بخشی از مقاله
چکیده
در این مقاله، سیستم خبرهاي معرفی میشود که قادر است با دریافت اطلاعات مربوط به علایم دیداري گیاه برنج، بیماري آن را تشخیص دهد و راهکارهاي مناسب جهت برخورد مناسب با آن را ارایه دهد. این سیستم خبره با استفاده از ابزار CLIPS پیادهسازي شده و در آن دانش لازم در قالب قوانین، ذخیره شده است. نتایج حاصل از این سیستم خبره در خصوص تشخیص بیماري با توجه به علایم مشاهده شده در گیاه برنج، در تمامی موارد مورد آزمایش، صحیح بود و بیانگر کارایی مناسب، قابل اعتماد بودن، سریع و مقرون به صرفه بودن این نرمافزار است.
کلمات کلیدي: سیستم خبره، بیماري برنج، تشخیص و مدیریت، برنج، ابزار .CLIPS
.1 مقدمه
با توجه به اینکه متخصصین و افراد خبره در هر کار و رشتهاي همیشه در دسترس نیستند، سیستمهاي خبره روشی براي پیشبرد کارهاي تخصصی است که نیاز به مهارت افراد خبره دارد. در این پروژه، سیستم خبرهي تشخیص بیماريهاي برنج معرفی میشود که با داشتن علایم بیماري میتواند نوع بیماري را تشخیص دهد و راهکارهاي لازم جهت مدیریت بیماري را ارایه میدهد. بر اساس اطلاعات موجود در سایت مؤسسهي تحقیقاتی بینالمللی برنج - IRRI - براي گیاه برنج حدود 21 نوع بیماري وجود دارد که آسیبهاي شدیدي به میزان محصولدهی نهایی میزند. همچنین براي گیاه برنج حدود 100 نوع آفت وجود دارد که از این بین حدود 20 نوع آن آسیبهاي شدیدي به میزان محصولدهی نهایی وارد میآورد. موشها هم سالانه باعث از دست رفتن 5 تا 10 درصد از محصول سالانه برنج در جهان میشوند. نماتود1ها، پرندگان و حلزونها هم از محصول سالانه میکاهند.[8]
در این میان، سیستم خبرهي تشخیص بیماريهاي برنج همان طور که از نام آن برمیآید براي تشخیص 21 نوع بیماري این گیاه طراحی شده است. با توسعهي فن آوري اطلاعات و کاربردهاي هوش مصنوعی، سیستمهاي خبره در زمینههاي مختلف صنعتی، کشاورزي، پزشکی، فضانوردي، تصمیم گیريهاي مالی و غیره راه یافتهاند. این سیستمهاخصوصاً در حوزههاي تشخیصی و ارایهي راهکار براي مدیریت شرایط خاص با توجه به علایم خاص مثلاً یک بیماري، وارد شدهاند. به عنوان نمونه میتوان به کارهاي صورت گرفته در زمینهي پزشکی و حوزههاي مرتبط زیر اشاره نمود: برنامه DENDRAL که در سال 1965 جهت شرح و بیان ساختار مولکولی از روي اجزاي تشکیل دهنده ماده، ارایه شد. نرمافزار MYCIN در سال 1976 براي کمک به پزشکان در انتخاب آنتیبیوتیکهایی براي کنترل عفونتهاي پیشرفته و شدید ارایه گردید. نرمافزار RUFF براي تشخیص بیماري هاي ریوي، نرمافزار XBONE براي تشخیص امراض استخوان، نرمافزار VM براي نظارت بر بیماران نیازمند مراقبتهاي ویژه، نرمافزار CADCUCEUS جهت تشخیص بیماريهاي داخلی و سیستم خبره BLUEBOX براي تشخیص و درمان افسردگی، از این دسته از سیستمهاي خبره میباشند.[7][4] کارهاي انجام شده در سالهاي اخیر در داخل کشور نیز در زیر آمده است:
• طراحی سیستم خبره جهت تشخیص سرطان چشم و پیشنهاد در مورد شیوهي درمان آن .[2]
• طراحی سیستم خبره براي تشخیص بیماري سل.[1]
• طراحی سیستم خبره براي تشخیص سرطان خون و پیشنهاد در مورد شیوه درمان آن.[4]
• حکیم: سیستم خبره طب سنتی جهت تشخیص بیماريهاي گوارشی و تجویز داروهاي گیاهی.[5]
در این مقاله پس از معرفی سیستمهاي خبره، مسأله مورد مطالعه و روش پیشنهادي شرح داده میشود و نتایج حاصل از پروژه ارایه خواهند شد.
.2 تعریف سیستم خبره
سیستمهاي خبره2 به دستهاي خاص از نرمافزارهاي رایانهاي اطلاق میشود که در راستاي جایگزینی یا کمک به متخصصان انسانی در زمینههاي مشخص تخصصی به کار گرفته میشوند. این گونه سیستمها، سیستمهاي مبتنی بر دانش هستند که معمولاً اطلاعات را به شکل واقعیات3 و قوانین4 در پایگاه دانش به شکل ساخت یافتهاي ذخیره مینمایند و سپس با استفاده از روشهاي استنتاج، نتایج را از پایگاه دانش استخراج میکنند. در واقع، اساس کار سیستم خبره، دانشی است که مهندس دانش از طریق مطالعه منابع معتبر موجود، مصاحبه، مشاهده روند حل مسأله توسط اشخاص خبره و دیگر روشهاي جمع آوري اطلاعات، کسب میکند. مهندس دانش، همچنین مسؤول ارایهي دانش کسب شده به سیستم و تشکیل پایگاه دانش است، به طوري که راهحلهاي ارایه شده توسط سیستم که بر اساس این اطلاعات هستند، صحیح، قابل اعتماد و هوشمندانه باشند. البته باید به این نکته توجه داشت که استخراج دانش و انتقال آن به پایگاه دانش یکی از پیچیدهترین مراحل در توسعه سیستمهاي خبره محسوب میشود.
اگر چه ممکن است که مستندات، دستورالعملها و منابع تحقیق به راحتی در دسترس باشند، ولی دانش واقعی مورد نیاز در ذهن خبرگان است و مسایل مختلفی نظیر عدم دسترسی به این افراد، عدم تمایل آنان براي همکاري و ... دستیابی مهندس دانش به این اطلاعات را با چالش روبرو میکند. وارسی و اعتبارسنجی سیستمهاي خبره نیز از اهمیت ویژهاي برخوردار است. شخص خبره، رفتار و عملکرد برنامه را به دقت مورد تجزیه و تحلیل قرار میدهد و تغییرات لازم با توجه به نظر فرد خبره صورت میگیرد. این فرآیند تکرار میگردد تا برنامه به سطح عملکرد مطلوب برسد. به طور کلی، سیستم خبره با استفاده از پایگاه دانش و کسب اطلاعات از کاربر، اقدام به حل مسأله و ارایهي راهنمایی به کاربران میکند. قواعد در سیستمهاي خبره به صورت ”اگر شرایط - واقعیات - ، آنگاه پیامدها - نتایج - “ بیان میشوند. بنابراین، میتوان چنین نتیجه گرفت که پیامدها اجرا میشوند، اگر شرایط فراهم شده باشند
.3 بیان مسأله
براي بیشتر مردمی که در آسیا زندگی میکنند برنج زندگیست. برنج فرهنگ، رژیم غذایی و اقتصاد هزاران میلیون انسان را شکل داده است. براي بیش از نیمی از انسانها برنج زندگیست. با در نظر گرفتن موقعیت مهم آن، سازمان ملل سال 2004 را به عنوان سال بینالمللی برنج اعلام کرد. نامگذاري یک سال به نام یک کالا در تاریخ سازمان ملل بیسابقه بود. سازمان ملل تأکید کرد که برنج باید به عنوان غذایی که میتواند فقر و گرسنگی را تسکین دهد مورد توجه بیشتري قرار گیرد و آگاهی رسانی بیشتري در مورد آن انجام شود.[9] یکی از مسایل اصلی کشاورزان برنجکار، در دسترس نبودن متخصصان این گیاه در زمانهاي مورد نیاز آنها است، زمانی که علایم بیماري در گیاهان ظاهر میشوند و مشخص است که گیاه سلامت نیست اما نوع بیماري نیز براي آنها قابل تشخیص نیست و بنابراین نیاز به متخصصی دارند که نوع بیماري را تشخیص داده و راهکارهاي مناسب را براي مدیریت آن بیماري به آنها گوشزد کند. اهمیت بالاي محصول برنج و همین نیاز به وجود متخصصان و عدم دسترسی به آنها ما را بر آن داشت تا به طراحی و پیادهسازي یک سیستم خبره بپردازیم که مشکل ذکر شده را برطرف کند. نحوهي تعامل کاربر با سیستم خبرهي تشخیص بیماريهاي برنج به صورت محاورهاي صورت میگیرد به گونهاي که سیستم خبره با سؤالات هدفداري که از کاربر میپرسد علایم بیماري را دریافت میکند و با استفاده از روش استنتاج پیشرو، بیماري برنج را تشخیص میدهد و راهکارهاي مدیریت بیماري تشخیص داده شده را ارایه میدهد.
.4 طراحی راهحل پیشنهادي
پس از کسب دانش از طریق مصاحبهي نیمساختیافته با افراد خبره و نیز استخراج دانش از منابع تخصصی، اقدام به طراحی و سپس پیادهسازي این سیستم خبره شد. یکی از مهمترین معیارهاي تشخیص بیماري استفاده از مشخصات قسمت آسیب دیده5ي گیاه است. از روي مکان ظاهر شدن، رنگ، اندازه، شکل و سایز خصوصیات قسمت آسیب دیده میتوان تعداد زیادي از بیماريهاي برنج را تشخیص داد. بنابراین الگوهایی که اطلاعات قسمت آسیب دیده را در خود نگه دارند پیشبینی شده است. این اطلاعات با شروع اجراي سیستم خبره توسط قوانین تعریف شده از کاربر سؤال میشود. مسلماً تنها اطلاعات قسمت آسیب دیده براي تشخیص بسیاري از بیماريهاي برنج کافی نیست و الگوهاي دیگري نیز براي نگهداري اطلاعات مربوط به خصوصیات برگ، دانهها، سنبلچه6 و تخم قارچ7 در نظر گرفته شدهاند. پس از تجزیه و تحلیل اطلاعات به دست آمده از شخص خبره و منابع تخصصی، متغیرهاي مهم تأثیرگذار در تشخیص بیماريهاي برنج، شناسایی و دستهبندي شدند و ساختار اطلاعات در قالب نمودار گرافیکی که بخشی از آن را در شکل 1 میتوان دید، تدوین گردید
