检索结果-内蒙古大学图书馆

智慧农业(中英文) 2025年第1期7卷 44-56页

作者：齐梓均牛当当吴华瑞张礼麟王仑峰张宏鸣西北农林科技大学信息工程学院陕西杨凌712100 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]中文猕猴桃文本在段落上下文主题与字符间的左右关系中,展现出垂直与水平双维度特性。若能充分利用中文猕猴桃文本的双维特性,将有助于进一步提升命名实体识别的识别效果。基于此,提出了一种基于双维信息与剪枝的命名实体识... 详细信息

[目的/意义]中文猕猴桃文本在段落上下文主题与字符间的左右关系中,展现出垂直与水平双维度特性。若能充分利用中文猕猴桃文本的双维特性,将有助于进一步提升命名实体识别的识别效果。基于此,提出了一种基于双维信息与剪枝的命名实体识别方法,命名为KIWI-Coord-Prune(kiwifruit-CoordKIWINER-PruneBiLSTM)。[方法]通过设计CoordKIWINER与PruneBi-LSTM两个模块,对中文猕猴桃文本中的双维信息进行精准处理。其中CoordKIWINER模块能够显著提升模型捕捉复杂和嵌套实体的能力,从而生成涵盖更多文本信息的加强字符矢量;PruneBi-LSTM模块在上一模块的基础上,加强了模型对重要特征的学习与识别能力,从而进一步提升了实体识别效果。[结果和讨论]在自建数据集KIWIPRO和四个公开数据集人民日报(People's Daily)、ClueNER、Boson,以及ResumeNER上进行试验,并与LSTM、Bi-LSTM、LR-CNN、Softlexicon-LSTM,以及KIWINER五个先进模型进行对比,本研究提出的方法在5个数据集上分别取得了较好的F1值,分别为89.55%、91.02%、83.50%、83.49%和95.81%。[结论]与现有方法相比,本研究提出的方法不仅能够有效提升中文猕猴桃领域文本的命名实体识别效果,且具有一定的泛化性,同时也能够为相关知识图谱和问答系统的构建等下游任务提供技术支持。

关键词：中文命名实体识别猕猴桃文本自建数据集多维度注意力机制剪枝深度学习文本特征增强

来源：评论

学校读者我要写书评

暂无评论

农业大模型:关键技术、应用分析与发展方向

引用

智慧农业（中英文） 2024年第2期6卷 1-13页

作者：郭旺杨雨森吴华瑞朱华吉缪祎晟顾静秋国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 新加坡国立大学设计与工程学院新加坡117583新加坡

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示... 详细信息

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。[进展]本文首先阐述了大模型的基本概念和核心技术方法,展示了在参数规模扩大与自监督训练下,模型通用能力与下游适应能力的显著提升。随后,分析了大模型在农业领域应用的主要场景;按照语言大模型、视觉大模型和多模态大模型三大类,在阐述模型发展的同时重点介绍在农业领域的应用现状,展示了大模型在农业上取得的研究进展。[结论/展望]对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解,展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统,并为公众提供专业优质的农业服务。

关键词：生成式人工智能大模型农业知识服务机器学习自主决策多模态深度学习

来源：评论

学校读者我要写书评

暂无评论

自适应加权算子结合主曲线提取玉米叶片点云骨架

引用

农业工程学报 2022年第2期38卷 166-174页

作者：胡建平刘凯郭新宇吴升温维亮东北电力大学理学院吉林132012 北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097

为从玉米叶片点云数据(尤其是缺失点云数据)中准确提取骨架特征,该研究设计了一种考虑玉米叶片形状结构和数据完整性的自适应加权算子来计算玉米叶片点云的骨架约束点集,并引入主曲线对骨架约束点集进行拟合得到优化的玉米叶片点云骨架... 详细信息

为从玉米叶片点云数据(尤其是缺失点云数据)中准确提取骨架特征,该研究设计了一种考虑玉米叶片形状结构和数据完整性的自适应加权算子来计算玉米叶片点云的骨架约束点集,并引入主曲线对骨架约束点集进行拟合得到优化的玉米叶片点云骨架。首先使用K均值聚类将玉米叶片分为若干变化较为平缓的部分;然后通过改进的距离场方法提取点云的截面相关点集;再利用设计的包括空间距离、法向差异和点云完整性的自适应加权算子,提取骨架约束点集;最后计算骨架约束点集的主曲线得到最终的玉米叶片点云骨架。通过对30个具有典型形状特征的玉米叶片点云数据的测试结果表明,本文方法所提取的骨架能较好地反映玉米叶片的三维形状结构,利用所提取骨架计算的叶长与实测叶长的平均绝对百分比误差(Mean Absolute Percent Error,MAPE)为2.10%,均方根误差(Root Mean Square Error,RMSE)为2.21 cm,标准化均方根误差(Normalized Root Mean Square Error,NRMSE)为2.89%。该方法可实现玉米叶片点云骨架的自动提取,对缺失的点云数据具有较好的鲁棒性,无需后期手动调整,能够为表型大数据处理、自动化表型解析等提供技术支持。

关键词：三维植物提取玉米叶片骨架主曲线自适应加权算子

来源：评论

学校读者我要写书评

暂无评论

融合时间感知和增强过滤的农业知识推荐模型

引用

智慧农业（中英文） 2024年第1期6卷 123-134页

作者：王鹏哲朱华吉缪祎晟刘畅吴华瑞广西大学计算机与电子信息学院广西南宁530000 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced... 详细信息

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好,具有更好的推荐性能。

关键词：农业知识推荐滤波器算法时间感知自注意力网络序列推荐

来源：评论

学校读者我要写书评

暂无评论

基于CT图像和RAUNet-3D的玉米籽粒三维结构测量

引用

农业机械学报 2022年第12期53卷 244-253,289页

作者：杜建军李大壮廖生进卢宪菊郭新宇赵春江国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097 华中农业大学植物科学技术学院武汉430070

玉米籽粒构成和精细结构与玉米产量及品质直接相关。本文提出一种基于CT图像的玉米籽粒三维结构自动测量方法,快速提取、统计玉米籽粒成分和结构性状,评估不同玉米品种籽粒间性状差异。首先,利用Micro-CT获取批量玉米籽粒CT图像,通过Wat... 详细信息

玉米籽粒构成和精细结构与玉米产量及品质直接相关。本文提出一种基于CT图像的玉米籽粒三维结构自动测量方法,快速提取、统计玉米籽粒成分和结构性状,评估不同玉米品种籽粒间性状差异。首先,利用Micro-CT获取批量玉米籽粒CT图像,通过Watershed算法准确分割出单颗籽粒;进而,设计基于注意力机制RAUNet-3D网络准确提取出籽粒胚;最后,建立自动化玉米籽粒表型管道,计算籽粒、胚、胚乳和空腔的共23项性状,用于玉米籽粒性状分析和品种鉴定。选取4个玉米品种籽粒(登海605、京科968、先正达408和农华5号)共120颗籽粒进行验证,结果表明籽粒CT扫描成像效率提高到1 min/粒,籽粒表型提取效率为10 s/粒,胚分割精度可达93.4%,粒长、粒宽和粒厚的R^(2)分别为0.902、0.926和0.904,籽粒品种分类精度达90.4%。本文方法实现了玉米籽粒及其胚、胚乳、空腔三维结构无损、快速测量,提取的性状能够表征不同玉米品种籽粒间表型差异,为开展大规模玉米籽粒三维表型鉴定奠定了基础。

关键词：玉米籽粒语义分割三维表型 Micro-CT RAUNet-3D

来源：评论

学校读者我要写书评

暂无评论

基于改进SlowFast模型的设施黄瓜农事行为识别方法

引用

智慧农业（中英文） 2024年第3期6卷 118-127页

作者：何峰吴华瑞史扬明朱华吉江苏大学计算机科学与通信工程学院江苏镇江212013 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率... 详细信息

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率不高的问题,提出一种名为SlowFast-SMC-ECA (SlowFast-Spatio-Temporal Excitation、Channel Excitation、Motion Excitation-Efficient Channel Attention)的农事活动行为识别算法。[方法]该算法主要基于SlowFast模型,通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特征和关键特征的提取能力。在Fast Pathway中,引入多路径激励残差网络的概念,通过在信道之间插入卷积操作来增强它们在时域上的相互关联性,从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中,将传统的Residual Block替换为ECA-Res结构,以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系,提升了特征之间的语义信息传递,进而显著提升了农事行为识别的准确率。此外,为了解决数据集中类别不均衡的问题,设计了平衡损失函数(Smoothing Loss),通过引入正则化系数,平衡损失函数可以有效地处理数据集中的类别不均衡情况,提高模型在各个类别上的表现。[结果和讨论]改进的SlowFast-SMC-ECA模型在农事行为识别中表现出良好的性能,各类行为的平均识别精度达到80.47%,相较于原始的SlowFast模型有约3.5%的提升。[结论]本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。

关键词：农事活动行为 SlowFast模型多路径激励残差网络 ECA-Res 平衡损失函数

来源：评论

学校读者我要写书评

暂无评论

基于改进UperNet的结球甘蓝叶球识别方法

引用

智慧农业（中英文） 2024年第3期6卷 128-137页

作者：朱轶萍吴华瑞郭旺吴小燕江苏大学计算机科学与通信工程学院江苏镇江212013 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]叶球是结球甘蓝的重要部分,其生长发育对田间管理至关重要。针对叶球分割识别存在大田背景复杂、光照不均匀和叶片纹理相似等问题,提出一种语义分割算法UperNet-ESA,旨在能快速、准确地分割田间场景中结球甘蓝的外叶和叶球,... 详细信息

[目的/意义]叶球是结球甘蓝的重要部分,其生长发育对田间管理至关重要。针对叶球分割识别存在大田背景复杂、光照不均匀和叶片纹理相似等问题,提出一种语义分割算法UperNet-ESA,旨在能快速、准确地分割田间场景中结球甘蓝的外叶和叶球,以实现田间结球甘蓝的智能化管理。[方法]首先,采用统一感知解析网络(Unified Perceptual Parsing Network,UperNet)作为高效语义分割框架,将主干网络改为先进的ConvNeXt,使得模型在提升分割精度的同时也能具有较低的模型复杂度;其次,利用高效通道注意力机制(Efficient Channel Attention,ECA)融入特征提取网络的各阶段,进一步捕捉图像的细节信息;最后,通过将特征选择模块(Feature Selection Model,FSM)和特征对齐模块(Feature Alignment Model,FAM)集成到特征金字塔框架中,得到更为精确的目标边界预测结果。[结果和讨论]在自制结球甘蓝图像数据集上进行实验,与目前主流的UNet、PSPNet和DeeplabV3+语义分割模型相比,改进UperNet方法的平均交并比为92.45%,平均像素准确率为94.32%,推理速度为16.6 f/s,能够达到最佳精度-速度平衡效果。[结论]研究成果可为结球甘蓝生长智能化监测提供理论参考,对甘蓝产业发展具有重要的应用前景。

关键词：结球甘蓝语义分割叶球识别注意力机制特征选择特征对齐

来源：评论

学校读者我要写书评

暂无评论

融合农村居民意图的健康知识推荐方法

引用

计算机工程与设计 2024年第7期45卷 2142-2149页

作者：王馨悦吴华瑞陈雯柏韩笑朱华吉赵春江北京信息科技大学自动化学院北京市农林科学院信息技术研究中心国家农业信息化工程技术研究中心农业农村部数字乡村技术重点实验室

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意... 详细信息

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意图邻居节点信息，获得村民与健康知识的高阶邻域表示，通过双交叉聚合器将初始节点与邻域表示进行聚合，增强村民与健康知识的表示能力，实现村民健康知识精确推荐。基于农村健康知识数据集验证研究模型有效性，结果表明该模型在准确率、NDCG指标上均得到了一定程度的提高。

关键词：农村知识推荐注意力机制知识图谱嵌入传播健康知识神经网络

来源：评论

学校读者我要写书评

暂无评论

基于非支配排序遗传算法的多农机协同任务规划

引用

中国农机化学报 2025年第6期46卷 113-119+149页

作者：邓瑞郭旺陈雯柏赵春江北京信息科技大学自动化学院国家农业信息化工程技术研究中心北京市农林科学院信息技术研究中心农业农村部数字乡村技术重点实验室

针对农田环境中多农机协同作业存在效率低、作业时间长等问题，提出一种基于非支配排序遗传算法（NSGA）的多农机协同作业任务规划方法。根据农机的实际工作模式，在考虑机群的作业能力、工作时间以及其他成本的情况下建立多机协同的成... 详细信息

针对农田环境中多农机协同作业存在效率低、作业时间长等问题，提出一种基于非支配排序遗传算法（NSGA）的多农机协同作业任务规划方法。根据农机的实际工作模式，在考虑机群的作业能力、工作时间以及其他成本的情况下建立多机协同的成本函数。为避免优化算法陷入局部最优，构建非支配排序遗传算法，设计均匀交叉算子和反转变异算子。该方法综合农机作业任务中时间约束和资源限制之间的相互关系，建立一个多机型单任务协同优化调度模型，并引入非支配排序遗传算法来优化目标函数，在任务规划中追求全局最佳解决方案。仿真试验结果表明，在任务数量为11、22、33、44时，基于非支配排序遗传算法比传统遗传算法的任务总路径长度分别减少19.7%、11.4%、17.5%、18.9%。

关键词：多机协同作业任务分配非支配排序遗传算法农业机械

来源：评论

学校读者我要写书评

暂无评论

一种面向蔬菜生产知识服务的主动推荐方法

引用

河北农业大学学报 2024年第6期47卷 127-135页

作者：刘畅王春山缪祎晟朱华吉郭旺吴华瑞国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 农业遥感应用河北省工程研究中心河北保定071001

针对蔬菜生产中品种选择、病虫害防治、田间管理等环节知识需求复杂且动态的特点,提出一种面向蔬菜生产知识服务的主动推荐方法,以期为个性化农业管理提供有效支持。将知识图谱构建作为目标,通过结合自注意力机制的动态用户兴趣建模、... 详细信息

针对蔬菜生产中品种选择、病虫害防治、田间管理等环节知识需求复杂且动态的特点,提出一种面向蔬菜生产知识服务的主动推荐方法,以期为个性化农业管理提供有效支持。将知识图谱构建作为目标,通过结合自注意力机制的动态用户兴趣建模、分层嵌入技术表示和图神经网络(GNN)多跳推理机制,逐层筛选和聚合复杂关系信息,实现蔬菜生产知识服务的精准推荐。实验结果表明,所提出的方法在推荐准确率和性能指标上均显著优于现有先进模型,能够适应蔬菜生产中不同环节的动态知识需求。本研究为个性化农业管理和智能决策提供了一种高效解决方案,为农业知识服务推荐方法的研究提供了新的思路与方法。

关键词：蔬菜生产个性化推荐图神经网络知识图谱分层嵌入技术

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：