卫星遥感农业监测系统中实例检索算法研究

臧 晶，李成华，田 野

(1. 沈阳农业大学工程学院，沈阳 110866；2. 沈阳理工大学信息科学与工程学院，沈阳 110159；3. 沈阳理工大学机械工程学院，沈阳 110159)

0 引 言

基于实例推理(Case-based reasoning，CBR)的智能设计方法的关键在于修改成熟的设计实例，以完成新设计,而修改的前提是检索得到相似实例集，因而高性能的实例检索算法成为CBR设计领域的研究重点。

文献[1]研究了多级实例检索算法，提出最邻近法计算多级实例相似度，文献[2]提出了分类检索方法，同样利用最邻近法计算实例相似度，这两种算法具有较低的计算复杂度，但是只考虑了少数类型属性相似度的计算问题，因此适用范围有限；文献[3]主要针对水库建设领域中的特殊应用，研究了多级实例分类检索方法，提高了检索效率和准确性，但该算法中没有考虑由属性权重归一化导致的属性权重区分度小的问题，以及该问题对设计结果的精度影响。

目前许多成熟的实例检索算法以用户需求为检索参数，以混合相似度模型为检索依据，进行检索。这些算法在一定范围内已经得到了有效检验及应用。文献[4]提出了一种面向五种不同数据格式的混合相似度检索模型，该模型考虑了多种数据格式的相似计算方法，适应领域广泛，但是该算法未考虑在相似计算之前降低数据格式的复杂性，因此算法复杂度高；文献[5]提出了基于混合相似度模型的变压器设计案例检索算法，准确性较高，但未研究需求在设计过程中反复变化的问题。

上述研究中，大多未考虑需求处理的复杂度问题，以及该问题对设计结果的后续影响。而随着卫星技术[6-8]和现代农业的发展，卫星遥感和陆地传感器技术可以实测农作物的生长指标、生长环境等参数，这些参数可以在时间、空间上补充传统需求调查方式的不足，一定程度上解决了需求处理复杂的问题，为实现农业全领域信息化、智慧化提供技术支撑[9-11]。因此，本文将卫星遥感技术应用到铲式播种机需求采集过程，设计了一个卫星遥感农业监测系统。在该系统中，采用遥感实测需求参数优化播种机设计需求问题，同时也优化了混合相似度算法，降低了计算复杂度，并将优化后的混合相似度算法运用到铲式播种机多级实例检索过程，在提高检索准确度的同时，保证了新设计的可修改性，提高了设计过程的智能性。

1 卫星遥感农业监测系统的核心结构设计

本文结合卫星传感器网络、移动网络与远程数据库技术，设计和建立了一个卫星遥感农业监测系统，该系统能够利用作物生长状况、土壤条件等参数的遥感监测结果优化农业机械的智能设计，其核心部分是基于遥感监测参数控制的农机智能设计平台，其结构如图1所示。

图1 遥感监测系统的农机智能设计平台Fig.1 Intelligent design platform for agricultural machineryin remote sensing monitoring system

图1中，PC1为管理者终端，PC2为用户及专家终端，PC3为研发者终端；Web服务器处理远程的用户和设计者之间的数据交互；采集数据库负责存储经网络和协调器节点发送的、由陆空传感器节点采集的各种参数；设计服务器负责处理农机智能设计过程中远程专家和设计者的交互，提供设计的知识与规则，设计过程中涉及到的领域知识和可拓规则等被存储到知识数据库中；存储服务器负责处理历史实例的存储和相似实例集的检索、检索实例的修改、新设计的虚拟测试等服务环节，这些环节中相应的数据被存储到实例数据库。

该系统的优势在于，通过利用卫星技术和传感器技术，能够在更大范围内快速、准确地获取设计需求，还可以使不同地域的专家和研发人员进行远程交互，满足了不同农业环境下农机研发者技术交流的需要，同时也能为异域环境变化对播种机设计的影响提供技术支持，进行快速设计。

2 基于混合相似度的实例检索模型设计

在卫星遥感农业监测系统中，实例检索算法是基于实例推理设计的关键技术之一[12]，即以采集处理后的设计需求为检索条件获得实例库中的相似产品实例集合。本文提出了一种改进的分类检索和混合相似检索融合的检索模型，该模型在建立播种机多级实例数据库的基础上，实现方案实例的分类检索与模块实例的多级混合相似度检索，如图2所示。

图2 基于可拓CBR的播种机实例检索模型Fig.2 Planter case retrieval model based on extensional CBR

1)对融合监控参数的新需求问题进行可拓分解。

2)以新需求的主题特征向量为依据，采用分类检索方法确定新设计问题的归属方案类别。

3)基于分解后的新需求问题进行多层级模块的问题特征匹配。

4)利用混合相似度方法计算新设计问题与历史实例各特征的相似度、各级模块相似度。

5)基于相似度阈值检索得到和目标实例相似的各子级实例集(多级检索)。

在本模型中，最主要的部分是多级实例库的设计、多级实例集的相似检索、以及检索过程中混合相似度算法的设计，这也是目前研究的重点。

2.1 多级实例库的结构设计

基于铲式播种机产品的设计过程，依据可拓分解变换原理和独立性原理，本文将播种机历史实例分解为方案物元实例、模块物元实例、零件物元实例三种类型，相应的播种机设计实例库结构为多层次结构，匹配已有设计实例的层次性。

以分解得到的播种机多级实例库为例，定义第r个子级实例库的实例集合为

(1)

(2)

定义Z0为新问题实例

Z0={x01,x02,…,x0i,…,x0m,y01,y02,…,y0j,…,y0n}

(3)

式中：Z0的问题特征向量为Vp(1)。

2.2 方案实例分类检索过程

在多级实例库中，基于隶属度函数进行方案实例的分类检索，其实质是设计问题属性和第k类方案实例属性的匹配。基于子空间法的基本思想，定义方案级实例向量空间的隶属度函数F为

(4)

设播种机有M类方案实例集，利用分类隶属度函数确定新需求问题的归属类(假定为第K类)的过程为

1)根据新需求问题构建其主题特征Mp(1)和特征向量Vp(1)。

2)合并各实例的相同特征或相近特征，优化方案级实例主题特征集Mp(1)和特征向量Vp(1)。

3)利用隶属度函数F计算新设计问题特征向量与不同类方案实例特征向量的隶属度κ，在方案实例库中检索出新设计问题的方案类别实例。

2.3 多级实例集的相似检索

在确定新设计的方案类别基础上，依次检索多级实例库中满足新需求问题的相似模块实例集，相似零部件实例等，直至确定满足新设计的结构特征参数。文中设计了多层子级实例相似检索的过程，分为两个阶段：设计问题的多级模块实例匹配阶段和多级实例相似检索阶段。如图3所示。

图3 多级实例的相似检索过程Fig.3 Similarity retrieval procedure of multi-level cases

(5)

K个模块实例的问题特征集合构成第r级实例库的全体特征集，表示为

(6)

K个模块实例的问题特征值集合构成第r级实例库的全体特征值集，表示为

(7)

第r级新设计实例的问题特征集表示为

(8)

第r级新设计实例的问题特征值集合表示为

(9)

匹配过程为

(1)对于满足匹配要求的第r级子实例，将其作为其父级实例(第r-1级实例)的一个属性。找到匹配的第r级子级实例库中1个或多个子实例，作为第r+1子级实例的父级实例。

(2)将找到的全部匹配子级实例(r级)，合并为其父级实例(第r-1级实例)的属性，完成该层级模块的匹配。

(3)判断第r+1级子实例是否为特征级实例，若不是则继续进行第r+1级子实例与设计目标(新需求)问题的匹配过程，若是特征级实例则结束匹配。继而通过按相似度检索得到与新需求最贴近的各级实例(集)。

2)进行多级实例相似检索，其步骤为:

(1)利用混合相似度公式计算问题实例(新需求问题组成)与已有实例单个特征间的相似度。

(2)计算各子级实例综合相似度，根据相似度数值的大小，选择满足相似度阈值要求的各级历史子实例集。

(3)各级历史子实例按层级关系组合，确定满足相似度的多级实例。

播种机实例之间的相似程度由其所包含的播种机实例要素之间的相似程度决定，因此，本文分别研究播种机实例参数的结构距离特征、可拓特征(包括形态、距离)的相似性计算方法，并通过赋予各个因素合适的权重系数，最终获得播种机实例混合相似性计算方法。

3 多算法融合的混合相似性计算方法设计

实例间相似性计算是实现历史实例修改变异的基础，其本质是识别新设计实例与历史实例数据之间的差异性和相似性。文中提出了一种多算法融合的混合相似性计算方法，该方法在多级实例空间中将三种相似度计算方法按不同权重进行多级融合，以提高全局相似度计算结果的准确性，弱化其局限性。

以播种机二级实例库为例，定义多算法融合的相似性计算过程如下：

1)计算底层实例库中各子实例的单特征相似性，并同时对属性赋予相应的权重。

设λ(pki,x0i)表示第i个问题特征pki和目标实例问题特征x0i之间的特征相似度，则λ(pki,x0i)可被定义为

λ(pki,p0i)=exp(-|d(pki,p0i)|)

(10)

式中：i表示问题特征的序号(i=1,2,…，m)，m是每个实例问题特征的数量；d(pki,x0i)表示第i个特征pki和目标实例问题特征x0i之间的特征差异度，其计算方法为：

(1)当特征pki和目标实例问题特征x0i的值均为确定数时，即有pki=ai1，x0i=bi1，则采用基于距离模型的思想[13]计算特征之间的差异度d(pki,x0i)

d(pki,x0i)=|ai1-bi1|/Δmax

(11)

式中：Δmax=max{d(pki,x0i)，i=1,2,…，m}。

(2)当特征pki和目标实例问题特征x0i的值均为区间数时，即有pki∈[ai1,ai2]，x0i∈[bi1,bi2]，则采用基于区间-区间可拓距思想[14]计算特征之间的差异度d(pki,x0i):

d(pki,x0i)=

(12)

式中：Δmax=max{d(pki,x0i)，i=1,2,…，m}。

(3)当特征pki为确定数，目标实例问题特征x0i的值为区间数时，即有pki=ai1，x0i∈[bi1,bi2]，则采用基于点-区间可拓距思想[14]计算特征之间的差异度d(pki,x0i)

(13)

式中：Δmax=max{d(pki,x0i)，i=1,2,…，m}。

本方法针对实例特征属性值类型多样性的特点，对分属于不同类型值的特征采用不同的公式计算，提高了计算结果的准确性。

2)对该子级实例的所有属性，进行统计求和，得到该子级实例与目标实例的相似性结果为

(14)

3)计算多级实例库中第k个子级实例物元的特征向量为(pk1,pk2,…,pki,…,pkm)，其所匹配的目标实例物元特征向量为(p01,p02,…,p0i,…,p0m)，则第k个子级历史实例与目标实例的相似计算转化为物元特征值序列的关联度，为

(15)

式中：λgre(pki,p0i)为物元特征间的关联系数，即

λgre(pki,p0i)=

(16)

式中:β为分辨系数，在本方法中取值为0.5。当实例特征pki或p0i的值属于区间值，在计算关联度过程中，先取区间上限作为物元特征pki或p0i值，利用式(15)计算关联系数ξ1，再取区间下限作为物元特征pki或p0i值，利用式(15)计算关联系数ξ2，之后计算物元特征间的灰色关联系数为

λgre(pki,p0i)=(ξ1+ξ2)/2

(17)

(18)

其中,wdis，wgre为权重，在本方法中取值为0.5。

5)计算目标实例与第r级子级实例的混合相似度S为

(19)

与单一的相似度计算方法相比[15]，本文设计的混合相似度算法不仅兼顾历史实例与新设计实例的不同格式，而且考虑了同一实例中多种数据格式的多相似度方法的融合，能够适应多样化需求情况下的新农机设计。

4 实例检索算法的应用分析

考虑以下类型的铲式播种机：玉米1型(沈9729)播种机，玉米2型(铁单12)播种机，玉米3型(丹2109)播种机，根据文献[16]中的试验结果可知这三类播种机的主题特征为：沈9729种子重播率低，漏播率低，种距变异系数小；铁单12重播率高，漏播率高，种距变异系数大；丹2109种子重播率一般，漏播率一般，种距变异系数不大[16]。构建上述三种类别的铲式播种机多级实例库，即方案级实例库、各模块级实例库和零件特征级实例库，在实例库中进行分类实例检索，过程如下：

1)合并铲式播种机方案级实例的相同属性，获得主题特征集为{重播率低，漏播率低，种距变异系数小，重播率一般，漏播率一般，种距变异(土壤黏度)系数不大，重播率高，漏播率高，种距变异系数大}，并用多维特征向量表示为Vq(1)=(1,1,1,1,1,1,1,1,1)，1表示方案级实例属性的存在性。

2)对于模糊语言描述的新需求，确定新需求问题主题特征元(特征名特征值)集P(1)，P(1)={(重播率低)，(漏播率低)，(种距变异系数不大)}。

3)若已定义实例类存在新需求对应的主题特征，则新需求的方案级属性特征值为1。以种子类型为分类依据，并根据各特征元与方案级实例类关键属性集的映射，确定新问题特征值向量Vp(1)=(1,1,0,0,0,1,0,0,0)。

4)利用式(4)，计算新设计问题特征向量Vp(1)与方案级实例主题特征向量空间的隶属度κ，确定新问题实例的类别隶属度κ=(0.333,0.333,1)，并在所有方案级实例中利用新问题隶属度确定新设计问题的类别归属。设阈值为0.76，可得新问题归属于玉米3型播种机。

5) 确定与新设计需求问题匹配的各级模块实例集，依据玉米3型播种机方案实例确定其二级模块包括排种器模块、成穴器模块、行走模块以及驱动模块。基于上述二级模块物元，确定二级模块的特征集合为{分种，排种，成穴，能量转化，驱动行走}；采用可拓分解方法确定新需求分解得到的结果，二级新问题特征集P2={分种，排种，成穴，行走}。在此基础上，利用式(5)～(9)，将二级新问题特征集与二级模块特征集进行匹配，新设计问题被完全匹配，从而得到与新需求问题匹配的排种器模块实例集、成穴器模块实例集、转轴零件实例集。重复上述过程可依次确定与新设计问题相对应的其余各级模块实例集以及零件级实例集。以成穴器模块为例，重复上述过程得到与新需求问题匹配的打穴铲、轮盘、转轴、铲轮、螺栓模块实例集。成穴器模块实例是上述模块实例的父级实例。

6) 以成穴器实例集为例，检验基于混合相似度的多级实例检索过程。基于目标实例的新需求问题及其相对应的各层级实例集，利用混合相似度模型首先计算各特征间相似度，再计算零件综合相似度和成穴器模块相似度，最终确定和目标问题实例相似的子级历史实例集。

选择成穴器模块以及铲轮、转轴、螺栓三个零部件实例的9个特征属性信息分别为：A1轮盘直径(mm)，A2铲轮孔数，A3打穴铲高度(mm)，A4打穴铲厚度(mm)，A5打穴铲宽度(mm)，A6转轴外径(mm)，A7孔内径(mm)，A8螺栓厚度(mm)，A9螺栓外径(mm)，在本案例的计算分析中各参数设置如表1所示。在实际应用中，为了提高计算准确率，铲轮特征参数一般是通过对卫星遥感监测获得的行距需求数据进行可拓增删变换后得到。选取7个实例用于计算。

目标实例中新需求问题与铲轮、转轴、螺栓三个子实例的相似度计算结果由相似度矩阵M31，M32，M33表示，计算过程如下：

(1)对于实例1，3，4，6，7，属性A1，A2，A3，A4，A5取值为确定值，新需求p0i是一个区间数，所以采用点-区间可拓距公式计算相似度，计算结果为矩阵M31的第1、3、4、6、7列。

(2)对于实例2，属性A1，A2，A5取值为确定值，新需求p0i取值为区间数，采用点-区间可拓距公式计算相似度；A3，A4取值为区间数，采用区间-区间可拓距公式计算相似度，计算结果为矩阵M31的第2列。

表1 成穴器二级实例及其子实例的特征属性Table 1 Attributes of the 2nd case of soil-opener and its sub-cases

(3)对于实例5，属性A1，A2取值为确定值，新需求p0i取值为区间数，采用点-区间可拓距公式计算相似度；A3，A4，A5取值为区间数，采用区间-区间可拓距公式计算相似度，计算结果为矩阵M31的第5列。

(4)对于全部实例，转轴、螺栓的所有特征属性为确定值，均采用距离模型计算相似度，计算结果分别为矩阵M32，M33。

三级子实例的属性权重分别设置为：

w31=(0.251,0.275,0.273,0.100,0.101)，w32=(0.533,0.467)，w33=(0.367,0.633)。

λ31=(0.9411,0.5450,0.5962,0.8527,0.5759,0.7570,0.8090)，

λ32=(0.8852,0,7129,0.7067,0.9181,0.5173,0.5173,0.7785)，

λ33=(1.0000,0.7290,0.7495,1.0000,0.7955,0.6600,0.7290)。

铲轮、转轴、螺栓的实例权重由经验给出为w3=(0.5,0.4,0.1)，基于铲轮、转轴、螺栓的三级子实例的相似度，依据式(19)计算成穴铲二级实例和目标实例的综合相似度为

S=(0.9246,0.6306,0.6557,0.8936,0.5744,0.6514,0.7888)

由计算结果可以看出，产品实例的相似度由大到小排序为实例1，实例4，实例7，实例3，实例6，实例2，实例5，其中实例1，实例4相似矩阵的准确性最高，设计人员可以参考实例1和实例4的参数结构进行新播种机的设计。由此可知，在实例的特征值数据类型多样化的情况下，本方法能够有效地检索出相似度高、参数变化协调的历史实例，有利于实例修改、完成新设计，提高了检索结果的可用性。

5 结 论

本文设计了卫星遥感农业监测系统，在该系统中采用卫星遥感等技术动态准确地监测土壤、农作物生长过程中的一些参数，以调整设计需求，并重点研究了多样化需求控制下的实例检索模型，并将算法运用到铲式播种机设计过程中。本文检索模型的核心是融合分类检索和多级混合相似度计算方法，实现播种机多级实例集检索，其优势如下：

1)利用隶属度分类检索方法确定新问题的归属类，在类内检索相似实例，提高了检索的效率和检索结果的可用性。

2)采用基于不同型特征及特征值的多种相似计算方法，实现了多种单一相似计算方法的优化组合；建立多级实例检索的过程，实现了基于混合相似度计算的多级检索，提高检索结果的可用性。

3)对于历史实例的属性值与目标实例的属性值在数据类型上存在较大差异的情况，本方法同样能够有效地区分播种机实例之间的相似程度，为进一步研究如何将形态相似性和几何相似性的计算方法融合至结构相似性提供研究基础。