论文部分内容阅读
针对传统专家系统自学习能力差的缺点,设计了基于神经网络的作物营养诊断专家系统.收集了小麦缺素时的田间宏观表现、叶部、茎部、果实症状及引起缺素的原因,由专家进行诊断,将其在诊断过程中输入的可信度值和结论作为神经网络的输入神经元和输出神经元.在PC机上经过神经网络学习产生的学习结果存入永久性存储器中作为系统知识库的一部分,然后采用MCS-51C进行设计,在单片机上实现了整个系统的诊断功能.通过田间试验表明该系统充分模仿了专家现场诊断的功能,大大提高了诊断效率.