传统单机版的农业专家系统受时间、空间的限制,缺乏灵活性,数据处理形式单一,难以适应当前信息膨胀的互连网时代。随着Internet技术的不断发展,网络日益成为信息传输的主要模式,建立基于网络的农作物病虫害智能诊断系统是农业信息化发展的必然趋势。针对智能系统网络化的要求,本文以小麦病害诊断为切入点,重点研究网络专家系统模型、知识库构建以及小麦病害诊断中的知识获取与推理方法,并对提出的诊断算法进行测试,开发了算法测试软件和B/S模式的小麦病害智能诊断原型系统。本文的主要研究内容包括:(1)为了使知识库适应网络环境的需要,提出一种结合面向对象和XML技术的小麦病虫害知识表示方法,构建了小麦病虫害XML知识库,使知识库具有高度可扩展性并且不依赖于软硬件平台;探讨了网络专家系统相对于传统单机版专家系统的优势,提出了一个基于J2EE/XML的网络专家系统模型,使用EJB技术设计可重用的推理组件,使业务处理逻辑与底层系统逻辑分开。(2)针对传统专家系统在知识获取和不确定性推理等方面的不足,提出基于BP神经网络的小麦病害的知识获取与推理方法。对小麦病害特征参数进行编码,利用神经网络确定病害症状与病害类型之间的因果关系,从而实现小麦病害的智能诊断。实验证明,该方法的平均诊断正确率为80%。(3)为了使神经网络的诊断过程透明化,采用带惩罚函数的交错熵误差函数对神经网络进行训练,通过神经网络剪枝、权重分析和设定阈值三个步骤从神经网络中抽取产生式规则。实验证明,当阈值为0.2时,提取的诊断规则比较可靠,规则的保真度和精度分别为85%和81%。(4)将灰色关联分析应用于小麦病害案例推理中,提出采用灰色综合关联度做为案例的相似性度量指标,改进了距离相似性度量的缺陷。同时在案例检索中考虑特征参数对案例检索的重要性程度的不同,通过对不同特征参数设置不同的权值解决非关键指标对案例判断的干扰问题。测试结果表明,灰色关联案例推理的平均诊断正确率为82.5%。(5)研究系统实现的关键技术,并使用JAVA语言开发了诊断算法测试软件和B/S模式的小麦病害诊断原型系统。系统主要包括小麦病害诊断、图像查询、XML知识库管理与维护等功能。