杜雨菲，吳保國(guó)，陳 棟

北京林業(yè)大學(xué) 信息學(xué)院，北京100083

1 引言

在生態(tài)建設(shè)日益推進(jìn)的今天，公眾對(duì)樹木的認(rèn)知有了更為深層的需求，從僅僅知道某樹種的名稱，演變到學(xué)習(xí)該樹種的相關(guān)知識(shí)，即從“認(rèn)樹識(shí)樹”，演變?yōu)榱恕罢J(rèn)樹識(shí)樹知樹”。通常情況下，公眾進(jìn)行樹種識(shí)別主要是通過(guò)閱讀掛在樹上的標(biāo)牌、查閱植物學(xué)家編制的樹種檢索表、樹種圖冊(cè)等方式。然而，標(biāo)牌上展示的知識(shí)有限，利用植物檢索表識(shí)別樹種需要林學(xué)專業(yè)知識(shí)，樹種圖冊(cè)攜帶不便，均不適用于普通人群對(duì)樹種知識(shí)的學(xué)習(xí)。隨著人工智能技術(shù)和圖像處理技術(shù)的快速發(fā)展，國(guó)內(nèi)外很多研究人員采用機(jī)器學(xué)習(xí)方法構(gòu)建了植物圖像分類模型[1-5]，并以模型為基礎(chǔ)研建了植物識(shí)別App，利用拍攝的樹葉、花果等對(duì)樹種進(jìn)行識(shí)別[5-7]，達(dá)到了一定的識(shí)別精度。美國(guó)的Leafsnap 是世界上首款運(yùn)用智能識(shí)別技術(shù)的植物識(shí)別App[8]，國(guó)內(nèi)比較成熟的有形色App[8]和花伴侶[9]，可以根據(jù)植物的形態(tài)照片對(duì)開花的植物進(jìn)行識(shí)別。除此之外，還有研究人員提出了基于交互式檢索采用專家問(wèn)答的方式進(jìn)行植物識(shí)別的設(shè)想[10-11]。然而，由于開花植物的花形特征較為顯著，喬灌木較少開花且枝葉特征較為細(xì)微，基于圖像處理和機(jī)器學(xué)習(xí)技術(shù)構(gòu)建的植物識(shí)別App多用于開花植物的識(shí)別，較少用于喬灌木識(shí)別；由于機(jī)器學(xué)習(xí)算法的準(zhǔn)確率與樣品選取量的問(wèn)題，對(duì)開花植物的識(shí)別率不高，對(duì)喬灌木植物的識(shí)別率更不容樂(lè)觀，容易對(duì)使用者造成誤導(dǎo)；植物識(shí)別App 沒(méi)有顯示植物識(shí)別的過(guò)程，使用戶喪失了進(jìn)一步探究植物相關(guān)知識(shí)以及獲得辨識(shí)能力的機(jī)會(huì)；采用專家系統(tǒng)的方法可以彌補(bǔ)上述不足，但現(xiàn)有的植物識(shí)別專家系統(tǒng)還停留在設(shè)想和設(shè)計(jì)階段。鑒于喬灌木識(shí)別專家系統(tǒng)的匱乏，以北京喬灌木枝葉檢索表[12]中的專家知識(shí)為例，對(duì)專家知識(shí)進(jìn)行提取整理，利用枝葉特征圖片對(duì)每條規(guī)則進(jìn)行直觀解釋，建立了喬灌木識(shí)別知識(shí)庫(kù)，設(shè)計(jì)了喬灌木識(shí)別推理算法，研建了北京市喬灌木識(shí)別專家系統(tǒng)，實(shí)現(xiàn)了對(duì)北京市喬灌木樹種的有效識(shí)別，使公眾可以在生活中感受豐富的樹種知識(shí)，為森林生態(tài)建設(shè)服務(wù)。

2 專家知識(shí)構(gòu)成及表示

2.1 樹木學(xué)專家識(shí)別樹種的知識(shí)構(gòu)成

樹木學(xué)專家通過(guò)樹木的樹皮、枝、葉、花、果等部位來(lái)識(shí)別樹木的科、屬、種、名。經(jīng)過(guò)長(zhǎng)期的知識(shí)積累，樹木學(xué)專家編制了樹種檢索表[13]。為了方便識(shí)別北京市的喬灌木樹種，劉一樵[12]編制了《北京市喬灌木枝葉檢索表》，根據(jù)枝葉形狀分為針形（條形、鉆形或鱗形）、復(fù)葉、單葉對(duì)生、單葉互生（葉全緣）、單葉互生（葉有鋸齒或裂片）5類，分別編制檢索表。該檢索表中的知識(shí)包含了詳細(xì)的枝葉特征文字描述，根據(jù)不同的葉形特點(diǎn)，枝葉檢索知識(shí)又細(xì)分為5 種：針形、條形、鉆形或鱗形；復(fù)葉；單葉對(duì)生；單葉互生、全緣；單葉互生、有鋸齒或裂片。樹種知識(shí)包含了樹種的名稱、拉丁名、造林技術(shù)、圖片等信息。

本研究的樹種識(shí)別方式以北京市喬灌木枝葉檢索表作為參照，表1 為該枝葉檢索表進(jìn)行檢索的示例：首先在首編號(hào)為1的枝葉特征中，確定該樹種的枝葉特征符合“葉針形，條形”，尾編號(hào)為2；繼續(xù)查詢首編號(hào)與尾編號(hào)相同的枝葉特征，即在首編號(hào)為2 的枝葉特征中，確定該樹種的枝葉特征符合“葉針形，單生或2～5 枚束生”，尾編號(hào)為3；繼續(xù)查詢首編號(hào)為3的枝葉特征，確定該樹種的枝葉特征符合“葉單生，在長(zhǎng)枝上螺旋狀著生，在短枝上簇生”，該條件對(duì)應(yīng)的尾編號(hào)為“雪松”，至此，完成了樹種的檢索與識(shí)別。

表1 枝葉檢索表示例

圖1 規(guī)則推理樹

圖2 二級(jí)規(guī)則推理樹

本文研究了上述檢索方式的知識(shí)結(jié)構(gòu)，構(gòu)建了枝葉檢索知識(shí)的規(guī)則推理樹（圖1），每類枝葉特征均對(duì)應(yīng)一個(gè)二級(jí)規(guī)則推理樹。圖2是以“針葉、條形、鉆形、鱗形”為例的二級(jí)規(guī)則推理樹示例，在樹的每一個(gè)節(jié)點(diǎn)都要判斷下一步應(yīng)該走哪一條路徑，每一個(gè)分支路徑都擁有一個(gè)枝葉特征值，通過(guò)選擇枝葉特征的值來(lái)決定下一個(gè)節(jié)點(diǎn)，在下一個(gè)節(jié)點(diǎn)再重復(fù)上述過(guò)程，就可以最終找到所需要的節(jié)點(diǎn)。存在不同規(guī)則推理路徑最終節(jié)點(diǎn)為同一樹種的情況，這種冗余路徑增強(qiáng)了樹種檢索與識(shí)別的效果。

2.2 專家知識(shí)表示

專家知識(shí)表示方法通常有6種：一階謂詞表示法[14]、產(chǎn)生式規(guī)則表示法[15]、框架表示法[16]、語(yǔ)義網(wǎng)絡(luò)表示法[17]、劇本[18]以及本體論[19]。產(chǎn)生式規(guī)則表示法適合表示因果關(guān)系的知識(shí)，能夠清晰明確地表示知識(shí)之間的規(guī)則，表示形式與人類求解問(wèn)題時(shí)的邏輯思維相似，易于理解，已經(jīng)多次被應(yīng)用在專家系統(tǒng)的構(gòu)建中[20-22]。因此，本研究采取產(chǎn)生式規(guī)則表示法對(duì)枝葉檢索知識(shí)進(jìn)行表示，例如雪松的檢索規(guī)則可以表達(dá)為：IF 葉針形，條形and 葉針形，單生或2～5枚束生and 葉單生，在長(zhǎng)枝上螺旋狀著生，在短枝上簇生THEN 雪松。

為了方便在計(jì)算機(jī)中進(jìn)行規(guī)則的存儲(chǔ)和調(diào)用，在推理規(guī)則樹的基礎(chǔ)上，構(gòu)建了枝葉檢索知識(shí)規(guī)則推理樹的鏈?zhǔn)诫p親表示模型，如圖3所示。每個(gè)節(jié)點(diǎn)都有頭指針和尾指針，父節(jié)點(diǎn)的尾指針指向子節(jié)點(diǎn)的頭指針，檢索過(guò)程由指針進(jìn)行鏈接完成。在一級(jí)模型中，枝葉特征導(dǎo)航節(jié)點(diǎn)是頭節(jié)點(diǎn)，其頭指針為空，尾指針為T0，據(jù)此鏈接到頭指針為T0的節(jié)點(diǎn)，再根據(jù)“T1、T2、T3、T4、T5”這5 種尾指針，鏈接到對(duì)應(yīng)的枝葉特征種類二級(jí)模型中。圖4 是枝葉檢索知識(shí)規(guī)則推理樹的鏈?zhǔn)诫p親表示二級(jí)模型的示例，尾指針為0 的節(jié)點(diǎn)沒(méi)有子節(jié)點(diǎn)。例如，父節(jié)點(diǎn)“針形、條形、鉆形、鱗形”的頭指針為空，尾指針為1，子節(jié)點(diǎn)“葉針形、條形”的頭指針與其父節(jié)點(diǎn)相同，尾指針為2。諸如此類，直到檢索到尾指針為“0”的節(jié)點(diǎn)結(jié)束樹種識(shí)別過(guò)程。

圖3 枝葉檢索知識(shí)規(guī)則推理樹的鏈?zhǔn)诫p親表示

圖4 二級(jí)鏈?zhǔn)诫p親表示

3 知識(shí)庫(kù)與推理算法設(shè)計(jì)

3.1 知識(shí)庫(kù)設(shè)計(jì)

根據(jù)樹種識(shí)別專家知識(shí)的表示，本研究設(shè)計(jì)了6個(gè)關(guān)系，分別是：存儲(chǔ)枝葉特征分類規(guī)則的導(dǎo)航表，存儲(chǔ)針形、復(fù)葉、單葉對(duì)生、單葉對(duì)生、單葉互生喬灌木樹種識(shí)別推理規(guī)則表。各個(gè)表之間的關(guān)系如圖5所示。

通過(guò)導(dǎo)航表，根據(jù)枝葉特征分類推理規(guī)則來(lái)從5種不同類型的喬灌木樹種識(shí)別推理規(guī)則表（表名分別為T1、T2、T3、T4、T5）中選擇推理規(guī)則表進(jìn)行知識(shí)搜索，定位到所要識(shí)別的樹種；然后通過(guò)造林樹種表（表名為Trees）獲取該樹種對(duì)應(yīng)的樹種知識(shí)，幫助用戶深入了解所識(shí)別樹種的知識(shí)。

導(dǎo)航表包含規(guī)則表序號(hào)、枝葉描述、表名和枝葉描述圖片名稱屬性，通過(guò)枝葉描述和枝葉描述圖片定位到喬灌木樹種識(shí)別推理規(guī)則表T1～T5種中的1種推理規(guī)則表。5種喬灌木樹種識(shí)別推理規(guī)則表結(jié)構(gòu)相同，包含了首節(jié)點(diǎn)，尾節(jié)點(diǎn)，枝葉描述，枝葉描述圖片名稱，樹種編號(hào)屬性，通過(guò)識(shí)別推理規(guī)則對(duì)樹種進(jìn)行識(shí)別，得到滿足規(guī)則的樹種編號(hào)，通過(guò)造林樹種表得到該樹種的知識(shí)。

導(dǎo)航表T0的關(guān)系模式如下：

T0（規(guī)則表序號(hào)，枝葉描述，表名，枝葉描述圖片名稱）

每類推理規(guī)則表的序號(hào)和表名均存儲(chǔ)在推理規(guī)則導(dǎo)航表的“規(guī)則表序號(hào)”“表名”字段中；推理規(guī)則導(dǎo)航表的“枝葉描述”字段存儲(chǔ)對(duì)推理規(guī)則表進(jìn)行分類的枝葉特征，這是導(dǎo)航的基本依據(jù)。

針形、條形、鉆形或鱗形葉喬灌木樹種識(shí)別推理規(guī)則表T1、復(fù)葉喬灌木樹種識(shí)別推理規(guī)則表T2、單葉對(duì)生喬灌木樹種識(shí)別推理規(guī)則表T3、單葉互生全緣葉喬灌木樹種識(shí)別推理規(guī)則表T4、單葉互生有鋸齒或裂片葉喬灌木樹種識(shí)別推理規(guī)則表T5的關(guān)系模式相同，表Ti(i=1,2,…,5)的關(guān)系模式如下：

Ti（首節(jié)點(diǎn)，尾節(jié)點(diǎn)，枝葉描述，枝葉描述圖片名稱，樹種編號(hào)）

造林樹種表中存儲(chǔ)造林樹種知識(shí)，關(guān)系模式如下：

Trees（樹種編號(hào)，樹種學(xué)名，樹種別名，樹種拉丁名，樹種描述，樹種分布，樹種描述圖片名稱，造林技術(shù)，……）

圖5 表之間的關(guān)系

本研究中每類喬灌木樹種識(shí)別推理規(guī)則的實(shí)現(xiàn)關(guān)鍵在于“首節(jié)點(diǎn)”和“尾節(jié)點(diǎn)”?！笆坠?jié)點(diǎn)”和“尾節(jié)點(diǎn)”共同標(biāo)識(shí)一條推理規(guī)則，因此，采用“首節(jié)點(diǎn)”和“尾節(jié)點(diǎn)”作為每類推理規(guī)則表的聯(lián)合主鍵。在樹種的識(shí)別過(guò)程中，需要通過(guò)查找“首節(jié)點(diǎn)”與上一規(guī)則的“尾節(jié)點(diǎn)”相同的規(guī)則，每個(gè)“首節(jié)點(diǎn)”“尾節(jié)點(diǎn)”都是大于等于0 的整數(shù)。當(dāng)“尾節(jié)點(diǎn)”的值為0 時(shí)，代表該條規(guī)則已經(jīng)結(jié)束，樹種識(shí)別完成，立即讀取該記錄的樹種編號(hào)，到造林樹種表中查詢其樹種名稱、樹種、樹種拉丁名、樹種描述、樹種分布等信息?！爸θ~描述”是用戶進(jìn)行枝葉特征選擇的基礎(chǔ)，“樹種編號(hào)”字段存儲(chǔ)了規(guī)則結(jié)束對(duì)應(yīng)的樹種編號(hào)，是與造林樹種表進(jìn)行連接的外鍵。由于用戶缺乏相關(guān)專業(yè)知識(shí)，難以對(duì)文本描述的枝葉特征進(jìn)行理解和判斷，因此，使用圖片對(duì)推理規(guī)則涉及的所有枝葉特征進(jìn)行直觀展示，輔助用戶進(jìn)行枝葉特征的理解和判斷?！爸θ~描述圖片名稱”字段中以“img/表名/圖名”的形式存儲(chǔ)對(duì)應(yīng)枝葉特征圖片的路徑和名稱，通過(guò)路徑和名稱獲取枝葉描述圖片。由于“首節(jié)點(diǎn)”和“尾節(jié)點(diǎn)”是每類推理規(guī)則表的聯(lián)合主鍵，因此，圖片均以“圖-首節(jié)點(diǎn)-尾節(jié)點(diǎn)”的形式進(jìn)行命名，可以唯一標(biāo)識(shí)每類推理規(guī)則下的圖片。

由于表T1～T5 的關(guān)系模式相同，這里只給出表T1的實(shí)例（表2），T2～T5的實(shí)例不再贅述。

表2 推理規(guī)則表T1實(shí)例

3.2 推理算法設(shè)計(jì)

推理機(jī)制的選擇需要與知識(shí)表示方式相匹配[20-21]。根據(jù)推理過(guò)程進(jìn)行的方向，可以將推理機(jī)制分為3 種：正向推理、反向推理和雙向推理[22]。正向推理機(jī)制是數(shù)據(jù)驅(qū)動(dòng)推理，推理基礎(chǔ)是邏輯演繹的推理鏈，與產(chǎn)生式規(guī)則表示法表示的知識(shí)結(jié)構(gòu)吻合。因此，根據(jù)產(chǎn)生式規(guī)則表示法的特點(diǎn)，選擇正向推理機(jī)制。本研究的推理算法設(shè)計(jì)主要包括枝葉特征讀取、喬灌木識(shí)別兩部分，具體推理算法如下：

步驟1 根據(jù)推理規(guī)則導(dǎo)航表T0中所有推理規(guī)則表對(duì)應(yīng)的枝葉描述、枝葉描述圖片，選定其中一類推理規(guī)則表。

步驟2 查詢選定的推理規(guī)則表Ti(i=1,2,…,5)中所有首節(jié)點(diǎn)為1的枝葉特征記錄，根據(jù)其對(duì)應(yīng)的枝葉描述、枝葉描述圖片，選擇與事實(shí)一致的枝葉特征。

步驟3 獲取選擇的枝葉特征對(duì)應(yīng)的尾節(jié)點(diǎn)，判斷該尾節(jié)點(diǎn)是否為0，不為0進(jìn)行步驟4，若為0轉(zhuǎn)向步驟5。

步驟4 在推理規(guī)則表Ti 中查詢所有首節(jié)點(diǎn)與步驟3中尾節(jié)點(diǎn)相同的枝葉特征記錄，根據(jù)其對(duì)應(yīng)的枝葉描述、枝葉描述圖片，選擇與事實(shí)一致的枝葉特征，轉(zhuǎn)向步驟3。

步驟5 獲取該枝葉特征對(duì)應(yīng)的樹種編號(hào)，查詢?cè)炝謽浞N表Trees中對(duì)應(yīng)的樹種信息并進(jìn)行展示。

步驟6 推理結(jié)束。

根據(jù)喬灌木識(shí)別的推理算法，考慮數(shù)據(jù)庫(kù)存儲(chǔ)和編程特點(diǎn)和計(jì)算機(jī)的可操作性，設(shè)計(jì)了整個(gè)系統(tǒng)的推理數(shù)據(jù)流程，如圖6所示。

圖6 喬灌木識(shí)別推理流程圖

圖7 總體框架設(shè)計(jì)圖

4 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

4.1 系統(tǒng)體系結(jié)構(gòu)與功能結(jié)構(gòu)設(shè)計(jì)

北京市喬灌木識(shí)別專家系統(tǒng)的總體框架設(shè)計(jì)如圖7所示。用戶可以通過(guò)網(wǎng)絡(luò)訪問(wèn)到系統(tǒng)界面，對(duì)系統(tǒng)進(jìn)行操作，系統(tǒng)通過(guò)訪問(wèn)枝葉檢索知識(shí)、樹種知識(shí)庫(kù)，調(diào)取相應(yīng)的知識(shí)和規(guī)則，對(duì)用戶的行為做出響應(yīng)，輸出結(jié)果。北京市喬灌木識(shí)別專家系統(tǒng)的功能結(jié)構(gòu)如圖8所示，該系統(tǒng)主要包括以下3個(gè)功能模塊：

（1）樹種識(shí)別功能包括交互式枝葉特征提問(wèn)，識(shí)別步驟退回、樹種信息展示。其中識(shí)別步驟退回功能在頁(yè)面中實(shí)時(shí)顯示用戶選擇枝葉特征的路徑，用戶不僅能根據(jù)路徑進(jìn)行植物識(shí)別知識(shí)的學(xué)習(xí)，還能判斷已經(jīng)選擇的枝葉特征是否有誤，如果有誤，可以返回上一步驟進(jìn)行重新選擇。樹種信息展示功能是在樹種識(shí)別結(jié)束后，通過(guò)被識(shí)別出的樹種編號(hào)查詢樹種知識(shí)庫(kù)，將該樹種的信息、圖片展示在頁(yè)面中。

（2）樹種組合條件查詢可以根據(jù)喬灌木的樹種編號(hào)、樹種學(xué)名、樹種別名、樹種描述、樹種分布、造林技術(shù)等條件進(jìn)行組合查詢，從樹種知識(shí)庫(kù)中查詢滿足條件所有樹種，用戶選擇后瀏覽該樹種的相關(guān)信息。

（3）知識(shí)庫(kù)維護(hù)功能包括知識(shí)查詢、知識(shí)增加、知識(shí)更新、知識(shí)刪除，分別實(shí)現(xiàn)對(duì)枝葉檢索知識(shí)庫(kù)、樹種知識(shí)庫(kù)中的知識(shí)進(jìn)行查詢、增加、更新和刪除，達(dá)到維護(hù)知識(shí)庫(kù)的效果。

本系統(tǒng)以Java 為開發(fā)語(yǔ)言，采用了Spring MVC（Model，View，Control）框架，使將系統(tǒng)分為了3個(gè)層次：數(shù)據(jù)持久層、業(yè)務(wù)邏輯層和表現(xiàn)層。數(shù)據(jù)持久層：使用SQL Server 作為系統(tǒng)的數(shù)據(jù)庫(kù)，使用Hibernate 框架對(duì)數(shù)據(jù)庫(kù)操作進(jìn)行封裝；業(yè)務(wù)邏輯層：基于Spring框架，實(shí)現(xiàn)了用戶知識(shí)查詢的接口；表現(xiàn)層：使用Ajax、JQuery技術(shù)與接口進(jìn)行數(shù)據(jù)的交互，實(shí)現(xiàn)系統(tǒng)的異步刷新，減少頁(yè)面刷新次數(shù)，使基本功能由瀏覽器分流，用戶友好性較強(qiáng)。

4.2 核心功能實(shí)現(xiàn)

北京市喬灌木識(shí)別專家系統(tǒng)核心功能的實(shí)現(xiàn)主要依靠2個(gè)關(guān)鍵算法：?jiǎn)坦嗄咀R(shí)別算法、退回算法。

（1）喬灌木識(shí)別算法的實(shí)現(xiàn)

本算法包括3 部分：枝葉特征知識(shí)的讀取、樹種知識(shí)的讀取、枝葉（樹種）描述與圖片的展示。依據(jù)圖6設(shè)計(jì)的喬灌木識(shí)別推理數(shù)據(jù)流程圖，具體的算法流程圖如圖9 所示。根據(jù)Spring MVC 架構(gòu)的層次，代碼的編寫分為數(shù)據(jù)持久層、業(yè)務(wù)邏輯層和表現(xiàn)層，關(guān)鍵代碼如下所示：

數(shù)據(jù)持久層：

String hql="from T1 where node=?"；

List list = find（hql，node）；

String hql="from Trees where treeNode=?"；

List list = find（hql，treeNode）；

業(yè)務(wù)邏輯層：

if（"T1".equals（type））{

List

list=selectTreeService.findSelectT1（node）；

returnWithJSONArray（response，list）；

……

}else if（"T5".equals（type））{

List list=

selectTreeService.findSelectT5（node）；

returnWithJSONArray（response，list）；}

表現(xiàn)層：

$.ajax（{

type：'POST'，

async：false，

url："../../selectTree/selectTreeTextDetail"，

dataType："json"，

data：{type：type，node：node}，

cache：false，

success：function（data）{ result=data；}}）；

If（node != 0）{

var result=_this.stepData（type，node）；

_this.detailStepShow（result，stepCount）；

}else{

var result=_this.findData（type，node）；

var endResult =

_this.endData（result.treeNode）；

this.endStepShow（endResult，stepCount）；}

（2）退回算法的實(shí)現(xiàn)

若只進(jìn)行了一次枝葉特征問(wèn)答，退回上一步需要從T0 表中查詢所有記錄；在已經(jīng)進(jìn)行了至少兩次枝葉特征問(wèn)答的情況下，通過(guò)節(jié)點(diǎn)的查找與鏈接，退回上一步。具體算法為：從存儲(chǔ)已經(jīng)選擇的枝葉特征記錄的數(shù)組中獲取最后一條記錄的首節(jié)點(diǎn)，利用該首節(jié)點(diǎn)在該子表中查詢出首節(jié)點(diǎn)相同的所有枝葉特征記錄，具體的算法流程如圖10所示。由于本算法是在讀取枝葉特征記錄算法的基礎(chǔ)上，增加了部分算法邏輯，因此代碼的編寫主要在表現(xiàn)層，關(guān)鍵代碼如下所示：

表現(xiàn)層：

if（node=="1"）{ //從T0表查詢所有記錄

type = T0；

node= T0；

圖8 功能結(jié)構(gòu)圖

var result=_this.stepData（type，node）；

_this.detailStepShow（result，stepCount）；

}else{

var endResult=_this.stepData1

（type，stepRecordArray[stepCount?1]）；

var node=endResult.node；

stepRecordArray.length=stepRecordArray.length?1；

var result=_this.stepData（type，node）；

_this.detailStepShow（result，stepCount）；}

圖9 樹種識(shí)別算法實(shí)現(xiàn)流程圖

圖10 退回算法實(shí)現(xiàn)流程圖

4.3 運(yùn)行實(shí)例

北京市喬灌木識(shí)別專家系統(tǒng)主要提供了根據(jù)枝葉特征來(lái)識(shí)別北京市喬灌木樹種的服務(wù)，識(shí)別過(guò)程中為避免用戶專業(yè)知識(shí)儲(chǔ)備不足會(huì)造成枝葉特征選擇疑惑的情況，采集了每個(gè)枝葉特征所對(duì)應(yīng)的圖片進(jìn)行輔助選擇。頁(yè)面上方顯示在該樹種識(shí)別的過(guò)程中枝葉特征的選擇路徑，方便用戶進(jìn)行系統(tǒng)的知識(shí)學(xué)習(xí)；下方為枝葉特征單選框，選定某種枝葉特征后，頁(yè)面右方會(huì)有相應(yīng)的枝葉特征圖片展示。以雪松為例，樹種識(shí)別的過(guò)程和最終結(jié)果分別如圖11和圖12所示。

圖11 樹種識(shí)別過(guò)程

圖12 樹種識(shí)別結(jié)果

系統(tǒng)運(yùn)行環(huán)境要求操作系統(tǒng)為64 位的Windows Server 2008 或更新的操作系統(tǒng)，WWW 服務(wù)器為Tomcat 7。硬件要求內(nèi)存為16 GB，硬盤空間大于等于100 GB，處理器為Intel?Xeon?CPU E5-2620 v2 @2.10 GHz。使用JMeter開源測(cè)試工具，模擬多用戶并發(fā)訪問(wèn)系統(tǒng)，對(duì)系統(tǒng)的性能進(jìn)行評(píng)估。測(cè)試結(jié)果如圖13所示，虛擬并發(fā)用戶數(shù)為1 000時(shí)，系統(tǒng)平均響應(yīng)時(shí)間約為20 ms，運(yùn)行情況良好，能夠有效地為公眾提供樹種識(shí)別服務(wù)。

5 結(jié)束語(yǔ)

針對(duì)目前喬灌木識(shí)別方式存在的問(wèn)題，以北京市喬灌木識(shí)別專家知識(shí)為例，分析了樹木學(xué)專家識(shí)別樹種的知識(shí)構(gòu)成，根據(jù)枝葉檢索表整理提取了枝葉檢索知識(shí)的邏輯結(jié)構(gòu)，設(shè)計(jì)了枝葉檢索知識(shí)的規(guī)則推理樹，基于產(chǎn)生式規(guī)則表示法對(duì)枝葉檢索知識(shí)進(jìn)行了表達(dá)。

圖13 系統(tǒng)平均響應(yīng)時(shí)間測(cè)試結(jié)果

為了方便將規(guī)則在計(jì)算機(jī)中進(jìn)行存儲(chǔ)，采用樹的鏈?zhǔn)诫p親表示法構(gòu)建了推理規(guī)則的數(shù)據(jù)結(jié)構(gòu)?；谠摂?shù)據(jù)結(jié)構(gòu)，完成了知識(shí)庫(kù)的設(shè)計(jì)，構(gòu)建了一種可以使用關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)規(guī)則性知識(shí)的關(guān)系表結(jié)構(gòu)，采用首節(jié)點(diǎn)、尾節(jié)點(diǎn)實(shí)現(xiàn)規(guī)則的存儲(chǔ)和推理。

與傳統(tǒng)的推理規(guī)則不同的是，本研究采用圖片對(duì)每條規(guī)則進(jìn)行直觀解釋，避免用戶在進(jìn)行樹種識(shí)別的過(guò)程中出現(xiàn)困惑，指引用戶進(jìn)行正確的選擇。

采用正向推理方式，詳細(xì)分析與設(shè)計(jì)了喬灌木識(shí)別推理算法。在此基礎(chǔ)上，構(gòu)建了北京市喬灌木枝葉識(shí)別專家系統(tǒng)，設(shè)計(jì)并實(shí)現(xiàn)了2 個(gè)核心功能的算法，使該系統(tǒng)能實(shí)現(xiàn)樹種的準(zhǔn)確識(shí)別。目前，北京市喬灌木枝葉識(shí)別專家系統(tǒng)已經(jīng)應(yīng)用在“森林培育與經(jīng)營(yíng)全過(guò)程專家輔助決策支持系統(tǒng)”項(xiàng)目中，運(yùn)行效果良好。