不确定性知识表示是目前人工智能领域研究的热点,许多机器学习的算法、智能预测的工具及其应用也在不断的创新。特别的,在智能研究中存在的类似“左右”、“大约”或“大概”等不确定性概念在各个领域的研究中出现频繁,也使得研究重点的一部分,转移到不确定性的研究上来。为了使得这些不确定性得到缓解,许多不确定性表示方法相继发展。在多种农作物中,小麦产量当居前三,是重要粮食来源。小麦赤霉病是小麦病害中危害范围和程度都较为广泛的一种。其病情严重的评判指标是由小麦赤霉病测报技术规范标准[GBT15796-2011]中病穗率的范围来判别。由于硬性划分等级会出现:“两个无限接近临界值却划分到不同等级”的情况,对于这些临界点很难定义其等级。因此,对小麦赤霉病的分级制度中的不确定性进行合理表示,对施水施药具有一定的指导性意义。本文将小麦赤霉病在分级诊断中出现的不确定性作为研究对象,利用云模型作为不确定性知识表示工具,实现赤霉病等级划分过程的不确定性知识表示。并对表示结果进行综合评价和分析说明。论文的主要研究工作如下:(1)论述了不确定性知识的表示方法,以及其中的云模型在各领域中的应用。本文在阐述了不确定性知识的一些表示方法,综合分析了四种不确定性知识的表示方法,并分析各个不确定性知识表示方法的特点和适合的应用场景;详细论述了云模型中的相关理论和重要概念。(2)研究了小麦赤霉病病害图像分割方法。由于赤霉病的病害区域与无病害的小麦穗在颜色上的区别较大,详细对比了不同颜色空间的优势后,在光照强度的大小对图像质量的影响较低的颜色空间下,先进行图像的的去噪处理。然后对去噪后的图像进行病害区域提取。分别在不同的颜色空间下的颜色分量下,采用不同的分割算法,实现病害区域的分割,提取出病害区域。(3)构造了小麦赤霉病颜色特征参数并生成了颜色特征云模型。经过图像分割操作后,提取出病害区域。分别在三个等级临界值处,计算各分量的颜色矩值。由于仅仅使用颜色矩作为属性元素缺乏说服力,遂又构造了28个新的颜色特征,与颜色矩共同组成颜色特征。通过回归分析,得出病穗率和颜色特征参数的相关性系数。统计各区域内颜色参数的出现的频率,绘制出频率曲线,根据云变换算法得出颜色特征云的特征值,并生成相应的云模型。(4)提出了小麦赤霉病颜色特征云模型的综合评价模型,由云模型的“3En”准则,得出云滴对概念的贡献集中分布在某些区间。根据该性质,提出了颜色特征云模型的综合评价模型,最后对评价的结果进行说明和分析。