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。     

基于BERT的水稻表型知识图谱实体关系抽取研究

针对水稻表型知识图谱中的实体关系抽取问题,根据植物本体论提出了一种对水稻的基因、环境、表型等表型组学实体进行关系分类的方法。首先,获取水稻表型组学数据,并进行标注和分类;随后,提取关系数据集中的词向量、位置向量及句子向量,基于双向转换编码表示模型（BERT）构建水稻表型组学关系抽取模型;最后,将BERT模型与卷积神经网络模型、分段卷积网络模型进行结果比较。结果表明,在3种关系抽取模型中,BERT模型表现更佳,精度达95.11%、F1值为95.85%。     

基于元数据的农田信息存储、管理和共享

为实现基于元数据的农田信息的存储、管理和共享,在建立农田信息数据元的基础上,采用空间数据库技术,构建了农田信息的分级存储与管理模型;利用元数据服务和组件技术,在SuperMap GIS平台上构建了农田信息共享服务与互操作模型。通过对“基于WebGIS的小麦生产精准施肥决策系统”和“基于GIS的河南省作物生产潜力评价系统”数据元的提取和封装,实现了两个系统数据的无损共享,结果表明,在建立农田信息标准元数据的基础上,利用元数据和元数据服务技术来解决农田信息一体化存储、管理和共享是可行和有效的。     

数据分析技术在变量施肥系统设计中的应用

以作物生长施肥过程为研究对象,对不同土壤条件中的作物生长信息进行数据分析,建立一种智能化变量施肥决策控制系统.以作物叶绿素和作物生长信息之间的相互关系为依据,对有限空间范围内的相关环境参数数据进行处理,结合农田试验数据,形成基于土壤肥力和作物叶绿素的两种施肥模型.使用系统开发工具,建立基于数据分析技术的变量施肥决策控制...     

基于SPAD的水稻氮素含量测量指标及模型研究

叶绿素相对含量(SPAD)与水稻氮素含量有较好的相关性,但田间叶片的SPAD值测量影响因素较多。本文分析了在不同生长期,不同氮肥胁迫下水稻植株的氮素敏感叶片的叶绿素值的测量影响因素以及随氮素水平变化规律,构建最佳水稻氮素测量指标,并建立叶绿素值与水稻氮素含量检测模型。研究成果可为建立水稻信息专家库及水稻在线施肥系统提供决策依据。     

基于ArcGIS Engine的土壤氮肥空间分布成图系统

为直观反映土壤中氮肥的分布情况,并为变量施肥决策提供技术支持,开发了氮肥空间分布成图系统。系统基于.NET平台,使用C#语言编写,利用ArcGIS Engine实现数据文件类型转换、插值分析、栅格图层渲染等GIS功能。利用近红外光谱技术获得土壤光谱数据,通过Python构建BP神经网络回归模型,实现氮素含量预测。利用C#命令行的方式实现C#对Python模型的调用。配合车载式土壤参数传感器采集的数据对系统进行了测试,结果表明:该系统能够根据光谱数据估算出采集点对应的氮素含量,并结合采集点的地理坐标,分别使用反距离加权插值算法和趋势面插值算法生成氮肥空间分布图,为制定相应的变量施肥决策提供理论依据。     

基于数据挖掘的农业信息服务

针对如何有效利用我国当前农业网站海量数据信息为我国农业生产服务的难题,结合数据挖掘的相关理论和知识,引入HTML文本抽取技术对Web农业数据信息进行抽取,从而构建一个经处理后的数据仓库,再设计数据挖掘流程对数据进行挖掘。最终,以某蔬菜网为例对上述数据挖掘模型进行验证。结果表明,引入的数据挖掘算法在农产品价格等信息的挖掘方面与实际信息相符,验证了构建的数据处理和挖掘方法的有效性,为当前农业信息服务提供了借鉴与参考依据。      

基于植物电子病历多类型数据融合的作物病害诊断方法

植物电子病历(EMR)以结构化和非结构化的形式记录了大量关于疾病症状、环境特征以及诊断开方的信息，为病害的智能诊断提供了优质知识来源，但是其样本量少、公开数据集缺乏和多种类型数据并存的特点给相关研究带来困难。根据植物EMR多类型数据混合的特点，提出了一种基于BERT-MPL数据融合与注意力机制优化的作物病害诊断模型(BERT-MPL data fusion model based on attention mechanism, BM-Att)。首先采用BERT预训练语言模型抽取电子病历中非结构化部分的文本语义特征；其次通过one-hot编码和多层感知机(MLP)对结构化数据进行编码和向量维度的扩增；最后在特征融合阶段采用注意力机制强调关键特征，利用多层全连接层实现病害诊断。构建了番茄、黄瓜、生菜和西瓜4种作物的15种病害数据集验证模型的效果并进行消融实验，并且对比了CNN、RCNN、AttRNN、FastText、Transformer、BERT和ERNIE等处理文本数据的常见模型，以及BERT-ALEX、BERT-1dCNN、BERT-1dLSTM、BERT-1dAttLSTM、BE...     

词嵌入BERT-CRF玉米育种实体关系联合抽取方法

针对玉米育种文本数据中存在重叠三元组、实体表达方式多样等问题，提出一种嵌入词汇信息的BERT-CRF(Bidirectional encoder representations from transformers-conditional random field)玉米育种实体关系联合抽取方法。首先，分析了玉米育种语料表达特征，采用对实体边界、关系类别和实体位置信息同步标注的策略；其次，构建了嵌入词汇信息的BERT-CRF模型进行训练和预测，自建玉米育种知识词典，通过在BERT中嵌入词汇信息，融合字符特征和词汇特征，增强模型的语义能力，利用CRF模型输出全局最优标签序列，设计了实体关系三元组匹配算法(Entity and relation triple matching algorithm, ERTM),将标签进行匹配和映射来获取三元组；最后，为验证该方法的有效性，在玉米育种数据集上进行实验，结果表明，本文模型精确率、召回率和F1值分别为91.84%、95.84%、93.80%,与现有模型相比性能均有提升。说明该方法能够有效抽取玉米育种领域知识，为构建玉米育种知识图谱及其它下游任务提供数...     

湖南省衡东县水稻施肥技术指标体系

根据多年“3414”等田间肥效试验数据,建立土壤养分丰缺指标体系和施肥技术模型,掌握不同地力等级水稻施肥参数,构建水稻施肥技术指标体系,提出施肥方案,并将研究成果应用于水稻生产,产生了显著成效。      

基于两线解码技术的水肥一体化云灌溉系统研究

针对传统设施农业水肥利用效率低、信息采集量少、数据挖掘利用弱等问题,设计了基于两线解码技术和云计算的设施农业水肥一体化智能云灌溉系统,包括智能云灌溉控制系统、全自动水肥一体机和高效节水灌溉系统3部分。该系统通过两线解码技术,利用各种传感器实时采集各单个设施农业作物生长环境的参数信息,并将各类采集数据及时传输和存储于数据管理云平台,根据设施农业种植区采取的环境信息和作物的需水需肥规律,利用云集群的计算和分析能力,科学确定设施农业中不同环境条件下作物生长的水肥需求和灌溉施肥制度,实现水肥一体化的智能控制。通过2个设施农业种植基地的应用实例表明,相比传统灌溉方式,水分和肥料的利用率分别提高了25%~40%和15%~35%,并且大幅度减少了劳动时间和劳动力。     

基于改进Faster R-CNN的水稻稻穗检测方法

为了快速而准确地统计视频监测区域内的水稻穗数,提出了一种基于改进Faster R-CNN的稻穗检测方法。针对稻穗目标较小的问题,在Inception_ResNet-v2的基础上引入空洞卷积进行优化;对于不同生长期稻穗差别大的问题,设计了针对标注框尺度的K-means聚类,为候选区域生成网络提供先验知识,从而提高了检测精度。鉴于小尺寸稻穗目标的特殊性,用ROIAlign替代ROIPooling,提高了感兴趣区域的提取精度。试验测试时,根据水稻不同发育期稻穗的表型特征差异自制了3类数据集,并选取最佳聚类数为10。模型对比试验表明,本文方法的稻穗检测平均精度均值达到80.3%,较Faster R-CNN模型提升了2.4个百分点,且比SSD和YOLO系列模型有较大幅度的提升。     

基于深度卷积神经网络的水稻知识文本分类方法

为解决文本特征提取不准确和因网络层次加深而导致模型分类性能变差等问题,提出基于深度卷积神经网络的水稻知识文本分类方法.针对水稻知识文本的特点,采用Word2Vec方法进行文本向量化处理,并与One-Hot、TF-IDF和Hashing方法进行对比分析,得出Word2Vec方法具有较高的分类精度,正确率为86.44％,能...     

基于注意力机制金字塔网络的麦穗检测方法

为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语义信息的提取,有效提升网络对遮挡麦穗的检测性能;其次对原始区域建议网络的输入进行改进,设计了一种加权区域建议网络,在通道级别上将高层具有强语义信息的低分辨率特征图融合在一起,经过一系列的全连接层和激活函数生成对应维度的概率后,对底层高分辨率特征图进行加权以增强有用的信息通道,为难以检测的较小麦穗生成更精确的检测框。关于实地采集的灌浆期麦穗图像的实验结果表明,本文方法明显改善了对遮挡麦穗和较小麦穗的检测效果,其检测精确度、召回率和平均精度分别达到80.53%、87.12%和88.53%。通过对公开ACID数据集上不同时期麦穗检测结果的对比分析,进一步验证了本文方法的有效性。     

基于语义融合与模型蒸馏的农业实体识别

当前农业实体识别标注数据稀缺,部分公开的农业实体识别模型依赖手工特征,实体识别精度低。虽然有的农业实体识别模型基于深度学习方法,实体识别效果有所提高,但是存在模型推理延迟高、参数量大等问题。本研究提出了一种基于知识蒸馏的农业实体识别方法。首先,利用互联网的海量农业数据构建农业知识图谱,在此基础上通过远程监督得到弱标注语料。其次,针对实体识别的特点,提出基于注意力的BERT层融合模型（BERT-ALA）,融合不同层次的语义特征;结合双向长短期记忆网络（BiLSTM）和条件随机场CRF,得到BERT-ALA+BiLSTM+CRF模型作为教师模型。最后,用BiLSTM+CRF模型作为学生模型蒸馏教师模型,保证模型预测耗时和参数量符合线上服务要求。在本研究构建的农业实体识别数据集以及两个公开数据集上进行实验,结果显示,BERT-ALA+BiLSTM+CRF模型的macro-F1相对于基线模型BERT+ BiLSTM+CRF平均提高1%。蒸馏得到的学生模型BiLSTM+CRF的macro-F1相对于原始数据训练的模型平均提高3.3%,预测耗时降低了33%,存储空间降低98%。试验结果验证了基于注意力机制的BERT层融合模型以及知识蒸馏在农业实体识别方面具有有效性。     

基于特征优选的多时相SAR数据水稻信息提取方法

多时相合成孔径雷达(Synthetic aperture radar, SAR)数据可为水稻提取提供丰富信息,在多云多雨地区对水稻识别和监测具有独特优势。但过多特征变量的加入,一定程度上造成“维数灾难”及信息冗余,因此,本文提出一种基于多时相后向散射特性及干涉相干性优选特征的水稻提取方法。基于研究区水稻生长周期的多时相Sentinel-1 SAR数据,构建后向散射系数和干涉相干系数特征集,利用ReliefF算法对特征重要性进行排序,同时采用JM距离确定最优特征数目完成最优特征选择,结合随机森林分类算法对研究区水稻进行提取及精度评价。结果表明：基于优选特征提取水稻面积相对误差为4.96%,总体精度达到92.48%,Kappa系数为0.90;从优选特征剔除干涉相干特征提取的水稻面积相对误差增加2.39个百分点,总体分类精度和Kappa系数分别降低4.03个百分点、0.06,说明干涉相干性有利于水稻信息提取。基于多时相后向散射特性及干涉相干性的特征优选减少了数据冗余,提高了运算效率,可实现大范围高精度水稻提取。     

福建省农业技术推广信息化展示平台设计与实现

根据福建省茶叶、蔬菜、食用菌及再生稻4大特色产业,以及在农业技术推广服务中所采用的“科研试验基地、区域示范基地、基层推广站点及农户”有机结合的新模式,设计并提出农业技术推广的信息化服务体系结构.针对多元化推广服务需求和相关数据多类型、多主题和多源异构等问题,采用统一信息资源分类与编码的方法,基于ASP.NET框架的模型...     

基于工业互联网的大米供应链数字孪生系统构建

粮食生产供应关乎国家安全稳定,针对目前粮食供应链存在的数据共享水平低、管控智能化程度不高等问题,构建基于工业互联网标识解析技术的粮食供应链数字孪生系统。以大米供应链为典型对象,首先设计涵盖收购、运输、加工、仓储、包装、销售的大米全供应链数字化模型,研究基于标识解析体系的各环节全要素标识编码和数据开放共享,建立实物对象与信息系统之间的数字桥梁;提出包含物理层、网络层和孪生层的数字孪生体系架构,形成基于工业互联网的数据流通共享基础,明确孪生体系架构的关键模型;并详细阐述设备、产线、物料等对象的全要素精准建模过程,构成集几何模型、物理模型、行为模型和规则约束模型为一体的数字孪生模型;最后借助Unity3D软件以及C#编程技术搭建大米供应链数字孪生原型系统,实现对产线的三维可视化监控。实验结果表明,该系统在供应链全要素数据充分共享基础上,通过三维展示、预测控制和智能决策一定程度上提升了大米供应链智能化监管能力,为工业互联网等技术赋能产业数字化转型提供参考。