检索结果-内蒙古大学图书馆

灾害学 2020年第2期35卷 26-29页

作者：高羽佳王永梅陈祎琼张友华安徽农业大学安徽省北斗精准农业信息工程实验室安徽合肥230036 安徽农业大学信息与计算机学院安徽合肥230036

为了增强农作物病虫害防范治理效果,对受灾情况进行识别预警非常重要。鉴于现实需求,提出基于GIS的农作物病虫害受灾程度可视化识别方法。选择安徽省东南部的某地区,利用GIS和GPS相互结合的形式对农作物病虫害灾情信息和动态信息进行动... 详细信息

为了增强农作物病虫害防范治理效果,对受灾情况进行识别预警非常重要。鉴于现实需求,提出基于GIS的农作物病虫害受灾程度可视化识别方法。选择安徽省东南部的某地区,利用GIS和GPS相互结合的形式对农作物病虫害灾情信息和动态信息进行动态定位和采集,并通过数据导入转换、数据浏览和编辑、基于GIS的信息数据可视化与查询、信息数据统计汇总上报、病虫害信息数据时间序列剖析等功能单元对所采集的信息进行管理。根据病虫害信息采集与管理,引入反距离加权法针对已采集区域范围内的各个点外相近区域病虫害状况进行评估预测,最后根据ArcGIS导出生成的专题图文件,利用ArcGIS Server发布同时指定服务地址。移动终端根据指定服务地址构建动态的服务图层,加入至地图容器中将识别结果显示出来,并依据识别结果进行预警,实现精准农业。

关键词：病虫害受灾程度可视化识别精准农业 GIS GPS

来源：评论

学校读者我要写书评

暂无评论

基于Fisco-Bcos联盟链技术的农产品溯源系统设计与实现研究

引用

安徽农业大学学报 2024年第3期51卷 530-536页

作者：高琪娟蒋道臻乐阳王广顺张友华丁文清陈煜霖桂利权谢裕大茶叶股份有限公司博士后科研工作站合肥230036 合肥师范学院计算机与人工智能学院合肥230061 安徽农业大学安徽省北斗精准农业信息工程研究中心合肥230036 安徽农业大学茶树生物学与资源利用国家重点实验室合肥230036 安徽农业大学林学与园林学院合肥230036

随着消费者对农产品质量要求的不断提升,有效的质量安全监管成为现代农业亟需解决的问题。农产品溯源系统作为一种有效的解决方案,能够提升信息的透明度和操作的可靠性。本研究利用Fisco-Bcos联盟链技术,构建了一个新型的农产品溯源系... 详细信息

随着消费者对农产品质量要求的不断提升,有效的质量安全监管成为现代农业亟需解决的问题。农产品溯源系统作为一种有效的解决方案,能够提升信息的透明度和操作的可靠性。本研究利用Fisco-Bcos联盟链技术,构建了一个新型的农产品溯源系统。通过即时将农产品质量相关的图片信息上传到区块链上,本系统提升了数据的可信性,强化了消费者的监管能力及知情权。结果表明该系统显著提高了溯源信息的真实性和整体的信任度。此外,本研究系统通过仅上传关键的质量认证图片,而非全部溯源节点信息,不仅加强了消费者的知情权和监管能力,同时也进一步有效减轻了区块链节点的存储压力。

关键词：溯源系统农产品 Fisco-Bcos 区块链

来源：评论

学校读者我要写书评

暂无评论

基于WebGIS的安徽省小麦赤霉病监测预警系统的构建

引用

洛阳理工学院学报（自然科学版） 2021年第2期31卷 59-63页

作者：丁文浩刘心怡阳小牙夏川安徽农业大学资源与环境学院安徽合肥230036 安徽农业大学信息与计算机学院安徽合肥230036 安徽农业大学安徽省北斗精准农业信息工程实验室安徽合肥230036 安徽农业大学林学与园林学院安徽合肥230036

小麦作为我国主要粮食产物,在生长过程中长期受赤霉病影响。如果防治不及时,极易造成小麦产量和质量下降,带来严重的经济损失。目前,小麦赤霉病尚未得到有效根治,大多数都是采取预测防治的措施。如何有效对小麦赤霉病进行预测并以直观... 详细信息

小麦作为我国主要粮食产物,在生长过程中长期受赤霉病影响。如果防治不及时,极易造成小麦产量和质量下降,带来严重的经济损失。目前,小麦赤霉病尚未得到有效根治,大多数都是采取预测防治的措施。如何有效对小麦赤霉病进行预测并以直观的方式展现出来,对构建高效的小麦赤霉病防控体系具有重要的意义。因此,基于WebGIS技术,以B/S架构设计并实现小麦赤霉病监测预警系统,利用热力图,以直观的方式展现了小麦赤霉病预测的发病地区和等级,将信息处理技术与小麦赤霉病防治有机结合,为基层工作者在小麦赤霉病防治时,提供了强有力的决策支持服务。

关键词：小麦赤霉病 WebGIS 预测预警

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的文本分类方法研究综述

引用

天津理工大学学报 2021年第2期37卷 41-47页

作者：万家山吴云志安徽信息工程学院大数据与人工智能学院芜湖241000 安徽农业大学信息与计算机学院合肥230036 安徽省北斗精准农业信息工程实验室合肥230036

深度学习作为机器学习领域新的研究方向,现已在图像处理、语音识别和机器翻译等领域取得了突破性的进展.在处理自然语言任务中,深度学习建立在低层特征基础上,组合形成更加抽象的高层特征,用以完成复杂的语言模型构建、语义理解和文本... 详细信息

深度学习作为机器学习领域新的研究方向,现已在图像处理、语音识别和机器翻译等领域取得了突破性的进展.在处理自然语言任务中,深度学习建立在低层特征基础上,组合形成更加抽象的高层特征,用以完成复杂的语言模型构建、语义理解和文本分类等任务,深受研究人员的关注.文本分类是自然语言处理中的一个重要应用,在文本信息处理过程中有着关键作用.研究综述近几年基于深度学习的文本分类应用现状,分析其与传统机器学习在文本分类领域的区别以及优势,并概况深度学习在文本分类领域的研究方向和未来发展趋势.

关键词：文本分类文本表示机器学习深度学习综述

来源：评论

学校读者我要写书评

暂无评论

一种植物病害图像识别卷积网络架构

引用

安徽农业大学学报 2021年第1期48卷 150-156页

作者：吴云志刘翱宇朱小宁刘晨曦范国华乐毅张友华安徽农业大学信息与计算机学院合肥230036 安徽省北斗精准农业信息工程实验室合肥230036 安徽农业大学茶与食品科技学院合肥230036 湖南大学信息科学与工程学院长沙410082

针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-Dense Net,旨在对多种类的植物病害图像达到高精准的识别准确率。引入Focal损失函数对DenseNet网络进行改进,使得... 详细信息

针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-Dense Net,旨在对多种类的植物病害图像达到高精准的识别准确率。引入Focal损失函数对DenseNet网络进行改进,使得训练模型的注意力集中于难分类的样本。FI-Dense Net网络可以增强特征传递、进行深层训练或有效改善过拟合问题。采用的数据集有87867张植物病害图像,图像包含同种植物的多种病害,并涉及38种植物病害。对图像进行预处理、数据增强后,将Dense Net169网络、ResNet50网络和MobileNet网络作为参照实验。实验结果表明,FI-Dense Net网络的收敛速度更快且识别准确率最高,测试集识别准确率为98.97%,FI-Dense Net网络的鲁棒性和泛化能力均优于对照网络,可为植物病害智能诊断提供参考。

关键词： DenseNet 植物病害卷积神经网络图像识别

来源：评论

学校读者我要写书评

暂无评论

基于大数据平台的农作物病虫监测预警系统的研究

引用

洛阳理工学院学报（自然科学版） 2020年第2期30卷 71-76页

作者：刘心怡乐毅阳小牙梁振京安徽农业大学安徽省北斗精准农业信息工程实验室安徽合肥230036 安徽农业大学植物保护学院安徽合肥230036

为了促进安徽省农作物病虫监测预警事业的发展,在原有农作物病虫监测系统的基础上改进了部分功能并开发出基于大数据平台的新系统。新系统采用浏览器/服务器(B/S)模式,结合ThinkPHP框架和MySQL数据库管理系统共同完成。该系统主要以echa... 详细信息

为了促进安徽省农作物病虫监测预警事业的发展,在原有农作物病虫监测系统的基础上改进了部分功能并开发出基于大数据平台的新系统。新系统采用浏览器/服务器(B/S)模式,结合ThinkPHP框架和MySQL数据库管理系统共同完成。该系统主要以echarts生成多种类型的图表为主,并通过视频监控随时查看试验田农作物的状态。全省各市、县95个植保站上传的农作物病虫数据实现自动汇总,以大数据平台形式将数据、图表、预测预警和视频监控结合展示,使用户获取数据更加准确便捷。该系统提升了植保工作的信息化、现代化水平,增强预测和决策层的宏观掌控能力。

关键词：大数据 B/S ThinkPHP框架病虫监测 echarts

来源：评论

学校读者我要写书评

暂无评论

《信号与系统》课程的智能化网络教学平台的设计

引用

电脑知识与技术 2020年第36期16卷 145-146页

作者：陈祎琼安徽农业大学信息与计算机学院安徽合肥230036 安徽省北斗精准农业信息工程实验室安徽合肥230036

文章研究了《信号与系统》课程的网络教学平台的智能化设计,阐述了基于JavaWeb+Android架构实现平台的思想,给出了信号与系统网络教学平台功能结构,分课程、班级、作业、提问、实验、练习、点名/签到、考试、交流、日常管理等几个板块... 详细信息

文章研究了《信号与系统》课程的网络教学平台的智能化设计,阐述了基于JavaWeb+Android架构实现平台的思想,给出了信号与系统网络教学平台功能结构,分课程、班级、作业、提问、实验、练习、点名/签到、考试、交流、日常管理等几个板块详细说明了平台的功能。平台能够在基本管理信息的基础上,对学生练习智能判分,智能分析学生对知识的掌握情况和教师教学评价,给教师重要的反馈信息,方便教师及时调整教学策略,让学生能够深层次掌握知识。

关键词：信号与系统课程网络教学平台智能分析

来源：评论

学校读者我要写书评

暂无评论

基于大数据环境下智慧农业微服务化与数据治理的研究

引用

信息技术与信息化 2020年第4期 214-217页

作者：马志宇吴云志乐毅安徽农业大学信息与计算机学院安徽合肥230036 安徽农业大学安徽省北斗精准农业信息工程实验室安徽合肥230036 不详

不同于以往的以家庭为单位的传统农业生产方式,未来农业的发展方向将向着大型农牧渔场与现代智慧农业的方向发展。本文着力于解决在新形势下智慧农业平台的微服务化与数据治理(Extract-Transform-Load)的问题,实现各个农业生产单位可以... 详细信息

不同于以往的以家庭为单位的传统农业生产方式,未来农业的发展方向将向着大型农牧渔场与现代智慧农业的方向发展。本文着力于解决在新形势下智慧农业平台的微服务化与数据治理(Extract-Transform-Load)的问题,实现各个农业生产单位可以通过简易的方式接入系统平台,同时实现高性能地收集、治理和规范化来自各个数据源的农情数据并提供开放平台式的服务。

关键词：微服务智慧农业 ETL 数据治理大数据

来源：评论

学校读者我要写书评

暂无评论

基于多层注意力机制的农业病虫害远程监督关系抽取研究

引用

安徽农业大学学报 2020年第4期47卷 682-686页

作者：乐毅王文宇张凯梁振京刘飞陈祎琼吴云志张友华安徽农业大学信息与计算机学院合肥230036 安徽农业大学安徽省北斗精准农业信息工程实验室合肥230036 安徽农业大学植物保护学院合肥230036

针对大多数现有关系抽取模型存在对语义特征提取不充分、速度慢且数据集匮乏的缺点,提出一种PCNN(piecewise convolutional neural network)模型和多层注意力机制相结合的远程监督关系抽取方法进行农业病虫害领域的关系抽取。模型由两... 详细信息

针对大多数现有关系抽取模型存在对语义特征提取不充分、速度慢且数据集匮乏的缺点,提出一种PCNN(piecewise convolutional neural network)模型和多层注意力机制相结合的远程监督关系抽取方法进行农业病虫害领域的关系抽取。模型由两个实体把句子分成三段,对卷积后的每一段进行最大池化获得特征,同时在实例和池化特征层面上分别引入注意力机制有效降低信息噪声。在F1评价指标上比传统方法提高了5.75%,在耗时上是传统方法的10.93%,且减少了手工标注数据集的成本。

关键词：关系抽取农业病虫害注意力机制卷积神经网络远程监督

来源：评论

学校读者我要写书评

暂无评论

一种基于无人机遥感和卷积神经网络的梨树树龄梯度识别方法

引用

信阳农林学院学报 2020年第1期30卷 105-112,116页

作者：赵冬阳范国华赵印勇陈信王文宇张友华安徽农业大学信息与计算机学院计算机系安徽合肥230036 安徽省北斗精准农业信息工程实验室安徽合肥230036 砀山县酥梨种质资源省级自然保护区办公室安徽砀山235300

梨树的树龄测定是古梨树保护监管以及开发其经济价值工作中最初也是最重要的一步,现有的古树树龄测定方法主要都是针对单棵古树,不适合对大量(超过上千棵)的梨树进行树龄测定。针对上述问题,提出了一种基于卷积神经网络的梨树树龄梯度... 详细信息

梨树的树龄测定是古梨树保护监管以及开发其经济价值工作中最初也是最重要的一步,现有的古树树龄测定方法主要都是针对单棵古树,不适合对大量(超过上千棵)的梨树进行树龄测定。针对上述问题,提出了一种基于卷积神经网络的梨树树龄梯度识别方法,在确定梨树树龄梯度后,通过无人机获取梨树遥感图像,合成梨树图像后,进行分割,得到单棵梨树的图像,利用RESNET模型自动获取图像深层特征,从而实现对梨树树龄梯度的识别。实验结果表明:该方法目标识别准确率为85.56%,优于其他方法,时间效率则远胜传统树龄测定方法。因此,该方法具有较高的使用价值,可以大幅度降低梨树树龄测定成本开支,具有实际意义。

关键词：梨树树龄梯度识别卷积神经网络无人机遥感

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：