检索结果-内蒙古大学图书馆

农业机械学报 2025年第1期56卷 56-64页

作者：蒋婷婷徐澳吴飞飞杨帅何进辜丽川安徽农业大学信息与人工智能学院合肥230036 智慧农业技术与装备安徽省重点实验室合肥230036

传统的猪病防治主要依赖于人工经验,很可能因为人工疏忽存在疾病漏诊。为此,构建一个多模态猪病知识图谱,帮助管理者更好地理解猪只间的关联关系,为后续有效识别潜在的疾病传播路径和异常情况提供良好的数据基础。首先,从不同来源获取... 详细信息

传统的猪病防治主要依赖于人工经验,很可能因为人工疏忽存在疾病漏诊。为此,构建一个多模态猪病知识图谱,帮助管理者更好地理解猪只间的关联关系,为后续有效识别潜在的疾病传播路径和异常情况提供良好的数据基础。首先,从不同来源获取猪病数据,经过知识抽取以及图像匹配后初步构建两个多模态猪病知识图谱;其次,提出基于“图像-文本”间关联增强的多模态融合方法,利用多头注意力机制学习图像与文本之间的语义关联,通过减少猪病视觉模态模糊问题带来的负面作用,以增强猪病实体的向量表征;最后,基于对实体向量表征相似度的计算,融合两个多模态数据集中的猪病实体,以形成一个知识完备性更高的猪病知识图谱。实验表明,本文提出的多模态融合方法在猪病实体对齐任务上取得了优异的性能,相较于现有方法,对齐准确性(Hits@1)提升0.033,在通用数据集DBP_(ZH-EN)、DBP_(FR-EN)、DBP_(JA-EN)上进行实验验证,对齐准确性分别提升0.152、0.236、0.180,证明了该方法在多模态知识图谱融合方面的有效性。

关键词：猪病多模态知识图谱多模态融合实体对齐

来源：评论

学校读者我要写书评

暂无评论

农产品质量安全可信追溯体系构建与建议

引用

中国农业科技导报(中英文) 2025年第1期27卷 17-24页

作者：赵雅雯李绍稳安徽农业大学信息与人工智能学院智慧农业技术与装备安徽省重点实验室合肥230036

农产品质量安全一直是全社会关注的焦点,频发的食品安全问题给消费者带来了严重的影响,因此农产品质量安全可信追溯变得尤为重要。分别从参与主体和中心化管理模式,溯源数据的完整性、真实性和产业各方信任度,溯源环节信息整合和对数据... 详细信息

农产品质量安全一直是全社会关注的焦点,频发的食品安全问题给消费者带来了严重的影响,因此农产品质量安全可信追溯变得尤为重要。分别从参与主体和中心化管理模式,溯源数据的完整性、真实性和产业各方信任度,溯源环节信息整合和对数据的精准监管,追溯体系和农业产业深度融合4个方面分析了农产品质量安全追溯体系的现有问题。探究了使用区块链技术作为一种去中心化、可靠的信息共享和管理方式,为构建农产品质量安全可信追溯提供新思路的发展现状,据此提出了建立“双品双链”的农产品质量安全可信追溯系统、农产品认证标识系统、农产品质量安全智慧监管系统、面向农业产业的追溯服务系统、应用示范体系建设的战略方针。建立联盟链、开发智能合约、选择共识机制、选取加密算法等措施有助于加快推进区块链与农产品质量安全溯源体系相结合,可全面提升农产品质量安全可信追溯体系的能力,为农产品质量安全保驾护航。

关键词：区块链农产品质量安全可信追溯公开透明不可篡改

来源：评论

学校读者我要写书评

暂无评论

大豆室内考种图像数据集

引用

中国科学数据(中英文网络版) 2025年第1期10卷 112-127页

作者：张哲饶元束雅莉陈浩然朱尚尚王晓波金秀王丰仪李佳佳徐文强吴康磊王安然安徽农业大学信息与人工智能学院合肥230036 农业农村部农业传感器重点实验室合肥230036 智慧农业技术与装备安徽省重点实验室合肥230036 安徽农业大学农学院合肥230036

选育优质高产品种是提升大豆品质和产量的重要保障。传统大豆考种方法存在费时费力、数据误差大等问题,距大豆表型数据的一站式高通量获取尚有不小的差距。因此,构建大豆室内考种图像数据集,对于开展大豆植株表型信息的高通量准确获取... 详细信息

选育优质高产品种是提升大豆品质和产量的重要保障。传统大豆考种方法存在费时费力、数据误差大等问题,距大豆表型数据的一站式高通量获取尚有不小的差距。因此,构建大豆室内考种图像数据集,对于开展大豆植株表型信息的高通量准确获取方法研究,实现大豆的自动智能考种尤为重要。本数据集包含原始图像数据、标注文件数据、测试图像数据三部分,涵盖了典型大豆品种的离体豆荚和植株,其中离体豆荚包括无重叠离体豆荚和重叠离体豆荚,大豆植株包括单分枝型、双分枝型和复杂分枝型;标注文件数据包含了大豆植株主茎的实例分割标注、主茎节的检测框标注、在体豆荚的检测框标注、离体豆荚的实例分割和检测框标注,其中在体豆荚和离体豆荚的检测框标注采用了正框和旋转框两种标注方式,共计4.2GB。通过本数据集进行训练和验证的模型在无重叠离体豆荚、重叠豆荚以及大豆植株形态等各项指标上均表现出了良好的检测和分割效果。本数据集可为大豆植株的离体豆荚检测、在体豆荚检测与植株形态分析的目标检测和实例分割模型方法研究提供宝贵的基础图像数据资源,并且对于促进大豆关键考种信息的一站式高通量获取等智能化考种方法研究也具有重要价值。

关键词：大豆智能考种目标检测实例分割

来源：评论

学校读者我要写书评

暂无评论

ChemRB:基于双向分子环约束的新型生成模型

引用

陕西师范大学学报(自然科学版) 2025年第1期53卷 45-59页

作者：王庆勇唐良贵王振宇辜丽川安徽农业大学信息与人工智能学院安徽合肥230036 安徽农业大学兽医病理生物学与疫病防控安徽省重点实验室安徽合肥230036 安徽农业大学智慧农业技术与装备安徽省重点实验室安徽合肥230036 安徽农业大学安徽省农情信息感知与智能计算工程研究中心安徽合肥230036

在药物发现的早期阶段,深度生成模型正逐渐成为分子设计的关键工具。简化分子线输入系统(simplified moleaclar input line entry system,SMILES)作为标准的化学表示法,被广泛用于模型训练与生成。然而,由于分子环系统线性表示的非唯一... 详细信息

在药物发现的早期阶段,深度生成模型正逐渐成为分子设计的关键工具。简化分子线输入系统(simplified moleaclar input line entry system,SMILES)作为标准的化学表示法,被广泛用于模型训练与生成。然而,由于分子环系统线性表示的非唯一性和非方向性,现有的单向编码器在捕捉样本全局语义结构和生成有效分子环时存在局限性。因此,提出一种名为Chemical RWKV BERT(ChemRB)的方法,旨在从海量的未标记数据中深度挖掘双向信息。为实现这一目标,创新性地设计了2个预训练任务:环级特征预测与全局跨度闭合预测。这些预训练任务不仅为模型提供了丰富多元的上下文信息,更进一步提升了其对复杂分子结构特性的深入理解。实验结果显示:ChemRB模型不仅在性能上取得了显著提升,而且在新分子/样本的评估指标上也达到了最优的基准性能。结果充分验证了ChemRB在精准捕获分子固有结构信息方面的有效性,为其在相关领域的应用提供了坚实的实证基础。最后,通过在EGFR抑制剂上的测试和应用,进一步验证了ChemRB模型的实用性和广泛应用前景。

关键词：分子建模分子生成分子环系统 SMILES 深度学习

来源：评论

学校读者我要写书评

暂无评论

科技文献篇章分析在文本摘要中的计算机应用

引用

淮南师范学院学报 2025年第2期27卷 131-135页

作者：孙璧凡辜丽川安徽农业大学信息与人工智能学院安徽合肥230036 安徽农业大学信息与计算机学院安徽合肥230036 智慧农业技术与装备安徽省重点实验室信息与人工智能学院安徽合肥230036 安徽省农情信息感知与智能计算工程研究中心信息与人工智能学院安徽合肥230036

文本摘要通常用于提炼大量文本的核心内容,但针对科技文献而非通用文本的专用摘要模型较少。文章提出一种面向科技文献中篇章结构的生成式文本摘要模型RTsum(Rhetorical Topic summarization model),其结合了语步结构分类模块,以科技文... 详细信息

文本摘要通常用于提炼大量文本的核心内容,但针对科技文献而非通用文本的专用摘要模型较少。文章提出一种面向科技文献中篇章结构的生成式文本摘要模型RTsum(Rhetorical Topic summarization model),其结合了语步结构分类模块,以科技文献的篇章结构信息引导深度学习中的神经主题模型,来获取更具有事实一致性的全局语义,从而形成高质量的文本摘要。具体来说,RTsum首先根据文章篇章信息对原始文档句子进行分类,再融合层次化的Transformer编码器(Hierarchical transformer encoder)和神经主题模(Neural topic model),不仅可以将文本的全局语义与语步结构信息相结合,还可以减少次优主题句的冗余,并通过语步分类优化的主题分布融入生成式摘要,增强科学文献摘要的质量。实验结果表明,在CORD-19和XSUM数据集上,RTsum模型生成的摘要准确率和事实一致性的相关指标分别取得最高7.68%和9.09%的提升,提升了科技文献生成式文本摘要的事实性和准确性。

关键词：生成式文本摘要领域文本分析深度学习语步分类自然语言处理

来源：评论

学校读者我要写书评

暂无评论

复杂大田场景下基于改进YOLOv8的小麦幼苗期叶片数快速检测方法

引用

智慧农业（中英文） 2024年第4期6卷 128-137页

作者：侯依廷饶元宋贺聂振君王坦何豪旭安徽农业大学信息与人工智能学院安徽合肥230036 农业农村部农业传感器重点实验室安徽合肥230036 智慧农业技术与装备安徽省重点实验室安徽合肥230036 安徽农业大学农学院安徽合肥230036

[目的/意义]小麦叶片数是衡量植株生长状况、确定茎蘖动态、调节群体结构的重要指标之一。目前大田环境下小麦叶片计数主要依靠人工、耗时耗力,而现有的自动化检测计数方法的效率与精度难以满足实际应用需求。为提高小麦叶片数检测的准... 详细信息

[目的/意义]小麦叶片数是衡量植株生长状况、确定茎蘖动态、调节群体结构的重要指标之一。目前大田环境下小麦叶片计数主要依靠人工、耗时耗力,而现有的自动化检测计数方法的效率与精度难以满足实际应用需求。为提高小麦叶片数检测的准确性,设计了一种复杂大田环境下高效识别小麦叶尖的算法。[方法]本研究以手机和田间摄像头获取的可见光图像构建了两种典型光照条件下出苗期、分蘖期、越冬期等多个生长期的小麦叶片图像数据集。以YOLOv8为基础网络,融合坐标注意力机制降低背景环境的干扰,提高模型对小麦叶尖轮廓信息的提取能力;替换损失函数加快模型收敛速度;增加小目标检测层提高对小麦叶尖的识别效果,降低漏检率。设计了一种适用于叶尖小目标识别的深度学习网络,通过检测图像叶尖数量从而得出叶片数。[结果与讨论]本研究提出的方法对小麦叶尖的识别精确率和mAP0.5分别达到91.6%和85.1%,具有良好的检测效果。在复杂大田环境下该方法具有更好的适应能力,能够在不同光照条件下实现自适应检测,模型鲁棒性强。小麦幼苗期叶片检测漏检率低,说明该方法能够满足复杂大田场景下小麦叶尖识别的需求,提高了小麦叶片数检测的准确性。[结论]本研究可为复杂大田场景下小麦叶片数检测的研究提供参考,为小麦长势高质量评估提供技术支撑。

关键词：小麦叶片叶尖识别叶片计数注意力机制 YOLOv8 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于图同构网络与自注意力机制的药物-药物相互作用预测

引用

重庆工商大学学报(自然科学版) 2024年

作者：陈诚王文夏迎春唐良贵许文俊王庆勇辜丽川安徽农业大学信息与人工智能学院智慧农业技术与装备安徽省重点实验室

【目的】药物-药物相互作用（Drug-Drug Interaction，DDI）预测能够辅助确定有效和安全的药物联合治疗。但以往的预测方法通常围绕药物的二维分子建模，而没有考虑药物的三维几何结构；并且他们忽略了药物作用子结构的多样性，单一的... 详细信息

【目的】药物-药物相互作用（Drug-Drug Interaction，DDI）预测能够辅助确定有效和安全的药物联合治疗。但以往的预测方法通常围绕药物的二维分子建模，而没有考虑药物的三维几何结构；并且他们忽略了药物作用子结构的多样性，单一的特征拟合路径可能会限制模型的预测能力。【方法】为此提出一个基于图同构网络与注意力机制的DDI预测模型，它基于图同构网络构建分子图特征生成模块用以生成三维坐标系上的药物分子图特征；并在此基础上使用自注意力机制构建子结构特征提取模块，从多个维度中提取药物的空间子结构；最后使用DDI三元组预测模块来识别潜在的DDI。整个模型采用双层相互独立的网络，以此提取不同的作用子结构。【结果】实验结果证明，该模型在DrugBank数据集上相对于以往的方法取得了不错的优势，特别是在预测新药-新药相互作用的实验中，它在准确率ACC、受试者工作特征曲线下面积AUC、F1分数上相比最好的基线分别提升了7.59%、9.45%、12.95%，展现了良好的泛化性能。【结论】此外，消融实验证明，子结构特征提取模块能够有效地提取空间子结构，而双层网络使模型获得了更好的预测性能。

关键词：药物-药物相互作用预测图同构网络自注意力机制空间子结构双层网络

来源：评论

学校读者我要写书评

暂无评论

差分隐私增强的大米区块链品控模型

引用

智慧农业（中英文） 2024年第4期6卷 149-159页

作者：吴国栋胡全兴刘旭秦辉高博文安徽农业大学信息与人工智能学院安徽合肥230036 智慧农业技术与装备安徽省重点实验室安徽合肥230036 中国科学院成都计算机应用研究所四川成都610041 中国科学院大学北京100049

[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程... 详细信息

[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程,涵盖种植、收购、加工、仓储和销售等各环节,有效保证品控数据链的连续性;其次,为解决上链数据量大、上链效率低问题,将大米全产业链各环节关键品控数据存储于星际文件系统(InterPlanetary File System, IPFS),然后将存储完成后返回的哈希值上链;最后,为提高品控模型信息可追溯程度,将种植环节关键品控数据中涉及隐私的部分信息通过差分隐私(Differential Privacy)处理后展示给用户,模糊化个体数据,以提高品控信息可信度,同时也保护了农户种植隐私。基于该品控模型,设计了差分隐私增强的大米区块链品控系统,并在相关大米企业实际运行。[结果与讨论]经测试,差分隐私增强的大米区块链品控系统全产业链单环节数据完成存储平均耗时1.125 s,信息追溯查询平均耗时0.691 s。与传统大米品质监管追溯系统相比,单环节数据存储时间缩短6.64%,信息追溯查询时间缩短16.44%。[结论]研究提出的模型不仅提高了品控数据连续性和信息可追溯程度,同时保护了农户的隐私,还在一定程度上提升了品控数据存储及信息追溯查询的效率,可为大米品质监管与信息追溯系统的设计和改进提供参考。

关键词：星际文件系统区块链品控高效上链差分隐私增强信息追溯

来源：评论

学校读者我要写书评

暂无评论

交通驾驶感知的多任务网络方法研究

引用

重庆工商大学学报(自然科学版) 2024年

作者：李政辜丽川安徽省农情信息感知与智能计算工程研究中心安徽农业大学信息与人工智能学院智慧农业技术与装备安徽省重点实验室

【目的】交通驾驶感知系统是自动驾驶技术的关键组成部分之一，该系统包含多个任务并且需要保证高实时性和高可靠性，针对现已有的方法存在目标检测效果差，在有部分遮挡的情况下目标区域语义分割不精确等问题，提出一种端到端的多任务... 详细信息

【目的】交通驾驶感知系统是自动驾驶技术的关键组成部分之一，该系统包含多个任务并且需要保证高实时性和高可靠性，针对现已有的方法存在目标检测效果差，在有部分遮挡的情况下目标区域语义分割不精确等问题，提出一种端到端的多任务网络模型MTNet用于完成交通驾驶感知系统中的可驾驶区域分割和车道线检测两项关键任务。【方法】在颈部网络设计中改进了特征金字塔FPN（Feature Pyramid Network）模块以获得更高效的检测性能；在网络结构中引入ELAN（Efficient Layer Aggregation Networks）结构和重参数化方法对原始卷积进行升级；根据不同任务的特点设计了更精准多任务损失函数，同时提出了更有效的训练策略。【结果】通过在BDD100k （Berkeley DeepDrive）数据集上进行大量实验，可驾驶区域分割任务的平均交并比（Mean Intersection over Union，mIoU）达到95.6 %，车道线检测任务的准确率（Accuracy）达到89.3 %。【结论】实验结果表明：MTNet展现出了对复杂背景干扰的鲁棒性，提升了目标检测分割的精确度。无论是白天还是夜晚，复杂还是简单的场景中都具有良好的检测分割效果。

关键词：多任务网络车道线检测可驾驶区域分割端到端训练

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：