检索结果-内蒙古大学图书馆

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

基于双维信息与剪枝的中文猕猴桃文本命名实体识别方法

引用

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

数字乡村背景下的农民数字素养水平评价与影响因素研究

引用

农业图书情报学报 2024年第7期36卷 19-33页

作者：马晨李瑾李泽欣范贝贝冯献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

[目的/意义]农民数字素养是数字乡村建设与发展的前提和基础。如何量化评价农民数字素养、精准识别其影响因素,进而有的放矢地提升农民数字素养水平,激发农民建设数字乡村的活力,已成为当前数字乡村建设的当务之急。[方法/过程]文章在... 详细信息

[目的/意义]农民数字素养是数字乡村建设与发展的前提和基础。如何量化评价农民数字素养、精准识别其影响因素,进而有的放矢地提升农民数字素养水平,激发农民建设数字乡村的活力,已成为当前数字乡村建设的当务之急。[方法/过程]文章在对农民数字素养相关概念界定的基础上,基于理论依据与现实依据构建了北京农民数字素养评价指标体系并进行了合理性检验,评价分析了现阶段北京市农民数字素养水平,并分析探讨了北京农民数字素养的影响因素。[结果/结论]北京农民数字素养综合水平为68.15,在不同区域间、不同维度间、不同群体间存在较大差异。农民数字素养受年龄的负向影响,受受教育程度、收入水平、数字化培训、数字化服务、数字科普宣传、数字生活氛围、数字网络的正向影响。建议通过加强顶层设计、营造良好氛围、构建终身学习体系、构建保障机制等方式来有效提升农民数字素养,激发其数字乡村参与活力。

关键词：数字乡村农民数字素养概念框架水平评价影响因素

来源：评论

学校读者我要写书评

暂无评论

农业知识智能服务技术综述

引用

智慧农业（中英文） 2023年第2期5卷 126-148页

作者：赵春江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 农业农村部农业信息技术重点实验室北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农业环境动态多变、动植物生长影响因子众多且互作关系复杂,如何将分散无序信息理解生成生产知识或决策案例是世界性难题。农业知识智能服务技术是应对农业数据低秩化、规则关联度低和推理可解释性差等现状,提升农业生产全... 详细信息

[目的/意义]农业环境动态多变、动植物生长影响因子众多且互作关系复杂,如何将分散无序信息理解生成生产知识或决策案例是世界性难题。农业知识智能服务技术是应对农业数据低秩化、规则关联度低和推理可解释性差等现状,提升农业生产全过程综合预测和决策分析能力的核心关键。[进展]本文综合分析了感知识别、知识耦合、推理决策等农业知识智能服务技术,构建由云计算支撑环境、大数据处理框架、知识组织管理工具、知识服务应用场景组成的农业知识智能服务平台,提出一种基于知识规则和事实案例相结合的农情解析与生产推理决策方法,构造产前规划、产中管理、收获作业、产后经营等全链条知识智能应用场景。[结论/展望]从农业多尺度农情稀疏特征发现与时空态势识别、农业跨媒体知识图谱构建与自演化更新、复杂成因农情多粒度关联与多模式协同反演预测、基于生成式人工智能的农业领域大语言模型设计、知识智能服务平台与新范式构建等方面对农业知识智能服务技术发展趋势进行总结,对实现农业生产由“看天而作”到“知天而作”转变具有技术支撑作用。

关键词：农业知识智能服务知识耦合推理决策多模态知识图谱农情预警

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

农业生产大数据治理：关键技术、应用分析与发展方向

引用

智慧农业(中英文) 2025年

作者：郭威吴华瑞朱华吉王菲菲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农业农村部农业信息技术重点实验室

[目的/意义]本文针对中国农业生产数据存在获取标准不一、数据采集不全、治理机制不明的问题，对现有的农业生产大数据治理模式进行了探索，通过大数据治理关键技术、适配工具的集成与场景化创新应用，阐明面向农业生产大数据治理的数... 详细信息

[目的/意义]本文针对中国农业生产数据存在获取标准不一、数据采集不全、治理机制不明的问题，对现有的农业生产大数据治理模式进行了探索，通过大数据治理关键技术、适配工具的集成与场景化创新应用，阐明面向农业生产大数据治理的数据要素价值发挥的技术路径，为实现数据驱动农业高质量生产提供参考。[进展]从农业生产大数据治理的视角，探索了数据获取与处理、数据存储与交换、数据管理、数据分析、大模型和数据安全保障6大环节17个类大数据治理技术及工具，深度研究了大数据治理技术在农业生产中的应用方式，以上技术通过数据匹配、算力匹配、网络适配、模型匹配、场景匹配、业务组配等工具和中间件在场景中得到较好应用。剖析了农业生产产前、产中、产后全链条数据治理，以及面向不同类型农业园区、科研院所和高校、生产主体与农户服务案例。介绍了在国家级产业园区、省级农业科技园区和部分单品主体的治理经验，并调研了国内外农业生产大数据治理技术、做法和工具。[结论/展望]对农业生产大数据治理未来发展方向提出了见解，包括推动农业生产大数据治理标准的制定与落地，构建农业生产大数据治理通用资源池，扩展农业生产大数据治理多元化应用场景，适应大模型及海量数据驱动下的农业生产大数据治理新范式和强化农业生产大数据安全与隐私保护。

关键词：农业生产大数据治理农业生产数据获取与处理农业生产元数据农业生产数据安全保障农业生产大模型

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8s的大田甘蓝移栽状态检测算法

引用

智慧农业（中英文） 2024年第2期6卷 107-117页

作者：吴小燕郭威朱轶萍朱华吉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 农业农村部农业信息技术重点实验室北京100097

[目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然... 详细信息

[目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然环境下高效识别甘蓝移栽状态的算法。[方法]采集移栽后的甘蓝图像,利用数据增强方式对数据进行处理,输入YOLOv8s(You Only Look Once Version 8s)算法中进行识别,通过结合可变形卷积,提高算法特征提取和目标定位能力,捕获更多有用的目标信息,提高对目标的识别效果;通过嵌入多尺度注意力机制,降低背景因素干扰,增加算法对目标区域的关注,提高模型对不同尺寸的甘蓝的检测能力,降低漏检率;通过引入Focal-EIoU Loss(Focal Extended Intersection over Union Loss),优化算法定位精度,提高算法的收敛速度和定位精度。[结果和讨论]提出的算法经过测试,对甘蓝移栽状态的召回率R值和平均精度均值(Mean Average Precision,mAP)分别达到92.2%和96.2%,传输速率为146帧/s,可满足实际甘蓝移栽工作对移栽状态识别精度和速度的要求。[结论]提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别,可以提升移栽质量测量效率,减少时间和人力投入,提高大田移栽质量调查的自动化程度。

关键词：甘蓝移栽 YOLOv8s 目标检测多尺度注意力机制可变形卷积

来源：评论

学校读者我要写书评

暂无评论

基于环境变量辅助的不同地形单元土壤类型数字制图研究

引用

农业机械学报 2024年第10期55卷 371-378页

作者：叶回春聂超甲张越周艳兵王红叶黄元仿可持续发展大数据国际研究中心北京100094 中国科学院空天信息创新研究院数字地球重点实验室北京100094 太原理工大学水利科学与工程学院太原030024 北京市农林科学院信息技术研究中心北京100097 农业农村部耕地质量监测保护中心北京100125 中国农业大学土地科学与技术学院北京100193

土壤类型图反映了不同土壤类型的地理分布及其特征,为土壤资源利用、保护和管理提供了科学基础。基于土壤-环境关系的数字土壤制图方法是快速获取高精度、高分辨率土壤空间分布信息的重要手段,但针对不同地形单元的适用性及制度精度仍... 详细信息

土壤类型图反映了不同土壤类型的地理分布及其特征,为土壤资源利用、保护和管理提供了科学基础。基于土壤-环境关系的数字土壤制图方法是快速获取高精度、高分辨率土壤空间分布信息的重要手段,但针对不同地形单元的适用性及制度精度仍需进一步探讨。本文以北京市平谷区为研究区,将其划分为山地丘陵区和平原区2个地形单元,基于土壤调查点和随机森林算法,构建土壤-环境变量关系模型,进行不同地形单元的土壤类型数字制图。结果表明,山地丘陵区土类、亚类、土属和土种数字制图总体精度(Overall accuracy,OA)分别为100%、93.1%、89.7%和75.9%;而平原区土类、亚类、土属和土种数字制图OA分别为73.7%、55.3%、52.6%和23.7%。这表明在山地丘陵区,环境变量辅助的土壤类型数字制图具有较好的精度,而在平原区,这种精度会显著降低。随着土壤类型分类单元从土类到土种的精细化,环境变量辅助的土壤类型制图精度也逐渐下降。建议在资源有限的情况下,对于山地丘陵区,可以充分利用易获取的环境变量数据来提升土壤类型制图精度;而对于平原区,则需适当增加土壤类型剖面数量以提高制图精度。研究结果为其他地区土壤类型数字化制图提供了实践案例和技术支持。

关键词：数字制图环境变量土壤类型随机森林地形

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

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：