认知计算及其在农业领域的应用研究

认知计算是认知科学、神经科学、数据科学和云计算的交叉学科。数据的急剧增长、算法的不断优化和高性能计算能力的发展加速了认知计算在健康医疗、智慧城市、农业等各个领域的研究和应用。认知计算提供了一种新的模式,是大数据、机器学习、深度学习、自然语言处理、IOT (The Internet of Things)、云计算等不同成熟技术的结合体。在此模式下,研究人员不再满足于继续延用传统的数据分析方法,开始寻求新的方法以期在大规模结构和非结构数据中探索其中模式和相关性。从而认知系统可以提供学习、推理、发现、自然语言交流、决策支持的功能。农业领域的数据量呈现爆发式的增长,认知计算和农业大数据的结合有效促进了智慧农业的发展,但是由于数据不仅包括时空数据、图像、视频等多种类型,其数据质量和地理位置、网络连接和数据来源密切相关。所以对于认知计算在农业领域的应用,这既是机遇也是挑战。基于已有研究工作探讨了认知计算的概念和相关学科;阐述了认知计算的发展历程、不同架构类型和技术体系;总结了近年来认知计算的研究进展;简要介绍了认知计算在农业领域的应用现状,同时对认知计算在农业领域应用中的挑战和发展趋势进行了总结、思考与展望。     

农业科研试验基地数据管理标准体系构建

农业科学数据作为重要战略性资源,在推动农业科技创新、增强农业科技竞争力方面发挥重要作用。农业科研试验基地是一手科研数据的主要来源,其数据管理标准体系的建立不仅是试验基地数据规范化管理的基础,也是规范化数据管理工作的重要一环,对于提高数据可复用性,最大程度发挥数据价值有重要意义。该研究通过国内外涉农长期观测网络、试验站数据管理标准体系内容梳理,以及对中国农业科研试验基地数据特点、数据全生命周期管理流程调研,构建了农业科研试验基地数据管理统一工作流;基于"霍尔三维结构"从标准适用数据管理阶段、标准性质、标准专业领域3个维度构建农业科研试验基地数据管理标准体系框架,并编制了农业科研试验基地数据管理标准体系基本构成表,梳理出涵盖数据全生命周期管理的标准20项,首期必建标准12项,以期为推进农业科研试验基地建设和数据管理共享提供支撑。     

古农文语义检索模型构建及其应用研究

[目的/意义]构建能实现以白话文作为查询，系统自动返回与输入最相关的古农文段落的语义检索模型，为学者提供更加便利的古代农业知识检索方式和古代农业知识溯源方式。[方法/过程]使用基于四库全书作为训练语料的Siku BERT作为基础模型，基于对比学习的方法，使用自建的古农文数据集对模型进行继续训练，得到能够支持使用白话文作为查询，返回与查询语义最相似的古农文段落的语义检索模型。[结果/结论]古农文语义检索模型的Spearman系数在测试集上的表现能够达到86.51%，较基线模型在测试集上的表现83.69%有一定程度的提升，在自建的古农文检索测试集上的召回情况（recall@k）较基线模型有一定程度提升，模型在古农文上能够有比较好的检索效果。但受限于古农文训练语料规模，模型的训练效果还有很大提升空间。     

基于决策树模型的耕地地力与玉米丝黑穗病发生关系研究

为了探究耕地地力与玉米丝黑穗病发生关系，本研究以515个主要玉米种植县域为研究区域，选取有机质（Organic matter，OM）、全氮（Total nitrogen，TN）、全磷（Total phosphorus，TP）、全钾（Total potassium，TK）、有效磷（Available phosphorus，AP）、速效钾（Available potassium，AK）和pH 7种耕地地力因子，分别利用分类与回归树（Classification and regression tree，CART）模型、随机森林（Random forest，RF）模型和极端随机树（Extremely randomized trees，ERT）模型构建了玉米丝黑穗病发生程度与耕地地力因子关系模型，并进行了3种模型效果比较。结果表明：RF和ERT模型总分类性能明显优于CART模型，3个模型在病害发生程度1级（GⅠ）上的查准率（Precision，Pr）、查全率（Recall，Re）、F1 score（F1）值均较高，分类效果比病害发生程度2级（GⅡ）要好，但考虑到准确监测病害高发情况、减少高发病情况在分类预测中漏分机率对开展病害防治的重要性，确定ERT模型为最佳优选分类器。耕地地力特征变量与病害发生程度重要性分析表明，玉米丝黑穗病发生程度与耕地地力因子AP、TK、pH和TP具有一定的相关性。研究结果为深入探究耕地地力对玉米丝黑穗病影响机理提供了线索和支撑。