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。     

深度学习在农业领域的研究与应用综述

深度学习是目前人工智能领域最重要的技术之一,在学术领域和工程应用掀起了研究高潮。鉴于深度学习在农业领域的应用潜力和重要性,通过对深度学习有关文献的研究,首先详细描述了深度学习的概念,结合典型深度神经网络的结构特征,对其特点、优缺点、变体以及应用现状进行了综述;然后重点介绍了深度学习在语音识别、农业场景目标检测、农业图像语义分割领域的发展和应用;最后分析了深度学习在农业领域目前存在的问题和未来重点的研究方向。     

作物农艺性状与形态结构表型智能识别技术综述

[目的/意义]作物农艺性状与形态结构表型智能识别是作物智慧育种的主要内容,是研究“基因型—环境型—表型”相互作用关系的基础,对现代作物育种具有重要意义。[进展]大规模、高通量作物表型获取设备是作物表型获取、分析、测量、识别等的基础和重要手段。本文介绍了高通量作物表型主流平台和感知成像设备的功能、性能以及应用场景。分析了作物株高获取、作物器官检测与技术等农艺性状智能识别和作物株型识别、作物形态信息测量以及作物三维重建等形态结构智能识别技术的研究进展及挑战。[结论/展望]从研制新型低成本田间智能作物表型获取与分析装备、提升作物表型获取田间环境的标准化与一致性水平、强化田间作物表型智能识别模型的通用性,研究多视角、多模态、多点连续分析与时空特征融合的作物表型识别方法,以及提高模型解释性等方面,展望了作物表型技术主要发展方向。     

农业传感器：研究进展、挑战与展望

[目的/意义]农业传感器是数字农业、信息农业、智慧农业等现代农业发展模式的源头技术,也是推动农业科技迭代升级和农业生产方式变革的重要驱动力。农业传感器应用环境(水、气及土壤)和监测对象(动植物)多样复杂、规模大,因此,高环境适应性、高可靠性和低成本的农业传感器是实现智慧农业的基础与核心。[进展]本文对农业传感器进行分类,并对农业传感器前沿研究趋势进行分析,综述农业传感器在不同应用场景下的研究现状,从农业环境传感器(水、大气和土壤等)、动植物生命信息传感器、农产品质量安全传感器和农机传感器四大类进行深入分析,总结现有农业传感器在研发和使用过程中的通用性和局限性。[结论/展望]在农业传感器面临的挑战与展望中,具体分析了现阶段农业传感器大规模应用严重不足的核心瓶颈,包括低成本化、专用化、高稳定性及自适应,归纳出“农业泛在感知”的概念,为农业传感器技术研发提供思路和参考。     

农业轮式机器人三维环境感知技术研究进展

[目的/意义]作为未来农机装备的研究重点,农业轮式机器人正向着智能化与多功能化的方向发展。三维环境感知技术因其获取的信息量丰富、复杂环境下的鲁棒性和适应性好,成为了农业轮式机器人智能化无人作业的基础与关键,其发展水平直接影响到包括农业轮式机器人在内的无人农机的作业质量与效率。[进展]本文首先总结了农业轮式机器人和农业环境感知技术的发展现状,分析了不同类型农业轮式机器人的使用特点和应用现状。其次分析了在农业轮式机器人上实现三维环境感知所主要使用的感知设备及其对应的关键技术,重点阐述了基于激光雷达、视觉传感器和多传感器融合的农业轮式机器人三维环境感知技术的研究进展。[结论/展望]结合农业作业特点与实际需求,指出了农业轮式机器人三维环境感知技术在适用性、环境信息处理和感知效果等方面存在的一些问题,并提出了提升传感器的农业适用性、发展基于深度学习的农业环境感知技术、发展智能化的高速在线多传感器信息融合技术三个方面的建议,以期为农业轮式机器人三维环境感知技术发展提供参考与借鉴。     

大数据在农业机械领域中的应用

大数据技术是当今时代最重要的新兴技术之一,在很多领域有着广泛的应用,分析了大数据技术对促进农业机械发展的重要意义,通过大数据的特性研究了其在农业机械领域应用的可行性,重点从3个维度分析了大数据在农业机械领域的应用场景和实例,最后结合大数据在农机领域应用的困难提出了建议与展望。      

农业人工智能的现状与应用综述

近年来,人工智能技术不断发展,已渗透到金融、教育、医疗、工业等众多领域当中。农业人工智能的出现,极大地推进了农业向智能化、信息化发展。本文主要介绍了人工智能中的关键技术,分析了人工智能技术在种植业、畜牧业、农产品营销等农业领域方面的重要应用意义,报告了目前人工智能技术在农业产前、产中、产后三大阶段的应用情况以及在国内外农业领域的发展现状,同时,列举了一些人工智能在农业中的经典应用和场景。指出目前我国农业领域面对新技术时存在的不足和挑战,并对此提出推动新技术应用的策略,以期我国能够真正意义上进入智慧农业。最后,对人工智能在农业领域的发展提出一些思路。     

我国人工智能化农业机械应用及发展分析

当前,我国的人工智能技术、互联网技术发展日趋成熟,在多个领域崭露头角。农业科学工作者转变观念,将人工智能和"互联网+"渗透在农业领域,由此开启了我国智能化农业机械新一代科学技术的变革,人工智能化在农业机械和生产中的运用开始增多。运用人工智能化技术辅助农业生产,能大幅度提升农业生产的质量和效率,有效促进农民的增产增收,增加其经济效益。文章重点对人工智能化在农业机械领域中的应用进行了分析,并对其未来发展进行了深入研究。     

专题导读——农业大数据与人工智能

农业大数据是大数据理念、技术和方法在农业方面的实践,是跨行业、跨专业、跨业务的数据分析与挖掘,以及数据可视化的具体展示。人工智能技术是推动智慧农业发展的核心力量之一,在农业领域的应用潜力巨大。大数据与人工智能技术的应用将推进农业智能化发展,促进农业精细化管理,提高农业工作者的生产效率。     

对农业大系统控制若干问题的思考

本文所涉及的“智能农业”是指基于大系统控制理念的农业大系统智能控制体系,这与以往的基于电脑农业和农业专家系统的“农业智能化”有本质的区别。本文所探讨的“智能农业”是从复杂大系统角度把农业系统看成一个可控的闭环大系统,然后在农业领域综合应用人工智能、自动控制、运筹学,以及引入先进的检测技术和网络技术等来整体提高农业系统的智能化,并达到优化产出。本文对智能农业的论述是围绕复杂大系统的控制问题而展开的,进一步完善对于智能农业的阐述;同时,针对人工智能和自动控制应用、大系统分析建模和系统控制指标解析等进行了讨论,提出了若干研究方向和需要重视的问题。      

大数据及人工智能技术在灌溉领域的应用初探

农业部于2016年制定并发布了《关于推进农业农村大数据发展的实施意见》,《意见》规划到2020年底前,实现农业农村历史资料的数据化、数据采集的自动化、数据使用的智能化、数据共享的便捷化。本文抛砖引玉,重点探讨了大数据及人工智能技术在灌溉领域的几个应用案例及发展趋势,简析了大数据及人工智能技术在灌溉领域的应用价值。     

智慧农业的发展现状与展望

智慧农业是一种利用先进的信息技术和农业科学知识,提高农业生产效率并促进农业可持续发展的新型农业模式。《中共中央国务院关于做好2022年全面推进乡村振兴重点工作的意见》强调,推进智慧农业发展,促进信息技术与农机农艺融合应用。基于此,文章以智慧农业的定义和发展现状为出发点,探讨了智慧农业的优势以及目前存在的不足,同时对智慧农业未来的发展趋势进行了展望。随着人工智能、机器学习、区块链等新兴技术的不断崛起,借助人工智能、区块链、无线通信、传感器、大数据和机器学习等新兴技术的应用,实现农业生产的智能化、自动化和可持续发展,将是智慧农业未来发展的趋势。研究结果表明,智慧农业在农业现代化中具有广泛的应用前景,对农业产业的提升和农村经济的发展都具有十分重要的作用。     

农业知识图谱技术研究现状与展望

在当前农业信息化的发展进程中,多数农业子领域面临着数据资源分散、信息整合难度大、知识利用效率低等问题。作为近年来新兴的一种知识表示技术,知识图谱已在部分农业特定领域展现出了强大的语义推理和数据整合能力,同时帮助一些农业上层应用提高了性能。为系统总结近年来农业知识图谱构建与应用方面的研究成果,本文首先阐述了知识图谱基础和农业知识图谱的构建流程,并从本体建模、信息抽取、知识融合以及知识加工4方面总结了构建农业知识图谱所涉及的关键技术。将当前农业知识图谱的应用分为信息检索、问答系统、推荐系统、专家诊断系统和作物预测5方面,并对这些应用工作进行了梳理。最后,对当前农业知识图谱的研究现状进行了总结,并认为未来农业知识图谱可以从多模态知识推理、强时效性知识更新、多语言知识查询、跨领域数据融合以及子领域知识图谱构建等方面加以研究。     

LiDAR传感器及技术在农业场景的应用进展综述

农业传感器是实现农业现代化发展的关键支撑技术,先进成熟的工业传感器向农业领域拓展应用有效补充了农业传感器的体量。LiDAR传感器由于其较强的抗干扰能力,在复杂多变的农业场景中应用越来越广泛、深入。首先,介绍LiDAR传感器的性能特点,工作原理与分类,市场应用与新技术;然后,基于国内外大量相关研究,系统介绍LiDAR传感器及技术在森林参数测量、果树靶标几何特征探测、作物几何表型特征检测、农业车辆自主导航定位以及农药雾滴飘移检测这5个农业场景的应用进展;同时,针对农业场景中探测对象的特殊性,讨论分析LiDAR传感器及技术在上述5类农业场景应用中的发展趋势;最后,展望LiDAR新技术在农业场景应用中的发展方向,即通过集成自动化采集系统装备与数据智能分析方法进一步提升LiDAR数据精准性、全面性、丰富性和实时性。     

农业装备自动控制技术研究综述

随着信息与控制理论的发展，自动化控制技术在农业装备领域广泛应用，促进农业生产的智能化、现代化与规模化。运动控制和作业控制是智能农机自动控制技术的两大核心内容，为无人农机在复杂环境下的高精度自主导航安全行驶和精准作业提供保障。速度控制与转向控制是智能农机运动控制的基础，导航跟踪控制是智能农机运动控制的主要内容。本文阐述了智能农机速度控制与转向控制的研究进展，总结归纳了基于几何模型、基于运动学模型和不依赖于模型的自动导航跟踪运动控制方法。然后，着重分析了智能农机在耕、种、管、收等各环节的作业机构控制以及多机协同作业控制方法。最后，指出构建更加精准的农机数学模型，研究面向复杂场景的先进底盘运动控制技术，发展人工智能与控制理论深度融合的农机控制技术以及提升农机农艺相结合的多机协同控制技术是未来智能农机自动控制技术的发展方向。     

无人驾驶铰接转向车辆路径跟踪控制研究综述

路径跟踪是无人驾驶技术的重要组成部分,是实现铰接转向车辆准确平稳自主行驶的关键,对提高铰接转向车辆在农业、林业、矿山及建筑等行业的作业效率和安全性具有重要意义。车辆模型构建、控制算法设计和算法验证评估是路径跟踪控制研究的基础,围绕这3方面阐述了铰接转向车辆路径跟踪控制研究的进展。首先回顾了铰接转向车辆的几何学模型、运动学模型和动力学模型,并讨论了各类模型在路径跟踪控制研究中的适用场景及局限性;在此基础上,阐述了铰接转向车辆路径跟踪控制算法的研究现状,对比并总结了每种算法的优缺点及适用范围,并进一步归纳了算法的验证与评估手段;最后展望了铰接转向车辆路径跟踪技术未来的研究重点及方向：考虑车辆动力学因素及模型参数动态时变特性的车辆建模研究;融合各类算法适应性并结合智能算法的多工况自适应控制算法设计;标准化、流程化的高保真仿真场景开发及集成准确性、稳定性、安全性等多性能的评估方法研究。     

物联网在农业领域的应用

传统农业主要依靠自然资源和劳动力成本的低廉,效率低、工作量大、难度高,已不能满足现代农业的高产、优质、高效、安全、生态的要求。随着物联网技术被引入到农业中,农业现代化、信息化得以大大提高。为此,介绍了物联网的概念,并综述了以RFID技术为重点的物联网在现代养殖业、农作物生长、农产品质量安全监测中的应用,并指出物联网在农业领域应用所面临的问题和未来的展望。     

面向语义挖掘的蔬菜病害知识视频场景检测

以蔬菜病害知识视频为对象,研究了视频镜头分割、标注方法和聚类模型,构建了面向语义挖掘的语义场景检测模型。基于多模态融合的视频分割技术建立了蔬菜视频镜头库;结合蔬菜知识中文词典,基于多模态融合的视频内容识别方法对蔬菜视频镜头库进行文本标注;对识别结果进行基于知网的语义相似度度量,构建了蔬菜病害知识视频语义场景模型,通过度量相邻镜头的相似度对语义上相近的镜头进行再聚类,使聚类后的视频场景更适合基于内容的视频检索。实验结果表明,该方法检测蔬菜视频语义场景的查准率达到96.9%。     

深度学习在家畜智慧养殖中研究应用进展

准确高效地监测动物信息,及时分析动物的生理与身体健康状况,并结合智能化技术进行自动饲喂和养殖管理,对于家畜规模化养殖意义重大。深度学习技术由于具有自动特征提取和强大图像表示能力,更适用于复杂的畜牧养殖环境中动物信息监测。为进一步分析人工智能技术在当下智慧畜牧业中研究应用,本文针对牛、羊和猪三种家畜,介绍了深度学习技术在目标检测识别、体况评价与体重估计以及行为识别与量化分析的研究现状。其中,目标检测识别有利于构建动物个体电子档案,在此基础上可以关联动物的体况体重信息、行为信息以及健康情况等,这也是智慧畜牧业发展的趋势。智慧畜牧养殖技术当前面临着应用场景存在多视角、多尺度、多场景和少样本等挑战以及智能技术泛化应用的问题,本文结合畜牧业实际饲养和管理需求,对智慧畜牧业发展进行展望并提出了：结合半监督或者少样本学习来提高深度学习模型的泛化能力;人、装备和养殖动物这三者的统一协作及和谐发展;大数据、深度学习技术与畜牧养殖的深度融合等发展建议,以期进一步推动畜牧养殖智能化发展。     

有限元法在农业物料力学研究中的应用进展

近年来,有限元法越来越多地应用于农业科学的研究领域。为此,概述了国内外应用有限元法研究农业物料力学性质的进展情况;总结了有限元法在坚果壳力学特性、谷物种子力学特性以及果蔬力学特性与力学模型中的应用;指出了当前研究所存在的问题,并对以后应用有限元法研究农业物料力学问题做了展望。