基于人工神經網絡模型的家蠶輔助育種平臺研制

徐志福，何克榮，柳新菊，祝新榮，石曉燕，李 笑，葉宏寶

(浙江省農業科學院，浙江 杭州 310021)

作為一個傳統產業，蠶桑業仍是浙江省農民主要的副產品之一。在全國蠶繭及蠶絲仍占據世界的主導地位［1－3］。但家蠶的育種方法經歷了半個多世紀的歷史，目前由于育種材料的缺乏和育種方法的陳舊，近十幾年來各地所育成蠶品種的經濟性狀幾乎停留在同一水平，無明顯進展，因而開辟新的育種手段是改變蠶品種性狀水平的有效途徑。家蠶育種已經歷半個多世紀，曾在生產上應用過大量育成的新品種，同時人們對家蠶的遺傳規律也進行了長期的研究，是遺傳上研究較為詳細的實用生物之一，從而積聚了大量的研究數據和成果，這些大量的歷史試驗數據的再利用和再開發也是十分有價值的，也為我們的研究提供了良好的資料。我們試圖采用計算機人工智能技術方法，以家蠶育種過程為實體，研究和構建基于人工神經網絡模型的家蠶輔助育種平臺，以此開辟動植物計算機人工智能輔助育種的新途徑。

1 計算機人工智能技術

計算機人工智能技術是研究怎樣使用計算機來模仿人腦從事的推理、證明、識別、理解、學習、思考以及問題求解等思維活動，來解決需要人類專家才能處理的復雜問題。從實用的觀點看，人工智能是一門知識工程學，它以知識為對象，主要研究知識的獲取，知識的表示方法和知識的應用。近年來隨著計算機技術的迅速發展，人工智能的研究方法也日益成熟，其中對問題求解機器學習模式以及人工神經網絡等方面的研究達到了日新月異的程度，而且其研究方法和應用范圍也廣泛［4－5］。

我們試圖從目前人工智能研究中2個比較成熟，應用比較廣泛的方面作為切入點，即:①數據挖掘和知識發現 (dataminingandknowledge discovery)［6－7］;② 人 工 神 經 網 絡 模 型 (artificial neural network)［8－9］，開展人工智能技術在遺傳育種中的研究。前者從技術角度來講是從大量的，不完全的，有噪聲的，模糊和隨機的實際應用數據中提取隱含在其中的，人們事先不知道的，但又是潛在有用的信息和知識的過程。后者是一個用大量稱作人工神經元的簡單處理單元經廣泛連接而組成的人工網絡，用來模擬大腦神經系統的結構和功能，網絡的信息處理由神經元之間的相互作用來實現，知識與信息的存儲表現為網絡文件互連間分布的物理聯系。因而其具有自學能力，它可以從已有的實驗數據中自動總結規律，而不依賴于“專家”的頭腦，這樣人工神經網絡擅長于處理復雜的多雛非線性問題，同時又具有大規模的并行處理和分布的信息存儲能力，有良好的自適應性，自組織性及很強的學習、記憶、聯想、容錯能力和較好的可靠性，與傳統的統計學模型有本質上的不同，彌補了統計學模型的不足。人工神經網絡已成為人工智能中一個極其重要的研究領域，其應用領域包括建模、時間序列分析、模式識別和自動控制等，并在不斷的拓展。已在社會和生產、生活的各個領域中得到廣泛的應用。

2 系統結構設計

系統采用 C/S與 B/S相結合的架構，分為3層:第1層是客戶端、瀏覽器，它是用戶與整個系統的接口，它向用戶展示用來進行交互的 Web輸入輸出頁面，并完成用戶事件處理;第2層是用Asp.NET技術實現的業務邏輯層，通過一個標準的 Web服務器與上一層相連，它由Web窗體和一些通用的組件構成，是系統的核心層次，整個系統的應用功能邏輯依靠它實現;第3層是數據層，用來存放應用所需要的數據，它們可以用數據庫或者是文件系統的方式組織。各個層次上的數據流動都是基于XML方式的，因此，該體系具有良好的開放性和擴展性。

3 系統功能模塊設計

該系統包括用戶登錄模塊、信息錄入模塊、管理中心模塊、工作動態模塊、文件下載模塊、評價決策模塊6個部分。用戶登錄模塊的主要作用是區分管理員和用戶身份，兩者分別擁有自己的登錄頁面和功能。該模塊的另一個作用是用戶注冊，使合法用戶能夠隨時訪問本系統。信息錄入模塊為用戶提供輸入界面，并將輸入的信息保存于系統中。管理中心用于管理各個模塊中的相關信息。工作動態模塊供發布最新工作情況和重大事件，主要是對某些科學問題的看法，對技術發展趨勢判斷，技術難題咨詢等等提供一個平臺。文件下載主要提供下載一些表格、文件、適用程序等。評價決策模塊主要是用于肥水方案進行評價和決策。

4 系統實現

本系統是建立在微軟的 Windows 2003 Server中文版的操作系統上，以 MicrosoftInternet Information Server6.0(IIS)作為 Web服務器端軟件;數據服務器采用的是Microsoft SQL Server 2005作為數據庫開發和運行平臺;利用微軟.Net環境下的C#語言實現 Web應用程序的編寫。

系統以家蠶育種為實體，建立采用人工智能方法，來挖掘育種過程中內在的有用的遺傳育種規律，以指導育種實踐，同時采用人工神經網絡模型建立雜種一代的預測模型。試圖開辟家蠶數字化輔助育種的新途經，這些方法也適用于其它動植物育種。系統構建的方法如圖1所示。

5 小結

圖1 系統構建的方法

生物數量性狀受微效多基因控制同時易受環境條件的影響。因而從性狀表型中濾掉環境及非遺傳因素噪聲，找出真正的遺傳效應，是建模和分析的關鍵，本系統采用人工神經網絡和遺傳算法等智能算法，濾去非遺傳噪聲，建立起遺傳關系模型。在建模過程中，把數量性狀的遺傳內在規律與人工神經網絡模型的建模特點很好地結合起來，克服統計學模型的弊端是本研究的關鍵技術。最終綜合運用現代計算機網絡技術、面向對象編程技術、分布式軟件技術構建基于人工神經網絡模型的家蠶輔助育種平臺。

［1］茆迎春.穩定桑蠶生產之我見［J］.廣西蠶業，2009，46(1):48－50.

［2］陳樂陽，張壽康，柳成本，等.蠶繭生產成本與桑蠶業發展［J］.蠶桑通報，2007，38(2):46－47.

［3］陸秀萍，仲偉程.發展高效規模蠶業之淺見［J］.江蘇蠶業，2007(3):21－22.

［4］張禮兵，金菊良，程吉林.計算智能方法在灌排工程中的應用研究進展［J］.農業工程學報，2007，23(8):274－280.

［5］吳斌，劉合翔.人工智能技術在精準林業中的運用與發展［J］.中國林業產業，2006(5):25－28.

［6］程磊，李紹穩，樊建峰，等.基于神經網絡數據挖掘的紅色籽用西瓜親本選擇方法研究［J］.生物信息學，2009，7(2):140－142.

［7］徐賜軍，陳偉敘，李尚平.甘蔗收獲機智能設計知識發現系統的開發研究［J］.農機化研究，2007(10):16－19.

［8］米湘成，馬克平，鄒應斌.人工神經網絡模型及其在農業和生態學研究中的應用［J］.植物生態學報，2005，29(5):863－870.

［9］劉小杰，鄧宣凱.人工神經網絡模型在水土流失中的應用［J］.科協論壇，2007(10下):54－55.