一种基于知识库的蚕桑生产要素推荐系统及方法

摘要

本发明公开了一种基于知识库的蚕桑生产要素推荐系统及方法。本发明系统包括：数据库：存储生产要素信息；知识库：存储蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系；终端：用于人机交互，接收数据库、知识库传输的信息，并传输至推理机；推理机：产生并向终端推送生产要素设定方案。本发明技术方案能够有效地解决目前蚕桑养殖对人员素质要求过高的问题，从而可以降低从业门槛和生产风险，进一步提高桑蚕存活率和蚕茧品质，为蚕桑行业带来更多的经济效益。

说明书

技术领域

本发明涉及蚕桑生产技术领域，特别涉及一种基于知识库的蚕桑生产要素推荐系统及方法。

背景技术

蚕桑生产要素的智能推荐技术在蚕桑生产领域有着重要的意义。从生产前养殖方案的确定，到生产时蚕房环境的控制、桑叶的科学养殖以及蚕突发病况的应对，直至生产结束后的市场分析及产品销售政策制定，智能推荐技术贯穿蚕桑养殖全过程，其能够提高桑叶种植和蚕种繁育的协调性，提高蚕茧培育的成功率和产品品质，提高生产者决策的科学性与正确性。

然而经过调研，目前蚕桑生产要素的智能推荐技术存在内容不完善、功能不完备等问题。如，养殖前的蚕种数确定，养殖过程中的单日给桑量及温湿度控制等方面仍停留在老蚕农的主观感知阶段。由于养蚕行业对工艺技术水平要求较高，新手人员易走弯路，仅能依靠老蚕农口述获取养殖经验，学习途径单一、学习效果较差。由于蚕桑产业没有形成比较成熟的知识体系，亟需构建一套覆盖全面、内容可靠、使用简便的蚕桑生产要素的推荐技术。

发明内容

基于上述现状，本发明提供了一种基于知识库的蚕桑生产要素推荐系统及方法，其主要是针对蚕室最佳温湿度和单日最佳给桑量给出推荐方案。本发明可以根据输入的蚕种、蚕龄和桑叶类型，对蚕室的温湿度、设定周期和单日给桑量进行智能推荐，从而实现养殖环境最优化。

本发明所采用的技术方案是：

一种基于知识库的蚕桑生产要素推荐系统，其包括：

数据库：存储现有的生产要素信息；

知识库：存储蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系；

终端：用于人机交互，接收数据库、知识库传输的信息，并传输至推理机；

推理机：产生并向终端推送生产要素设定方案。

优选的，生产要素信息包括蚕房的温度和相对湿度、蚕种、蚕龄和桑叶类型等信息。

优选的，从书籍、数据库和养蚕专家中获取蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系。更优选的，将知识数据采用产生式和函数两种形式的知识表示方法，产生式采用IF THEN结构形式表示规则来构建知识数据结构。

优选的，知识库具体包括：

事实库：包括当前蚕室的环境信息、桑蚕基本信息、桑叶类型信息，如温度数据、湿度数据、桑蚕的蚕龄、蚕种和桑叶类型等。这些信息由数据库传输而来。

规则库：对所收集的知识数据进行数学建模，形成数值化体系，并用产生式表示不同蚕种、不同蚕龄、不同桑叶类型和最适宜生产要素之间的对应规则。其包括生产要素推荐规则(又包括生产要素对应规则表、温湿度设定表、蚕桑模型)、推理结果的中间数据。

优选的，推理机采用Rete算法实现推理，通过Rete网络的模式匹配获取最佳方案。更优选的，本发明中最佳温湿度及设定周期和单日最佳给桑量的推荐过程并行执行。

本发明还公开了一种基于知识库的蚕桑生产要素推荐方法，其按如下步骤进行：

步骤1：获取现有的生产要素信息；

步骤2：构建知识库；

步骤3：推送生产要素设定方案；

步骤4：通过反馈机制调整推理规则。

步骤1具体的，监测并获取蚕房的温度和相对湿度，输入蚕种、蚕龄和桑叶类型等信息。

步骤2具体的，从书籍、数据库和养蚕专家中获取蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系。优选的，将知识数据采用产生式和函数两种形式的知识表示方法，产生式采用IF THEN结构形式表示规则来构建知识数据结构。

优选的，步骤2具体包括：

事实库设计：包括当前蚕室的温度数据、湿度数据、桑蚕的蚕龄、蚕种和桑叶类型等。

规则库设计：对所收集的知识数据进行数学建模，形成数值化体系，并用产生式表示不同蚕种、不同蚕龄、不同桑叶类型和最适宜生产要素之间的对应规则。

本发明中，专家知识库的推广能够加快蚕桑业科技成果的传播与转化，提高蚕桑产业的技术水平，促成养殖工艺标准化，是蚕桑产业实现精准化养殖至关重要的一步。

步骤3具体的，采用Rete算法实现推理，通过Rete网络的模式匹配获取最佳方案。步骤3优选的，本发明中最佳温湿度及设定周期和单日最佳给桑量的推荐过程并行执行。

步骤4具体的，引入反馈机制，根据用户行为实现周期性更新推理规则。

步骤4优选的，步骤2中采用非自动化知识获取、全自动知识获取两种方法相结合的方式完成对蚕桑领域知识的获取。

非自动化知识获取是指知识工程师查阅大量文献并与蚕农探讨后，确定主要对应规则，并通过人机界面人工输入；

全自动知识获取是指系统具有学习能力，能够直接从文本内容中获取蚕桑养殖知识并更新专家知识库。

优选的，步骤2中知识库包含事实库和规则库，其中事实库包含生产要素信息表，规则库包含生产要素对应规则表、温湿度设定表和蚕桑模型。

本发明基于专家知识库的蚕桑生产要素推荐系统及方法，可以根据输入的蚕种、蚕龄和桑叶类型，对蚕房的温度湿度、周期设定和单日给桑量进行智能推荐，从而实现养殖环境最优化。该推荐技术方案能够有效地解决目前蚕桑养殖对人员素质要求过高的问题，从而降低从业门槛和生产风险，进一步提高桑蚕存活率和蚕茧品质，为蚕桑行业带来更多的经济效益。

附图说明

图1是本发明一种基于知识库的蚕桑生产要素推荐方法中智能推荐系统框架图；

图2是本发明一种基于知识库的蚕桑生产要素推荐系统中知识库关系图；

图3是本发明一种基于知识库的蚕桑生产要素推荐方法中单日最佳给桑量的Rete网络及匹配过程图；

图4是本发明一种基于知识库的蚕桑生产要素推荐方法中蚕室最佳温湿度的Rete网络及匹配过程图。

具体实施方式

下面结合附图和优选实施例对本发明进行详细说明。

实施例1

一种基于知识库的蚕桑生产要素推荐系统，参见图1、2，其包括：

数据库：存储现有的生产要素信息；生产要素信息包括蚕房的温度和相对湿度、蚕种、蚕龄和桑叶类型等信息。

知识库：存储蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系；可以从书籍、数据库和养蚕专家中获取蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系。将知识数据采用产生式和函数两种形式的知识表示方法，产生式采用IF THEN结构形式表示规则来构建知识数据结构。

知识库具体包括：

事实库：包括当前蚕室的环境信息、桑蚕基本信息、桑叶类型信息，如温度数据、湿度数据、桑蚕的蚕龄、蚕种和桑叶类型等。这些信息由数据库传输而来。

规则库：对所收集的知识数据进行数学建模，形成数值化体系，并用产生式表示不同蚕种、不同蚕龄、不同桑叶类型和最适宜生产要素之间的对应规则。其包括生产要素推荐规则(又包括生产要素对应规则表、温湿度设定表、蚕桑模型)、推理结果的中间数据。

终端：用于人机交互，接收数据库、知识库传输的信息，并传输至推理机。终端由管理员交互模块、用户交互模块，管理员交互模块包括知识录入模块、知识维护模块、数据录入模块、数据维护模块；用户交互模块包括包括录入信息模块(用于用户登录)、知识获取(用于查看数据库、知识库)、设定参数模块(用于获得最佳参数)。

推理机：产生并向终端推送生产要素设定方案。推理机采用Rete算法实现推理，通过Rete网络的模式匹配获取最佳方案。本发明中最佳温湿度及设定周期和单日最佳给桑量的推荐过程并行执行。

实施例2

一种基于知识库的蚕桑生产要素推荐方法，具体按照以下步骤进行：

步骤1：获取现有的生产要素信息：

监测并获取蚕房温度和相对湿度，并对蚕种、蚕龄和桑叶类型等进行人工输入获取，通过数据库存储。

步骤2：构建专家知识库：

从书籍、数据库、养蚕专家中获取蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系。将知识数据采用产生式和函数两种形式的知识表示方法，产生式采用IF THEN结构形式表示规则来构建知识数据结构。

进行事实库设计：包括当前蚕室的温度湿度数据、桑蚕的蚕龄、蚕种和桑叶类型。

进行规则库设计：对所收集的知识数据进行数学建模，形成数值化体系，并用产生式表示不同蚕种、不同蚕龄、不同桑叶类型和最适宜生产要素之间的对应规则。

知识库用于存储专家及蚕农提供的知识。数据库用于存储推理过程中所需的原始数据、中间结果和最终结论，一般作为暂时的存储区。知识库存储的是既定事实，数据库存储的是监测、输入、中间结果等，而中间结果也会作为既定知识，进行下一步推理。

步骤3：推送最佳生产要素设定方案：

推理机采用Rete算法实现推理，通过Rete网络的模式匹配获取最佳方案。本发明中最佳温湿度及设定周期和单日最佳给桑量的推荐过程并行执行。

步骤4：通过反馈机制调整推理规则：

引入反馈机制，根据用户行为实现周期性更新推理规则。

步骤2中，采用非自动化知识获取、全自动知识获取两种方法相结合的方式完成对蚕桑领域知识的获取。

非自动化知识获取是指知识工程师查阅大量文献并与老蚕农探讨后，确定主要对应规则，并通过人机界面人工输入；

全自动知识获取是指系统具有学习能力，能够直接从文本内容中获取蚕桑养殖知识并更新专家知识库。

步骤2中，知识库包含事实库和规则库，其中事实库包含生产要素信息表，规则库包含生产要素对应规则表、温湿度设定表和蚕桑模型。

本实施例基于专家知识库的蚕桑生产要素推荐方法，主要研究桑蚕蚕龄和蚕种与蚕室当前最佳温湿度和设定周期的关系，桑蚕蚕龄、蚕种和桑叶类型与蚕农单日最佳给桑量的关系，系统的框架图如图1所示。

以单日最佳给桑量的推荐过程为例，具体实现步骤如下：

步骤1：获取现有的生产要素信息：

1.蚕龄获取。根据已有蚕桑养殖资料，本发明将蚕龄分为一龄、二龄、三龄、四龄、五龄五类。蚕龄可由类别和具体饲育天数表示。物联网系统记录每轮桑蚕养殖周期中的桑蚕已饲育天数，可以直接获取该信息并判断其属于哪一类别。

2.蚕种及桑叶类型获取。相关信息在每轮桑蚕养殖周期开始时，由用户人工输入到物联网系统中，可以直接获取该信息。

步骤2：构建专家知识库：

1.知识获取。本发明从蚕桑领域专家及资深蚕农、文献及数据库等多方面获取蚕桑养殖的相关知识，并完成整合。采用非自动化知识获取和全自动知识获取两种方法结合的方式完成对蚕桑养殖领域知识的获取，非自动化知识获取是指知识工程师查阅大量文献并与老蚕农探讨后，确定主要对应规则，并通过人机界面人工输入。全自动知识获取是指系统具有学习能力，能够直接从文本内容中获取蚕桑知识并更新专家知识库。

本知识库存储的知识主要是由蚕桑领域专家、资深蚕农以及相关文献提供的知识以及推理过程中所形成的中间数据构成，主要结构如图2所示。

2.知识表示。在整合蚕桑养殖领域的专家知识后，需要对专家知识进行相应的处理，即知识表示。知识表示旨在对知识的一种描述，是一种计算机可以接受的用于描述知识的数据结构。考虑到生产要素推荐规则知识点多、对应性及时效性强，在整体的映射规则上，本发明将规则拆分为不同的规则元素，分层次处理蚕桑养殖领域专家知识，采用产生式的知识表示方法。产生式采用“IF THEN”结构形式表示规则，既直观又便于利用数据库技术实现对蚕桑养殖知识的管理和维护。

在单项的映射规则上，本发明将专家知识通过数学建模形成数值化体系，具体包括温湿度设定表和蚕桑模型两项内容。

3.事实库设计：事实库包括生产要素信息表，可细分为蚕室的日常环境信息、桑蚕的基本信息和桑叶类型信息三部分。本实例中仅使用到桑蚕的基本信息和桑叶类型信息两部分，由步骤1的方法进行获取。

4.规则库设计：规则库主要包括生产要素对应规则表、温湿度设定表和蚕桑模型三部分内容。生产要素对应规则表是由多个规则条件得到一条规则结论，把对应规则建成一个链表，将规则看作是对应规则链上的一个节点，将所有规则联结成一个整体，最终形成规则库。

本实例中使用到蚕桑模型，其表示桑蚕生长状况与单日最佳给桑量的函数规则。

步骤3：推理规则：

本实例采用正向推理规则中的Rete算法实现推理，需要构筑Rete网络，通过模式匹配得到推荐方案。其中一条生产要素对应规则如下：

IF蚕种＝“金秋X初日”AND桑叶类型＝“农科5号”

THEN蚕桑模型

其中，W表示单日最佳给桑量，t表示桑蚕的已饲育天数。

通过这一规则，将蚕种和桑叶类型信息与蚕桑模型进行匹配操作，再通过已饲育天数求解单日最佳给桑量并推送给用户，具体过程如图3所示。

在这个Rete网络图中，两个类型节点分别和“蚕种”“桑叶类型”两个事实模板一一对应，可以根据事实类型过滤输入事实。两个Alpha节点分别与“蚕种＝‘金秋X初日’”“桑叶类型＝‘农科5号’”两个条件对应，用于判断输入事实是否与条件匹配，若匹配则将输入事实保存至Alpha内存区。Beta节点具有左右输入，能够判断输入事实是否满足条件集合。通过Rete网络进行模式匹配，最终获得与输入事实对应的蚕桑模型，通过函数关系求解单日最佳给桑量。过程如下：

1.采集桑蚕的基本信息(蚕龄和蚕种)以及桑叶类型，作为本系统的输入事实集合，从Rete网络的根节点输入到网络中进行匹配。

2.在第一个类型节点“蚕种”的过滤作用下，“蚕种”类型的事实进入Alpha节点A中。若“蚕种”类型事实符合节点A的条件，则将该事实存入节点A的Alpha内存区中并继续向后传递，反之该节点不采取任何动作，拒绝该事实。

3.同2，Alpha节点B判断“桑叶类型”类型事实是否符合节点B的条件。若符合条件，则将该事实存入节点B的Alpha内存区中，并找到节点B左连接的Beta节点，即节点C，继续传递该事实。

4.Beta节点C的左输入为节点A，右输入为节点B。若节点C接收到节点B传递的事实，则与左输入进行匹配操作。若匹配成功，说明输入事实同时满足“蚕种＝‘金秋X初日’”“桑叶类型＝‘农科5号’”两个条件。

5.若输入事实集合不为空时，重复3、4操作，否则停止匹配过程。

6.输出符合输入事实集合的蚕桑模型函数，通过已饲育天数求解单日最佳给桑量并推送给用户。

步骤4：反馈机制：

显示智能推荐结果后，本发明会检测用户的后续行为。若用户不采纳本次智能推荐结果，而是依靠自身经验决策单日最佳给桑量，则记录本次智能推荐的输入内容及用户决策给桑量。在一个培育周期结束后，根据记录情况更新推理规则，从而使下次推荐结果趋于最优。同时，通过向用户发放问卷的方式评估本发明的智能推荐准确度，根据调查结果更新推理规则。本发明随机选取两组信息进行实验，具体内容如表1：

表1：单日最佳给桑量实验结果表

以实验编号为2的特征组为例进行运算，本发明推荐的单日最佳给桑量为7.506kg。需要指出的是，该单日最佳给桑量是相较一张蚕种而言，一张蚕种大约有28600个蚕籽。可以看出，推荐结果与对应规则一致，符合老蚕农的实际经验。

实施例3

一种基于专家知识库的蚕桑生产要素推荐方法，具体按照以下步骤进行：

步骤1：获取现有的生产要素信息：

对蚕房进行温度和相对湿度的监测并获取，对蚕种、蚕龄和桑叶类型进行人工输入获取，由数据库存储。

步骤2：构建专家知识库：

从书籍、数据库、养蚕专家中获取蚕桑养殖领域的相关知识，整合成知识数据并进行数学建模形成数值化体系。将知识数据采用产生式和函数两种形式的知识表示方法，产生式采用IF THEN结构形式表示规则来构建知识数据结构。

进行事实库设计：包括当前蚕室的温度湿度数据，桑蚕的蚕龄、蚕种和桑叶类型。

进行规则库设计：对所收集的知识数据进行数学建模，形成数值化体系，并用产生式表示不同蚕种、不同蚕龄、不同桑叶类型和最适宜生产要素之间的对应规则。

步骤3：推送最佳生产要素设定方案：

采用Rete算法实现推理，通过Rete网络的模式匹配获取最佳方案。本系统中最佳温湿度及设定周期和单日最佳给桑量的推荐过程并行执行。

步骤4：通过反馈机制调整推理规则：

引入反馈机制，根据用户行为实现周期性更新推理规则。

步骤2中，采用非自动化知识获取、全自动知识获取两种方法相结合的方式完成对蚕桑领域知识的获取。

非自动化知识获取是指知识工程师查阅大量文献并与老蚕农探讨后，确定主要对应规则，并通过人机界面人工输入；

全自动知识获取是指系统具有学习能力，能够直接从文本内容中获取蚕桑养殖知识并更新专家知识库。

步骤2中，知识库包含事实库和规则库，其中事实库包含生产要素信息表，规则库包含生产要素对应规则表、温湿度设定表和蚕桑模型。

本实施例基于专家知识库的蚕桑生产要素推荐方法，主要研究桑蚕蚕龄和蚕种与蚕室当前最佳温湿度和设定周期的关系，桑蚕蚕龄、蚕种和桑叶类型与蚕农单日最佳给桑量的关系，系统的框架图如图1所示。

以蚕室最佳温度湿度及设定周期的推荐过程为例，具体实现步骤如下：

步骤1：获取现有的生产要素信息：

1.蚕龄获取。根据已有蚕桑养殖资料，本系统将蚕龄分为一龄、二龄、三龄、四龄、五龄五类。蚕龄可由类别和具体饲育天数表示。物联网系统记录每轮桑蚕养殖周期中的桑蚕已饲育天数，可以直接获取该信息并判断其属于哪一类别。

2.蚕种获取。相关信息在每轮桑蚕养殖周期开始时，由用户人工输入到物联网系统中，可以直接获取该信息。

3.蚕室环境信息。蚕室环境信息具有时效性，通过温湿度传感器实时检测该信息。

步骤2：构建专家知识库：

1.知识获取。本系统从蚕桑领域专家及资深蚕农、文献及数据库等多方面获取蚕桑养殖的相关知识，并完成整合。采用非自动化知识获取和全自动知识获取两种方法结合的方式完成对蚕桑养殖领域知识的获取，非自动化知识获取是指知识工程师查阅大量文献并与老蚕农探讨后，确定主要对应规则，并通过人机界面人工输入。全自动知识获取是指系统具有学习能力，能够直接从文本内容中获取蚕桑知识并更新专家知识库。

本知识库存储的知识主要是由蚕桑领域专家、资深蚕农以及相关文献提供的知识以及推理过程中所形成的中间数据构成，主要结构如图2所示。

2.知识表示。在整合蚕桑养殖领域的专家知识后，需要对专家知识进行相应的处理，即知识表示。知识表示旨在对知识的一种描述，是一种计算机可以接受的用于描述知识的数据结构。考虑到生产要素推荐规则知识点多、对应性及时效性强，在整体的映射规则上，本系统将规则拆分为不同的规则元素，分层次处理蚕桑养殖领域专家知识，采用产生式的知识表示方法。产生式采用“IF THEN”结构形式表示规则，既直观又便于利用数据库技术实现对蚕桑养殖知识的管理和维护。

在单项的映射规则上，本系统将专家知识通过数学建模形成数值化体系，具体包括温湿度设定表和蚕桑模型两项内容。

3.事实库设计：事实库包括生产要素信息表，可细分为蚕室的日常环境信息，桑蚕的基本信息和桑叶类型信息三部分，本例中仅使用到蚕室的日常环境信息和桑蚕的基本信息两部分，由步骤1的方法进行获取。

4.规则库设计：规则库主要包括生产要素对应规则表、温湿度设定表和蚕桑模型三部分内容。生产要素对应规则表是由多个规则条件得到一条规则结论，把对应规则建成一个链表，将规则看作是对应规则链上的一个节点，将所有规则联结成一个整体，最终形成规则库。

本例中使用到温湿度设定表，其表示桑蚕蚕龄与最佳温湿度及设定周期的映射规则。桑蚕蚕龄与设定周期的映射规则如下：

r(t)＝k-t

其中，T表示设定周期，t表示桑蚕的已饲育天数。k为常数，其取值如表2：

表2：k取值表

步骤3：推理规则：

采用正向推理规则中的Rete算法实现推理，需要构筑Rete网络，通过模式匹配得到推荐方案。其中一条生产要素对应规则如下：

IF蚕龄＝“二龄”AND蚕种＝“金秋X初日”

THEN蚕室最佳温度＝26.4℃AND蚕室最佳相对湿度＝90％AND设定周期T(t)＝6-t

其中，t表示桑蚕的已饲育天数。

通过这一规则，将蚕龄和蚕种信息与温湿度设定表进行匹配操作，得到蚕室最佳温湿度及设定周期函数，并通过已饲育天数求解设定周期的值，具体过程如图3所示。

在这个Rete网络图中，两个类型节点分别和“蚕种”“蚕龄”两个事实模板一一对应，可以根据事实类型过滤输入事实。两个Alpha节点分别与“蚕种＝‘金秋X初日’”“蚕龄＝‘二龄’”两个条件对应，用于判断输入事实是否与条件匹配，若匹配则将输入事实保存至Alpha内存区。Beta节点具有左右输入，能够判断输入事实是否满足条件集合。通过Rete网络进行模式匹配，最终获得与输入事实对应的蚕室最佳温湿度及设定周期。过程如下：

1.采集蚕室的环境信息(温度和相对湿度)和桑蚕的基本信息(蚕龄和蚕种)，将桑蚕的基本信息作为本系统的输入事实集合，从Rete网络的根节点输入到网络中进行匹配。

2.在第一个类型节点“蚕种”的过滤作用下，“蚕种”类型的事实进入Alpha节点A中。若“蚕种”类型事实符合节点A的条件，则将该事实存入节点A的Alpha内存区中并继续向后传递，反之该节点不采取任何动作，拒绝该事实。

3.同2，Alpha节点B判断“蚕龄”类型事实是否符合节点B的条件。若符合条件，则将该事实存入节点B的Alpha内存区中，并找到节点B左连接的Beta节点，即节点C，继续传递该事实。

4.Beta节点C的左输入为节点A，右输入为节点B。若节点C接收到节点B传递的事实，则与左输入进行匹配操作。若匹配成功，说明输入事实同时满足“蚕种＝‘金秋X初日’”“蚕龄＝‘二龄’”两个条件。

5.若输入事实集合不为空时，重复3、4操作，否则停止匹配过程。

6.输出符合输入事实集合的蚕室最佳温湿度及设定周期计算函数，通过蚕龄求解设定周期值，最终将结果推送给用户。

7.若用户已设置自动设定温湿度，则判断蚕室最佳温湿度与蚕室当前温湿度是否相等，不相等则设定温湿度为最佳值。

步骤4：反馈机制：

显示智能推荐结果后，本系统会检测用户的后续行为。若用户不采纳本次智能推荐结果，而是依靠自身经验设定蚕室温湿度，则记录本次智能推荐的输入内容及用户设定温湿度。在一个培育周期结束后，根据记录情况更新推理规则，从而使下次推荐结果趋于最优。同时，通过向用户发放问卷的方式评估本系统的智能推荐准确度，根据调查结果更新推理规则。

本系统随机选取两组信息进行实验，具体内容如表3：

表3：最佳温湿度及周期设定实验结果表

以实验编号为2的特征组为例进行运算，本系统推荐的蚕室最佳温度为24.7℃，蚕室最佳相对湿度为80％，设定周期为4天。可以看出，推荐结果与对应规则一致，符合老蚕农的实际经验。

综上，本发明基于知识库的蚕桑生产要素推荐系统及方法，根据生产要素信息和生产要素对应规则表、蚕桑模型及温湿度设定表进行智能推荐，构建知识库和推理机，并通过反馈机制不断更新推理规则，能够有效降低蚕桑产业生产者的学习成本、提高蚕茧培育的成功率和产品品质、提高生产者决策的科学性与正确性。同时，专家知识库的推广能够加快蚕桑业科技成果的传播与转化，提高蚕桑产业的技术水平，适合推广使用。