее зададим вопросы, касающиеся изменения цвета листьев, что позволит диагностировать непаразитарные болезни: недостаток азота, недостаток калия, недостаток железа и недостаток фосфора. Следующая группа вопросов касается симптомов, наблюдающихся на плодах. Это такие заболевания, как плодовая гниль и монилиоз. И самым последним зададим вопрос о симптомах, наблюдающихся на корнях.
Таким образом, система не задаёт ряд ненужных вопросов. Сначала проводится диагностика по самым явным симптомам (на листьях и коре) и уже только потом по неявным (на корнях и плодах). Следовательно, диагностика упрощается, а время поиска диагноза сокращается.
Схема логического вывода представлена на рисунке 3.
При помощи метода анализа иерархий симптомов и диагнозов выбран цифровой инструментарий для разработки экспертной системы, что позволило выбрать наиболее подходящую оболочку исходя из заданных критериев (Expert 2.0). В ней знания по диагностике болезней яблони формализованы и систематизированы совокупностью продукционных правил. Работа данной оболочки заключается в подборе нужных правил в заготовленной базе знаний и сопоставлении их с фактами.
Знания в данной системе представлены в виде правил, построенных на использовании выражений вида: ЕСЛИ условие ТО заключение. Так же база знаний содержит факты (в нашем случае наличие симптомов болезней яблони на различных органах). Факты отражают информацию о текущем состоянии дерева (растения) и создаются в ходе консультации, в результате работы пользователя с машиной вывода. Оболочка Expert 2.0 придерживается принципа открытости, что в процессе использования позволяет совершенствовать и корректировать базу знаний.
База знаний представляет собой текстовый файл, содержащий правила, факты и комментарии.
®
у
Мучнистая pod/Powdery mildew Щ tVCIOT
Hi ЛКТкП «елюиям / IS there a powdery vyut-rcW »-arwT? coating on the leaves?
•'^fj'lf rj»>i?/ Are there stains?
ГЬогхигл ЩффИфЯ rrnnV нЯпсе Men a
wnM rlonoitheieawes?
Rpu пом""9' .
а____X — \ of the leave*"^ v
Вяиои« Jp 1 нгкум •« S Ч
иоии«»^ Viral Mosaka HtlHv«eTMrjrTU с У*« Инге обымот . " ¿1 „ \
Z \__________________________*>»в.лгл«г«1
ГЬэдаал* ¿ejopvа./, / There was а
г-лобо* глг deformation of leaves, ftorjQunorjvef re 4№:a ■X^ friits or bar*?
У Did the color of change?
the leaves
Ccfcf*>kie cofw I Are the skeletal
prayiiffpi k roots breaking down
OTvrpacrir.w and dying off and/or Ckvrtovw nircfijoT^ ^ nnc&ax?/ Symptoms observed on ^P*-* fOcpwWKi are the shallow
the fruit?
ИЯЦ.Г é
piowsuw spoBnim« '(угел"?
bjeTipiarym л, mnrnciocib /bacterial spotting
/ Brown s
00
Г>ТК| typxo /
■m? /
i/n spots?
® h
/ Are the
Нет KpM ЛКМ* 5» ».ум oi the leaves
EfiepX Г oGp&iyUT curved upwards 'локмс/? and forma ,
"ST"*'У *
Йпфоп /Lack^kium
Недасшок
/Lack
Нет rVrva белого цвга? /White spots?
ÄHTfWttlOJ / Anthracj
M ^Пим opjKX
cnese » ^
orange
цр7 _ пеявлютея
^vJIÄTKI оракхевуо rv<rk4ü-i
Ржа очи hi а яблони ЩР / Apple tree rust
s of / Leaves on the tops of
' огапве color?the sh00K
narrow, rose]" leaves appi
Недостаток циика,
I -
T *
roots getting tribalized?
/ H«'rrfiirVbeen I well ingof the ih
HaWU*HI* BOON ОГО &1Л4НС4 WW em действ« теиператур
/Violation of the
water balance or
He ктриевым некроз 4
/ iNectriiiim necrosis
Ccv£-a in/wax госрииогя пом««
seeds in
Нет rhe fruit get moldy Корневая / Root rot and rot? ГЪеды ГИМ/lb
млугрсв раины» e внвм|«1 ияепыо? /Symptoms observed
¡¡A on the fruit?
fttaM axna. / &cess n'frogen.
надоста« lack of trace тероагшютое elements
LLKToenopoj
/Cytosporosi
é
гоь^ектрлясгуу»' ШПН
машлч! Brown spots with concentric
раггрюгва^сецы. Uiop^hecrurtofredandor,,*«
I рагдодоевме тм/"3 роим» Недоснюк /Ldck of z,nc
фосфоре I the £ore of y|£ers In the fûrrnûf diamonds _.„ . илтглш « f uu a round the kidneys о r the fou ndatio n of sho ots?
w дмюр* 1-2 m. opa Ha topsмаы в »держим
восру ГК^С ми СМПИМ Кора gtp^eT ркДОММТСЯ И / The bark is black, cracks
WSfifOB? ГЪтуссм»*-»* Юры, у^ХЗг/г I HU Min Uli, вбразуота MAW? and peeling, ulcersare побегов iJVCIVeB?/Few bark, dryness „ formed?
V xr-cr цгл\ JÊUgnthM
U doBwih"I
Ол thÄAWiWSIÄfl numerous Нет^-а4ат«« of 1 -2 thebarkispwIedTi
Пестапоцисв
/ Pestalocyo!
r
Umiuvoi fl
/ Moniliosis^*
л äk^ n Мерный рак v_/ / Black cancer
Кораоглагвает». /Thebark peels, ros г? о та тепа r piCœ r. *wthc body of еьг^Езетлрев&эд
Порме»« Ьиимикн!гр&лн*/ Defeat with bezidial ежа »я p.) - "mushrooms
mushrooms appear and /or wood uo?
Рисунок 3 - Схема логического вывода Figure 3 - Logical output diagram
(4) t4>
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Продукционная модель имеет вид [11]: правило(п) объект1 = значение1 объект2 = значение2
то
заключение = значение, кд=к3,
где правило, то и кд - ключевые слова языка представления знаний, n - это идентификатор правила, объект - это объект предметной области, значение - это значение объекта предметной области, кд - это коэффициент достоверности - целое число в диапазоне от 0 до 100.
Также есть выражения вида [11]: разрешен (объект=разрешенные_значения) вопрос (объект=вопрос),
где разрешен - задает возможные значения для объекта; вопрос - это вопрос выводимый системой, для того чтобы пользователь ответил на него в ходе консультации, путем выбора значения из списка разрешенных значений.
В базу знаний были внесены вопросы в соответствии с построенной нами модели анализа информации и схемой логического вывода:
Каждому вопросу присвоен порядковый номер от 1 до 36, который является объектом, имеющим разрешенное значение «да» и «нет». На рисунке 4 представлен пример того, как выглядит консультация с пользователем.
Значение объекта Object value
Объект: 1 Object: 1
На листьях наблюдается мучнистый налёт? Is there a powdery coating on the leaves?
Да/ Yes Нет/ No
коэффициент достоверности confidence factor
1 oo
OK
Рисунок 5 - Консультация с пользователем
Figure 5 - User consultation
На рисунке 6 представлен пример работы системы. В ходе консультации был поставлен диагноз бактериальная пятнистость. Факты свидетельствуют о том, что результат достигнут (диагноз поставлен) за шесть шагов.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА, НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
UNGlN ,,
База знании Консультация Справка Knowledge base Consultation Help
Проверка Control
Выполнить. Perform Ээиюченне Conclusion
ПЯТНИСТОСТЬ^ КД-1ЁЙ
Check - bacterial spotting, kd=100
Фаин Evidence
1-лет, кд-LW 1-гл, hd=1Gii
2-Д4, вд-100 2-у=в, ld=103 I s-mcrf, КД-^В З-гл, kd=K>î ¿■да, КЛ-1ЙЭ №103
Оч*стии> Clear
Рисунок 6 - Результат консультации Figure 6 - The result of the consultation
Созданная экспертная система была протестирована методом контрольных примеров с целью выявления полноты и правильности реализованных функций. В тестировании участвовали сотрудники, магистранты и студенты агротехнологического факультета.
В ходе тестирования проверялись: ввод новых логических правил; возможность постановки верного диагноза; возможность быстрой диагностики; возможность консультации по симптомам в определенном порядке. Кроме того, тестировалась корректность применения правил логического вывода за счет поиска конфликтных правил, возбуждающихся в сходных ситуациях, но приводящих к различным результатам; поиска избыточных правил, возбуждающихся в сходных ситуациях и приводящих к сходным результатам; поиска пропущенных правил, приводящих к результату; поиска атрибутов без ссылок, то есть атрибутов, на которые не существует ссылок ни в одном правиле; поиска атрибутов с некорректным значением. В результате тестирования установлено, что имеющиеся 44 признака болезней корректно используются правилами экспертной системы, а логическая схема поиска является правильной и эффективной, поскольку для постановки диагноза нужно проделать минимум один шаг и максимум двенадцать.
Выводы. Создана методика и выполнена разработка экспертной системы, которая обеспечила высокий уровень решения задачи в области диагностики болезней яблоневых культур (Экспертная система по диагностике заболеваний яблоневых культур: пат^и 2021662470 Российская Федерация / Кочеткова О. В., Аникеева В.-М. Д., Подковыров И. Ю.; заявитель и патентообладатель ФГБОУ ВО Волгоградский ГАУ. - № 2021661574; заявл. 21.07.2021; опубл. 29.07.2021, Бюл. № 8). Преимуществом использования экспертной системы является возможность исключить использование справочников-определителей, требующих специальных познаний в области биологии и ботаники и применение сложных методик определения, что часто приводит к ложным результатам, и, как следствию, ошибкам в выборе способов лечения.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Вопросы, логика работы и принятия решений моделируют поведение грамотного специалиста по болезням деревьев яблони. Система обеспечивает возможность модификации при обновлении информации. Консультация по симптомам происходит в строго определенном порядке. Экспертная система дает возможность диагностирования 28 различных патологических состояний деревьев яблони инфекционной и физиологической природы.
Процесс диагностики болезней значительно сокращается при использовании экспертной системы. Остаются только этапы выявления симптомов и постановки диагноза. Полностью отпадает необходимость долгого ожидания результатов от специалиста. При помощи данной методики возможно разработать аналогичные экспертные системы для диагностики болезней других культурных растений. Внедрение данной экспертной системы в цифровую среду управления процессом производства яблок принесет значительный экономический эффект, так как в ряде случаев нет необходимости выполнения дорогостоящих и длительных по времени лабораторных методов диагностики. Быстрое принятие решений на основе экспертной системы позволит сократить потери урожая в результате поражения болезнями деревьев яблони.
Библиографический список
1. Аладина Е. В., Аладин Д. В. О возможности создания логической интеллектуальной системы обеспечения ухода за растениями на основе миварных экспертных систем // Фундаментальные основы физики, химии и механики наукоёмких технологических систем формообразования и сборки изделий. Сборник трудов научного симпозиума технологов-машиностроителей. 2020. С. 230-237.
2. Барышев, М.В. Модели представления знаний экспертных систем // Научно-технический вестник информационных технологий, механики и оптики. https://cyberleninka.rU/article/n/modeli-predstavleniya-znaniy-ekspertnyh-sistem.
3. Кравченкова И. С., Хабаров С. П., Кривицкий С. В. Разработка экспертной системы определителя древесных и кустарниковых пород по листьям // Цифровые технологии в лесном секторе: материалы Всероссийской научно-технической конференции. Санкт-Петербургский государственный лесотехнический университет имени С. М. Кирова; Санкт-Петербургский политехнический университет Петра Великого, 2020. С. 83-86.
4. Насырымбекова П. К. Продукционно-фреймовое представление знаний в экспертных системах // Известия Кыргызского государственного технического университета им. И. Разза-кова. 2021. № 2 (58). С. 106-114.
5. Подковыров И. Ю., Костин М. В., Долгова А. И. Влияние цеолитов на интенсивность жизненных процессов гибридных форм растений // Вестник Казанского государственного аграрного университета. 2019. Т. 14. № 2 (53). С. 31-36.
6. Санин С. С. Проблемы фитосанитарии России на современном этапе // Защита и карантин растений. 2016. № 4. С. 3-6.
7. Соколов М. С. Концепция фундаментально-прикладных исследований защиты растений и урожая // Агрохимия. 2017. № 4. С. 3-9.
8. Стефанюк В. Л. Локальная организация интеллектуальных систем. М.: ФИЗМАТ-ЛИТ, 2016. 328 с.
9. Baimukhamedov M. F., Yeslyamov S. G. Methodology of designing expert training systems // Актуальные научные исследования в современном мире. 2020. № 7-1 (63). C. 8-13.
10. Chuhrova N., Johannessen A. Fuzzy Hypothesis Testing: A Systematic Review and Bibliography Fuzzy Hypothesis Testing // A Systematic Review and Bibliography Applied Soft Computing. 2021. V. 106. https://doi.org/10.1016/j.asoc.2021.107331.
11. Expert 2.0 // Microsoft. https://www.microsoft.com/ru-ru/p/ungin/9phpdllrdx4p? activet-ab=pivot:overviewtab.
12. Ivkin A. N., Burlakov M. E. Realization of expert intrusion detection system based on the results of datasets and machine learning algorithm analysis // Прикаспийский журнал: управление и высокие технологии. 2020. № 2 (50). С. 100-107.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
13. Podkovyrov I. Y., Kimsanbaev O. H., Zhemchuzhina N. S. The emergence and development of mycoses in short-day plants under conditions of long daylight hours // E3SWebofConferences. 2020. V. 203. https://www.e3s-conferences.org/articles/e3sconf/pdf/2020/63/e3sconf_ eb-wff2020_02009.pdf
14. Ritter N., Straub J. Implementation of Hardware-Based Expert Systems and Comparison of Their Performance to Software-Based Expert Systems Machines. 2021. V. 9 (12). P. 361. https://doi.org/ 10.3390/machines9120361.
15. Rizzo L., Longo L. An empirical evaluation of the inferential capacity of defeasible argumentation, non-monotonic fuzzy reasoning and expert systems // Expert Systems with Applications. 2020. V. 147. 113220. https://doi.org/10.1016/j.eswa.2020.113220.
Информация об авторах: Кочеткова Ольга Владимировна, заведующий кафедрой информационных систем и технологий Федерального государственного бюджетного образовательного учреждения высшего образования «Волгоградский государственный аграрный университет» (400002, г. Волгоград, пр-т Университетский, 26), доктор технических наук, профессор. ORCID: https://orcid.org/0000-0003-4892-189 E-mail: ovk555@bk.ru.
Подковыров Игорь Юрьевич, руководитель центра прикладной генетики и селекции хлопчатника Федерального государственного бюджетного образовательного учреждения высшего образования «Волгоградский государственный аграрный университет» (400002, г. Волгоград, пр-т Университетский, 26), доктор сельскохозяйственных наук, доцент. ORCID: https://orcid.org/0000-0003-0505-4094. E-mail: cottonvolgau@list.ru
Аникеева Василиса-Мария Дмитриевна, студент Федерального государственного бюджетного образовательного учреждения высшего образования «Волгоградский государственный аграрный университет» (400002, г. Волгоград, пр-т Университетский, 26). E-mail: AnikeevaVMD@yandex.ru
DOI: 10.32786/2071-9485-2022-03-09 AGROFORESTMELIORATION OF FAR EASTERN HECTARE
V.M. Kretinin
«Federal Scientific Centre of Agroecology, Complex Melioration and Protective Afforestation of the Russian Academy of Sciences», Volgograd, Russia
Received 19.06.2022 Submitted 31.08.2022
The research was carried out within the framework of the state task of the Federal Scientific Center for Agroecology, Complex Melioration and Protective Afforestation of the Russian Academy of Sciences No 122020100312-0 "Theory and principles of the formation of adaptive agroforest reclamation complexes in the dry steppe zone of the south of the Russian Federation
in the context of climate change"
Summary
The article presents the results of the study of agroforestry practices implemented in the Far East. The expediency of implementing the state program "Far Eastern Hectare" on the virgin lands of the Far Eastern Federal District is analyzed, taking into account the specifics of the ecological potential and soil and climatic features of the regions involved in this program. Recommendations are given on the choice of strategy and tactics of land use on undeveloped lands. Given the vastness of the territories covered with forests, a list of humane economic use of forest resources is given.
Abstract
Introduction. The article is devoted to the study of the issue of agroforestry amelioration in the Far East, within the framework of the state program for granting Russian Federation citizens land plots located in the Far Eastern Federal District, which has been implemented since May 1, 2016. The relevance of this work lies in the insufficient study of the aspects of agroforestry in the application of Federal Law No. 119-FL in practice, which subsequently became one of the reasons for program participants to remove plots from cadastral records and refuse the contract. Object. The object of the study is the Far Eastern Federal District,
