检索结果-内蒙古大学图书馆

计算机工程与应用 2024年

作者：胡乔赵春江吴华瑞缪祎晟郭旺江苏大学农业工程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

针对复杂语境下的蔬菜种植领域命名实体识别任务中存在实体分布不均衡、实体边界不清晰和语义关联不足等问题，提出一种基于对抗训练和多头自注意力机制的蔬菜种植领域命名实体识别模型。以番茄为研究对象，采用ALBERT（ALiteBERT）提... 详细信息

针对复杂语境下的蔬菜种植领域命名实体识别任务中存在实体分布不均衡、实体边界不清晰和语义关联不足等问题，提出一种基于对抗训练和多头自注意力机制的蔬菜种植领域命名实体识别模型。以番茄为研究对象，采用ALBERT（ALiteBERT）提取语料动态词向量，结合对抗训练对词向量扰动生成对抗样本并集成为嵌入层输出，缓解农业数据不平衡问题；在特征提取层中通过引入多头自注意力机制对BiLSTM提取的序列特征进一步优化权重分布，更多关注边界信息，加强文本语义关联；最后采用条件随机场解码标注序列。在由8个类别和5542条标注样本构建的语料库Veg-Tomato上进行了实验。结果表明，该模型的精确率、召回率和F1值分别达89.26%、85.77%、87.48%，较最优基线模型提高了0.69%、3.56%、2.21%，在小样本数据上仍能表现较高的识别精度，适用于蔬菜种植领域命名实体识别任务。

关键词：蔬菜种植命名实体识别 ALBERT 对抗训练多头自注意力

来源：评论

学校读者我要写书评

暂无评论

农业文本语义理解技术综述

引用

农业机械学报 2022年第5期53卷 1-16页

作者：吴华瑞郭威邓颖王郝日钦韩笑黄素芳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 北京市农林科学院智能装备技术研究中心北京100097 沧州市农林科学院沧州061001

随着互联网和人工智能技术的发展,农业知识智能化服务逐渐承担起为农业生产管理提供有效技术指导的作用。本文对农业文本语义理解中的关键技术及应用进行综述。首先按照自然语言处理中基于规则、机器学习和深度学习的语义处理方法介绍... 详细信息

随着互联网和人工智能技术的发展,农业知识智能化服务逐渐承担起为农业生产管理提供有效技术指导的作用。本文对农业文本语义理解中的关键技术及应用进行综述。首先按照自然语言处理中基于规则、机器学习和深度学习的语义处理方法介绍其在农业领域应用的进展;然后阐述了针对农业知识特性的语义分析方法,涵盖农业文本分析主要过程的储存、表达、计算,包括农业知识图谱的知识抽取、融合、表示、推理,TF-IDF、Word2Vec、BERT等农业文本表示模型与CNN、RNN、Attention等分类模型;阐述了可用于分词、向量化表达等的通用语料库和农业领域常用语料库;从农业智能问答、农业语义检索、农业智能管理决策方面阐述语义理解在农业领域中的应用;最后从农业语料库标准化构建、语义理解模型复杂度、多模态语义处理、多区域多语言语义理解等方面对农业文本的语义理解研究趋势进行了展望。

关键词：农业知识智能化服务深度学习自然语言处理农业文本语义理解

来源：评论

学校读者我要写书评

暂无评论

玉米叶片气孔表型鉴定及研究进展

引用

作物杂志 2023年第6期 1-10页

作者：金玉郭新宇张颖李大壮王璟璐数字植物北京市重点实验室北京100097 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 华中农业大学湖北武汉430070

叶片气孔是植物与外界联系的直接通道。气孔在玉米植株生长过程中碳、水循环调控中起着重要作用,影响着植株蒸腾和光合作用的强度。本文概述了玉米叶片气孔形态结构与主要功能特点,梳理了气孔表型破坏性与非破坏性获取方法,沿时间脉络... 详细信息

叶片气孔是植物与外界联系的直接通道。气孔在玉米植株生长过程中碳、水循环调控中起着重要作用,影响着植株蒸腾和光合作用的强度。本文概述了玉米叶片气孔形态结构与主要功能特点,梳理了气孔表型破坏性与非破坏性获取方法,沿时间脉络整理了气孔表型人工―半自动化―自动化解析方法,归纳了玉米叶片气孔表型特征分析研究进展及影响气孔形态建成的相关基因研究现状,展望了叶片气孔研究可能面临的挑战与机遇,为基于气孔表型的玉米品种筛选鉴定及遗传改良提供参考。

关键词：玉米叶片气孔表型研究进展

来源：评论

学校读者我要写书评

暂无评论

基于实例分割技术的草莓叶龄及冠幅表型快速提取方法

引用

智慧农业（中英文） 2024年第2期6卷 95-106页

作者：樊江川王源桥苟文博蔡双泽郭新宇赵春江中国农业大学信息与电气工程学院北京100083 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/数字植物北京市重点实验室北京100097 西北农林科技大学信息工程学院陕西杨陵712100 北京派得伟业科技发展有限公司北京100097

[目的/意义]为解决高通量草莓叶龄及冠幅提取问题,提出一种基于移动式表型平台和实例分割技术的高通量表型提取方法。[方法]利用小型移动式表型平台对温室内盆栽草莓植株的俯拍图像进行数据获取,并利用改进型Mask R-CNN(Convolutional N... 详细信息

[目的/意义]为解决高通量草莓叶龄及冠幅提取问题,提出一种基于移动式表型平台和实例分割技术的高通量表型提取方法。[方法]利用小型移动式表型平台对温室内盆栽草莓植株的俯拍图像进行数据获取,并利用改进型Mask R-CNN(Convolutional Neural Network)模型对图像进行处理,以此获取草莓植株叶龄信息。首先利用带有分组注意力模块的Split-Attention Networks(ResNeSt)骨干网络替换原有网络,从而提高图像特征信息提取精度和执行效率。在训练时,利用Mosaic方法对草莓图像进行数据增强,并且使用二元交叉熵损失函数对原本的交叉熵分类损失函数进行优化,以达到更好的植株与叶片的检测准确度。在此基础上,对训练结果进行后处理,利用标定比值对冠幅进行计算。[结果和讨论]该方法能够在ResNeSt-101骨干网络下,实现80.1%的掩膜准确率和89.6%的检测框准确率,并且能够以99.3%的植株检测正确率和98.0%的叶片数量检出率实现高通量的草莓叶龄估算工作。而模型推理后草莓植株南北和东西向冠幅测试值与真实值相比误差均低于5%的约占98.1%。[结论]该方法有着较高的鲁棒性,能够为智慧农业下高通量植物表型获取与解析工作提供技术支持。

关键词：移动式表型平台实例分割草莓表型叶龄统计冠幅 Mask R-CNN ResNeSt

来源：评论

学校读者我要写书评

暂无评论

基于YOLACT-RFX模型的穴盘甘蓝苗株分割算法

引用

计算机工程 2023年第12期49卷 214-223页

作者：王楷韩笑朱华吉缪祎晟吴华瑞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

温室作物长势分析是近年来农业信息化领域中的研究热点,目前国内温室多用穴盘育苗的方式,其密集种植的特点和复杂的背景干扰给穴盘苗株的分割识别任务带来挑战。提出一种基于YOLACT-RFX的分割算法实现对穴盘内甘蓝苗株的高精度分割和苗... 详细信息

温室作物长势分析是近年来农业信息化领域中的研究热点,目前国内温室多用穴盘育苗的方式,其密集种植的特点和复杂的背景干扰给穴盘苗株的分割识别任务带来挑战。提出一种基于YOLACT-RFX的分割算法实现对穴盘内甘蓝苗株的高精度分割和苗期识别。通过引入递归特征金字塔结构加强甘蓝苗株叶片边缘处的特征提取能力,改进相邻穴盘孔位中相互干扰苗株的分割性能。在递归特征金字塔结构中利用空洞空间金字塔池化结构对尺寸和形状快速变化的甘蓝苗株进行特征识别。最后,融合ResNeXt主干网络提升算法精度,加快模型收敛速度。基于甘蓝苗自建数据集验证所提算法的有效性,实验结果表明,当交并比为0.5时,YOLACT-RFX算法的各类平均精度为84.4%,平均召回率为92.7%,相较于YOLACT算法分别提升了3.6%和3.9%。在同等情况下,分割效果优于MASK-RCNN、SOLO、QueryInst等算法。改进后的YOLACT-RFX算法可实现对不同生长期内甘蓝穴盘苗株的高精度分割,为温室自动化甘蓝苗期管理提供技术基础。

关键词：分割算法甘蓝苗株苗期识别递归特征金字塔空洞空间金字塔池化

来源：评论

学校读者我要写书评

暂无评论

棉花表型技术研究进展

引用

江苏农业科学 2023年第11期51卷 27-36页

作者：李远鲲郭新宇张颖顾生浩张永江吴升北京市农林科学院信息技术研究中心数字植物北京市重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 河北农业大学农学院/华北作物改良与调控国家重点实验室/河北省作物生长调控重点实验室河北保定071000

棉花是重要的纺织原料,表型技术的应用对棉花智慧栽培管理和数字化育种具有重要意义。随着农业监测传感器及表型平台的发展,棉花表型技术研究进入重要阶段。概述了棉花的表型构成和主要表型指标;从图像类表型平台、点云类表型平台2个方... 详细信息

棉花是重要的纺织原料,表型技术的应用对棉花智慧栽培管理和数字化育种具有重要意义。随着农业监测传感器及表型平台的发展,棉花表型技术研究进入重要阶段。概述了棉花的表型构成和主要表型指标;从图像类表型平台、点云类表型平台2个方面综述了棉花表型获取相关传感器及高通量系统平台的发展现状,总结其适用场景、通量、效率及精度;详细综述了棉花多源表型数据处理技术体系,包括图像、三维建模、机器学习、深度学习以及表型大数据建模等技术方法;总结讨论了当前表型技术在棉花精准栽培管理和数字育种方面的应用进展;展望了棉花表型技术的未来发展趋势。

关键词：棉花表型技术表型平台高通量多尺度表型组学

来源：评论

学校读者我要写书评

暂无评论

基于多模态数据驱动的黄瓜温室湿度预测方法

引用

电子测量技术 2023年第16期46卷 97-104页

作者：黄天艺吴华瑞朱华吉广西大学计算机与电子信息学院南宁530004 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

温室湿度精准预测对病害防治策略制定、水肥自动灌溉等具有重要意义。本文研究了一种基于多模态数据驱动的预测方法。为解耦温室环境控制中环境变量复杂关系,提高模型预测效率,利用LASSO回归从多温室环境参数中筛选得到温室空气湿度变... 详细信息

温室湿度精准预测对病害防治策略制定、水肥自动灌溉等具有重要意义。本文研究了一种基于多模态数据驱动的预测方法。为解耦温室环境控制中环境变量复杂关系,提高模型预测效率,利用LASSO回归从多温室环境参数中筛选得到温室空气湿度变化强关联环境因子,结合CNN提取图像空间特征的优势,基于GAF理论将温室时间序列分别转化为GASF与GADF二维图像,进一步增强有效信息,抑制环境噪声,通过引入低复杂度的双卷积层充分提取图像潜在特征,识别湿度变化趋势,对不同湿度变化趋势的时间序列逐一构建Bayesian_LSTM预测模型,增加平稳输入提高预测精度。针对黄瓜温室,将室内温度、湿度、光照强度历史时间序列转化为二维图像作为输入,分析验证了模型的预测性能。试验数据显示当时间滑动窗口大小为15,选用GADF转化图像,Bayesian_LSTM隐藏节点数为100时,平均绝对误差、平均绝对百分比误差、均方根误差分别达到2.58%、4.56%、4.80%,为模型性能最优。对比RNN、GRU、Bi-GRU、1D-CNN共4种主流预测模型,试验结果均表现出良好的预测性能。

关键词：环境预测格拉姆角场卷积神经网络长短期记忆神经网络贝叶斯神经网络

来源：评论

学校读者我要写书评

暂无评论

基于特征增强的多方位农业问句语义匹配

引用

西南大学学报（自然科学版） 2023年第6期45卷 201-210页

作者：王奥吴华瑞朱华吉广西大学计算机与电子信息学院南宁530004 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 农业农村部数字乡村技术重点实验室北京100097

农业问句文本数据具有专业名词多、特征稀疏、语句规范性差等特征,难以深入挖掘句间交互关系.为改善农业相似问句的匹配性能,提出一种基于特征增强的多方位农业问句语义匹配模型.模型通过共享参数的双向长短期记忆网络提取上下文向量,... 详细信息

农业问句文本数据具有专业名词多、特征稀疏、语句规范性差等特征,难以深入挖掘句间交互关系.为改善农业相似问句的匹配性能,提出一种基于特征增强的多方位农业问句语义匹配模型.模型通过共享参数的双向长短期记忆网络提取上下文向量,分别引入自注意力机制、多维注意力机制增强农业问句文本语义推断特征和文本距离特征,通过多特征增强聚焦语义特征信息,将增强特征嵌入到多方位匹配函数中,从向量值、方向和元素等角度进行句间相似度对比,以捕获句子多样性特征.从农业问答社区导出农业问答文本数据,人工标注相似问句构建试验数据集.试验结果表明:基于特征增强的多方位农业问句语义匹配模型可以增强文本特征之间的交互,获取更多的关系特征信息,在构建的农业问句数据集上正确率及F1值达95.3%和97.3%,与其他5种问句语义匹配模型相比,效果提升明显.

关键词：农业问句语义匹配特征增强自然语言处理双向长短期记忆网络自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于YOLOX的穴盘甘蓝病害检测方法

引用

江苏农业科学 2023年第8期51卷 193-202页

作者：马驰吴华瑞于会山聊城大学物理科学与信息工程学院山东聊城252000 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

为实现穴盘甘蓝的智能化管理,针对穴盘甘蓝病害识别存在的光照不均匀、对比度低和待检测目标小等问题,研究了基于深度学习的穴盘甘蓝病害检测算法。该算法结合通道空间注意力机制模块,在特征提取模块对特征信息进行重标定,引导模型关注... 详细信息

为实现穴盘甘蓝的智能化管理,针对穴盘甘蓝病害识别存在的光照不均匀、对比度低和待检测目标小等问题,研究了基于深度学习的穴盘甘蓝病害检测算法。该算法结合通道空间注意力机制模块,在特征提取模块对特征信息进行重标定,引导模型关注病害区域特征,抑制背景噪声,降低模型漏检率。并采用自适应多尺度特征融合算法提取穴盘甘蓝病害多尺度特征,充分利用不同尺度特征的语义信息提升小目标的检测精确率。由于算法的检测框定位不准确,在回归损失函数中添加了重叠面积损失、中心点距离损失和宽高损失,对回归任务进行了优化,提高穴盘甘蓝病害预测框定位精度;同时引入变焦损失函数作为分类损失函数,利用权重缩放因子缓解模型训练过程中相似病害类间差距小的问题。结果表明,研究算法对穴盘甘蓝炭疽病、细菌性黑斑病、褐斑病、黑腐病的检测平均精确率分别为97.59%、99.70%、98.69%和97.64%;其平均精度均值达到98.41%,与YOLOX、Faster R-CNN、YOLOv3、SSD、CenterNet算法相比,分别提高了4.96、12.86、18.19、4.71、10.69百分点。

关键词：病害检测穴盘甘蓝多尺度特征融合注意力机制小目标检测

来源：评论

学校读者我要写书评

暂无评论

数字孪生系统在农业生产中的应用探讨

引用

中国农业科技导报 2021年第10期23卷 82-89页

作者：顾生浩卢宪菊王勇健郭新宇北京农业信息技术研究中心数字植物北京市重点实验室北京100097 国家农业信息化工程技术研究中心北京100097

数字孪生技术与农业的深度融合将为农业数字化转型升级提供新动能。农业数字孪生系统基于农业生产系统所产生的数据流,通过实时态势感知、超实时虚拟推演和全程交互反馈,有效实现对作物生产系统的智慧管控。系统分析了作物生产系统及其... 详细信息

数字孪生技术与农业的深度融合将为农业数字化转型升级提供新动能。农业数字孪生系统基于农业生产系统所产生的数据流,通过实时态势感知、超实时虚拟推演和全程交互反馈,有效实现对作物生产系统的智慧管控。系统分析了作物生产系统及其认知方法的发展历程,明确了农业数字孪生系统产生的背景、概念、内涵、基本组成及其技术优势,提出我国农业数字孪生系统的应用方向和发展路径,为推进我国作物生产智能化提供参考。

关键词：数据驱动以虚控实闭环反馈建模大数据分析

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：