智能问答系统的研究与设计

如今的搜索引擎还无法真正满足需求。基于此,研究一种智能的问答系统,系统可以对用户提出的问题进行准确而细致的理解,然后直接给用户反馈最直接和准确的答案。文章以智能问答系统为根本研究对象,从设计智能问答系统的核心技术着手,以成功的智能问答系统的例子来说明智能问答系统需要普及的现实意义~([1])。     

基于本体的农业问答系统研究

随着Internet的迅速发展,其信息容量呈爆炸性增长,但信息的庞杂无序也给人们更好地利用信息带来了困难。为此,提出了一种基于本体的农业FAQ分类方法,并以此为基础设计了一个农业问答系统。实践证明,此方法在农业常见问题集问答系统中具有较强的实用性和灵活性。     

基于层级多标签的农业病虫害问句分类方法

随着信息化技术的快速发展,农户通过线上智能农业问答系统解决线下农业病虫害问题已成为趋势。问句分类在问答系统中发挥着至关重要的作用,其准确性直接决定了最终返回答案的正确性。传统的单标签文本分类模型难以直接准确捕捉到农业病虫害问句的确切意图,而且由于缺乏大规模公开的农业病虫害问句语料,使得现有研究具有一定的难度。为此,本文基于树状结构构建了一个农业病虫害问句层级分类体系,由问句模糊性向精确性逐层细化分类,旨在克服农业问句的语义复杂性;此外,引入对抗训练方法,通过构建对抗样本并将其与原始样本一同用于大规模语言模型的训练,以提高模型泛化能力,同时缓解了因语料不足而产生的问题。通过对真实问答语料库的实验验证,本文提出的方法能够提升农业病虫害问句的分类性能,可为农业病虫害自动问答系统提供有效的问句意图识别。     

基于本体的农业信息服务系统

领域信息服务系统是人工智能领域的一项研究热点.为了让用户及时准确地得到解决方案,解决搜索引擎返回信息过多及问答系统知识瓶颈的问题,提出建立一个用户与专家非实时交流的平台,实现问题咨询与解决方案的双向对应.为此,较全面地分析了农业信息服务系统的系统框架与功能,对其涉及的关键问题-基于本体的农业领域知识库的建立和问题解答过程中问题状态的控制机制进行了深入的讨论.     

基于BIGRU的番茄病虫害问答系统问句分类研究

问句分类作为问答系统的关键模块,对系统检索效率具有决定性作用。为了对番茄病虫害智能问答系统用户问句进行高效分类,构建了基于word2vec和双向门控循环单元神经网络(Bi-directional gated recurrent unit,BIGRU)的番茄病虫害问句分类模型。针对问答系统对用户问句的语义信息有较高要求的特点,首先利用word2vec将句子中的词转换为具有语法、语义信息的词向量,利用训练得到的词向量和BIGRU神经网络进行问句分类模型的训练。实验选取了2 000个番茄病虫害相关的用户问句,主要分为番茄病害和番茄虫害两类。结果表明,采用BIGRU的番茄病虫害问句分类模型,其分类准确率、召回率和准确率与召回率的调和平均值F1分别高于卷积神经网络(CNN)、K最近邻等分类算法2~5个百分点。BIGRU模型结构简单,模型训练参数较少,模型训练速度快,符合问答系统对响应时间的要求。     

基于信息抽取的食品安全事件自动问答系统方法研究

针对从海量食品安全事件新闻报道中很难抽取出所需答案的问题，以食品安全事件语料库为研究对象，提出了一种基于信息抽取技术的自动问答系统。首先，利用深度学习模型TextCNN对用户输入的问题进行分类，得到其所属类型。其次，对于输入问题，借助Lucene搜索引擎找到其最佳匹配文档。再次，根据输入问题的类型，从食品安全事件数据库（采用信息抽取技术自动提取的一个结构化数据库）中筛选出该文档所包含的答案候选句集合。最后，利用深度学习模型Bi LSTM及基于答案候选句上下文的特征提取方法构建一个答案抽取模型，该模型能从给定的答案候选句集合中提取出最终答案。为检查基于食品安全事件数据库的答案候选句筛选方式及基于答案候选句上下文的特征提取方式对整个自动问答系统性能的影响，进行了多种比较实验，结果表明含有基于食品安全事件数据库的答案候选句筛选方式和基于答案候选句上下文的特征提取方式的问答系统表现最佳，其回答准确率达到44%。这相比于传统的问答系统，具有明显的优势。     

新书简介

《新编节能知识问答》 《新编线损知识问答》 《新编电工知识问答》 《新编家庭电工、电器知识问答》 读者对象为广大电工以及节能、线损管理工作的专业人员,也适于作培训教材。4种新书分别由北京科学技术出版社、中国气象出版社、兵器出版社出版。现简介如下: 一、《新编节能知识问答》全面系统地介绍能源法规、节能工作中的实际问题及相关的专业知识。以电力为主兼有煤炭、石油、水资源等能源管理,节能潜力与主要措施。全书分绪论、能源法规、能源管理、节能概念与潜力、节能的主要措施、计算题等六章,共1000余个实际问题。内容比较全面,知识含量高,有一定的实用价值。全书约39万字,32开本,1995年6月出版。 二、《新编线损知识问答》作者曾编著《线损知识问答》,再版3次,印数达几万册。新编只保留原线损知识问答20％的内容,可作“线损手册”、“线损小百科”的工具书。全书分六章,包括概述、理论计算、无功电压、用电管理、电能计算、降损措施等及附录,共600个实际问题。全书约40余万字,32开本,1995年6月出版。     

农电分专业垂直管理之浅见

近年来,国家电网公司系统全面深入推行农电分专业垂直管理后,加速了县供电企业规范化管理进程,从根本上解决了以往省电力公司和市供电公司两个层面因现有农电管理机构力量薄弱、专业人员缺乏所造成的农电工作难以深入开展等问题.为适应深化农电分专业垂直管理的要求,笔者结合基层农电工作经历,就如何履行农电分专业垂直管理浅谈几点看法.     

司炉工周光银编著《中小型锅炉技能操作和知识问答》

<正>为了提高司炉工人的技能操作水平,适应司炉工培训需要,农三师医院锅炉房老司炉工、技师、天山锅炉厂技术顾问周光银在系统总结他多年从事锅炉运行操作、维修及故障排除经验的基础上参考有关锅炉使用操作资料编著了《中小型锅炉技能操作和知识问答》一书.     

农业文本语义理解技术综述

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。     

基于注意力机制的农业文本命名实体识别

针对农业智能问答系统构建过程中传统的农业命名实体识别方法依赖人工特征模板、特征信息提取不充分、实体名称多样导致标注不一致等问题,提出一种基于注意力机制的农业文本命名实体识别方法。采用连续词袋模型(Continuous bag of words,CBOW)对输入字向量进行预训练,丰富字向量特征信息,缓解分词准确度对性能的影响;引入文档级的注意力(Attention)机制,获取实体间相似信息,保证实体在不同语境下的标签一致性;基于双向长短期记忆网络(Bi-directional long-short term memory,BiLSTM)和条件随机场(Conditional random field,CRF)模型,构建适合农业领域实体识别的模型框架。选取4604篇农业文本,针对病害、虫害、农药、农作物品种4类实体进行了识别实验。结果表明,模型能有效地辨别农业文本中的实体,缓解实体标记不一致的问题,在农业语料上达到了较好的结果,识别的准确率、召回率、F值分别为93.48%、90.60%、92.01%。与其他3种识别方法相比,模型在不同规模语料库的准确率均有一定提高,具有明显的性能优势。     

水果采摘机器人自主寻径避障轨迹优化研究—基于启发式智能算法

寻径避障是水果采摘机器人中一个重要的经典问题。随着我国机械自动化、计算机控制系统和测试计量行业突飞猛进的发展,对水果采摘机器人自主寻径避障有了更高的要求。为了更好地满足现代农业种植生产的需要,启发式智能学习型寻径避障成为采摘机器人研究的热点。为此,基于启发性智能轨迹优化算法,采用传感器检测系统,设计和研究了水果采摘机器人自主寻径避障系统,并利用Mat Lab仿真软件进行了验证分析。结果表明:在复杂路况环境下,针对不同目标和路径要求,该采摘机器人能灵活避开作业途径中障碍物,具有很强的学习和适应能力,且系统运行稳定、可靠性强。     

基于遗传算法的柴油机自适应智能调速控制系统

介绍了利用智能控制技术和计算机控制技术设计的车用柴油机自适应智能调控控制系统，该系统将人工智能中的神经网络控制技术，模糊控制 技术和遗传算法有机地结合起来，用单片机实现对柴油机转速的自适应智能自动控制，试验表明，这种控制系统具有较高的自学习性和鲁棒性，控制精度高、速度快。     

基于深度学习的柑橘病虫害动态识别系统研发

柑橘是我国重要的经济林果之一,因种植区多在山区坡地,病虫害防治给管理带来了很大困难,在线监测与专家决策成为现代农业发展的方向。本文采用物联网技术和深度学习方法,基于尺度可变视频流信息,设计并构建了一套基于柑橘叶片的病虫害动态识别系统。该系统实现了全方位智能控制,解决了实时叶片图像变形和尺度缩放等问题,实现了柑橘图像的动态采集和智能识别。叶片检测的MAP达到87.72%,病害识别准确率达到95.46%,系统运行结果表明,该系统可有效实现柑橘智能监控的管理,为病虫害物联网监控提供参考。     

基于深度主动学习与CBAM的细粒度菊花表型识别

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于最优标号和次优标号法（Best vs second best,BvSB）在未标记菊花样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;其次,使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本,引入混合注意力机制模块CBAM,使模型能够更为准确地提取细粒度图像中的高层语义信息;最后,用更新后的训练样本继续训练分类模型,直到模型达到迭代次数后停止。实验结果表明,该方法在少量菊花标记样本下,精确率、召回率和F1值分别达到93.66%、93.15%和93.41%。本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑。     

基于图像消冗与CenterNet的稻飞虱识别分类方法

为了实现对不同稻飞虱的快速准确识别,同时防止同一姿态下的同一只昆虫被重复计数,提出一种将图像消冗与CenterNet网络相结合的识别分类方法。首先利用自主设计的田间昆虫采集装置,自动获取昆虫图像并制作数据集。其次,将CenterNet算法与图像消冗算法相结合,选用深层特征融合网络(Deep layer aggregation, DLA)作为主干网络来提取昆虫的特征,并进行识别分类。将本文方法与经典机器学习和深度学习模型进行对比,实验结果表明,对于田间昆虫采集装置获取到的相似度较高的活体图像,本文方法不仅能够快速处理昆虫图像,而且能够成功解决昆虫重复检测的问题,平均精度均值为88.1%,检测速率为42.9f/s,无论是精度还是处理速度本文方法都具有较明显优势。该研究有效地完成了对3种主要稻飞虱的识别分类,对不同时间段采集到的昆虫表现出良好的泛化能力,可用于后期水稻害虫暴发的智能预警和测报。     

融合多光谱成像与深度学习的作物植株叶绿素检测系统研究

为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared, NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm, SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression, ...