农作物病虫害具有传播范围广、易成灾等特点,对我国农业的健康发展造成了消极影响。随着土壤检测仪、温湿度传感器和无人机等设备越来越多地应用到农业领域,产生了大量的农业信息数据,但是这些数据的来源和组成比较混乱,很难得到有效利用,加之病虫害防治知识大多在专业文献和书籍中,获取门槛高且费时费力。通过传统检索方式获取的结果中存在大量冗余数据,农民和植保专家难以准确高效地获取所需信息。为整合病虫害信息资源,提高农作物病虫害防治的准确性,本文利用知识图谱对农作物病虫害知识进行管理,设计并实现基于农作物病虫害知识图谱的自动问答系统,本文主要开展的工作如下:（1）玉米、水稻和小麦病虫害知识图谱构建。本文首先使用文本扫描和爬虫等技术采集玉米、水稻和小麦的病虫害相关数据,并结合Numpy和Pandas工具库对数据进行预处理;然后利用Protégé工具设计本体模式管理知识抽取的边界,运用深度学习和自然语言处理等技术实现农作物病虫害领域数据的半自动知识抽取;最终通过Neo4j图数据库对抽取的三元组知识进行存储。（2）针对玉米、水稻和小麦病虫害知识图谱数据层手工构建存在难度大、效率低等问题,本文对数据层的半自动化构建方法进行研究。本文使用标注工具辅助标注,提高标注效率和准确率,同时结合ALBERT-Bi LSTM-CRF模型,实现农作物病虫害知识的半自动抽取。实验证实本文采用的联合模型精确率达到89.32%。（3）基于玉米、水稻和小麦病虫害知识图谱的问答算法研究。本文采用基于深度学习的方法实现问答功能,首先利用训练好的ALBERT-Bi LSTM-CRF模型提取问句的关键实体,然后结合ALBERT-Text CNN模型的问句分类结果,生成对应的查询语句,最终为用户返回符合自然语言逻辑的答案。实验证实,本文采用的问句分类模型精确率达到90.98%。（4）开发基于玉米、水稻和小麦病虫害知识图谱的智能问答系统。结合本文构建的农作物病虫害知识图谱,搭建病虫害知识服务平台,实现农作物病虫害知识的可视化展示和知识问答等功能。