基于人工神经网络模型的家蚕辅助育种平台研制

徐志福，何克荣，柳新菊，祝新荣，石晓燕，李 笑，叶宏宝

(浙江省农业科学院，浙江 杭州 310021)

作为一个传统产业，蚕桑业仍是浙江省农民主要的副产品之一。在全国蚕茧及蚕丝仍占据世界的主导地位［1－3］。但家蚕的育种方法经历了半个多世纪的历史，目前由于育种材料的缺乏和育种方法的陈旧，近十几年来各地所育成蚕品种的经济性状几乎停留在同一水平，无明显进展，因而开辟新的育种手段是改变蚕品种性状水平的有效途径。家蚕育种已经历半个多世纪，曾在生产上应用过大量育成的新品种，同时人们对家蚕的遗传规律也进行了长期的研究，是遗传上研究较为详细的实用生物之一，从而积聚了大量的研究数据和成果，这些大量的历史试验数据的再利用和再开发也是十分有价值的，也为我们的研究提供了良好的资料。我们试图采用计算机人工智能技术方法，以家蚕育种过程为实体，研究和构建基于人工神经网络模型的家蚕辅助育种平台，以此开辟动植物计算机人工智能辅助育种的新途径。

1 计算机人工智能技术

计算机人工智能技术是研究怎样使用计算机来模仿人脑从事的推理、证明、识别、理解、学习、思考以及问题求解等思维活动，来解决需要人类专家才能处理的复杂问题。从实用的观点看，人工智能是一门知识工程学，它以知识为对象，主要研究知识的获取，知识的表示方法和知识的应用。近年来随着计算机技术的迅速发展，人工智能的研究方法也日益成熟，其中对问题求解机器学习模式以及人工神经网络等方面的研究达到了日新月异的程度，而且其研究方法和应用范围也广泛［4－5］。

我们试图从目前人工智能研究中2个比较成熟，应用比较广泛的方面作为切入点，即:①数据挖掘和知识发现 (dataminingandknowledge discovery)［6－7］;② 人 工 神 经 网 络 模 型 (artificial neural network)［8－9］，开展人工智能技术在遗传育种中的研究。前者从技术角度来讲是从大量的，不完全的，有噪声的，模糊和随机的实际应用数据中提取隐含在其中的，人们事先不知道的，但又是潜在有用的信息和知识的过程。后者是一个用大量称作人工神经元的简单处理单元经广泛连接而组成的人工网络，用来模拟大脑神经系统的结构和功能，网络的信息处理由神经元之间的相互作用来实现，知识与信息的存储表现为网络文件互连间分布的物理联系。因而其具有自学能力，它可以从已有的实验数据中自动总结规律，而不依赖于“专家”的头脑，这样人工神经网络擅长于处理复杂的多雏非线性问题，同时又具有大规模的并行处理和分布的信息存储能力，有良好的自适应性，自组织性及很强的学习、记忆、联想、容错能力和较好的可靠性，与传统的统计学模型有本质上的不同，弥补了统计学模型的不足。人工神经网络已成为人工智能中一个极其重要的研究领域，其应用领域包括建模、时间序列分析、模式识别和自动控制等，并在不断的拓展。已在社会和生产、生活的各个领域中得到广泛的应用。

2 系统结构设计

系统采用 C/S与 B/S相结合的架构，分为3层:第1层是客户端、浏览器，它是用户与整个系统的接口，它向用户展示用来进行交互的 Web输入输出页面，并完成用户事件处理;第2层是用Asp.NET技术实现的业务逻辑层，通过一个标准的 Web服务器与上一层相连，它由Web窗体和一些通用的组件构成，是系统的核心层次，整个系统的应用功能逻辑依靠它实现;第3层是数据层，用来存放应用所需要的数据，它们可以用数据库或者是文件系统的方式组织。各个层次上的数据流动都是基于XML方式的，因此，该体系具有良好的开放性和扩展性。

3 系统功能模块设计

该系统包括用户登录模块、信息录入模块、管理中心模块、工作动态模块、文件下载模块、评价决策模块6个部分。用户登录模块的主要作用是区分管理员和用户身份，两者分别拥有自己的登录页面和功能。该模块的另一个作用是用户注册，使合法用户能够随时访问本系统。信息录入模块为用户提供输入界面，并将输入的信息保存于系统中。管理中心用于管理各个模块中的相关信息。工作动态模块供发布最新工作情况和重大事件，主要是对某些科学问题的看法，对技术发展趋势判断，技术难题咨询等等提供一个平台。文件下载主要提供下载一些表格、文件、适用程序等。评价决策模块主要是用于肥水方案进行评价和决策。

4 系统实现

本系统是建立在微软的 Windows 2003 Server中文版的操作系统上，以 MicrosoftInternet Information Server6.0(IIS)作为 Web服务器端软件;数据服务器采用的是Microsoft SQL Server 2005作为数据库开发和运行平台;利用微软.Net环境下的C#语言实现 Web应用程序的编写。

系统以家蚕育种为实体，建立采用人工智能方法，来挖掘育种过程中内在的有用的遗传育种规律，以指导育种实践，同时采用人工神经网络模型建立杂种一代的预测模型。试图开辟家蚕数字化辅助育种的新途经，这些方法也适用于其它动植物育种。系统构建的方法如图1所示。

5 小结

图1 系统构建的方法

生物数量性状受微效多基因控制同时易受环境条件的影响。因而从性状表型中滤掉环境及非遗传因素噪声，找出真正的遗传效应，是建模和分析的关键，本系统采用人工神经网络和遗传算法等智能算法，滤去非遗传噪声，建立起遗传关系模型。在建模过程中，把数量性状的遗传内在规律与人工神经网络模型的建模特点很好地结合起来，克服统计学模型的弊端是本研究的关键技术。最终综合运用现代计算机网络技术、面向对象编程技术、分布式软件技术构建基于人工神经网络模型的家蚕辅助育种平台。

［1］茆迎春.稳定桑蚕生产之我见［J］.广西蚕业，2009，46(1):48－50.

［2］陈乐阳，张寿康，柳成本，等.蚕茧生产成本与桑蚕业发展［J］.蚕桑通报，2007，38(2):46－47.

［3］陆秀萍，仲伟程.发展高效规模蚕业之浅见［J］.江苏蚕业，2007(3):21－22.

［4］张礼兵，金菊良，程吉林.计算智能方法在灌排工程中的应用研究进展［J］.农业工程学报，2007，23(8):274－280.

［5］吴斌，刘合翔.人工智能技术在精准林业中的运用与发展［J］.中国林业产业，2006(5):25－28.

［6］程磊，李绍稳，樊建峰，等.基于神经网络数据挖掘的红色籽用西瓜亲本选择方法研究［J］.生物信息学，2009，7(2):140－142.

［7］徐赐军，陈伟叙，李尚平.甘蔗收获机智能设计知识发现系统的开发研究［J］.农机化研究，2007(10):16－19.

［8］米湘成，马克平，邹应斌.人工神经网络模型及其在农业和生态学研究中的应用［J］.植物生态学报，2005，29(5):863－870.

［9］刘小杰，邓宣凯.人工神经网络模型在水土流失中的应用［J］.科协论坛，2007(10下):54－55.