植物病虫害智能问答系统设计与实现

植物病虫害智能问答系统是对农民用户的问题自动地给予专家解答。本文提出领域分词、问题分类和问题相似度的计算方法,利用自动和手工相结合的方法构建了一定规模的植物病虫害智能问答知识库,将自然语言处理方法和所建知识库结合,开发了一个实用的植物病虫害智能问答原型系统。该系统功能完善,可满足农民用户的一般问答需求。     

基于word2vec和Attention-Seq2Seq的水稻病虫害智能问答方法研究

为了提高水稻病虫害问答的准确性、快捷性和智能性,构建一种基于word2vec和注意力机制(Attention)优化的Seq2Seq问答模型。采用爬虫技术获取网络问答数据2万余条,经Jieba分词对数据进行分词处理,去除停用词无用符号等。同时,为提高模型的准确率,采用word2vec中的Skip-Gram模型将句子中的词语进行转换,得到具有语义等信息的词向量,并将经word2vec训练得到的词向量与加入了Attention(注意力机制)的Seq2Seq(Sequence to Sequence,序列到序列)模型进行问答模型训练。试验选取20000条水稻病虫害问答数据,按照随机选取方式,将数据按7/1/2进行训练、验证与测试。将本研究的问答模型与Seq2Seq模型和仅加入Attention机制的Seq2Seq模型进行对比分析,以BLEU评分标准与问答正确率为判断依据。试验结果表明:采用加入了word2vec与Attention机制的Seq2Seq问答模型相比其他两种模型,其模型的测试结果更为准确。该模型在BLEU评分和问答准确率上均高于其他两种模型,BLEU评分与问答正确率分别为33.58%和71%。比其他两种问答模型分别提高22.34%、9.51%和28%、14%。本研究构建的问答模型显著地提高了问答的准确率,能较好地解决农户在水稻种植生产过程中遇到的难题。     

基于改进VSM的农业实用技术自动问答系统研究

针对农业实用技术需求及传统向量空间模型在农业特定领域应用中存在的问题,从特征词规范化、文档特征词专业性权值修正、查询特征词分布权值修正、系统效率优化4方面对其改进,并进行农业技术自动问答系统开发。结果表明,改进后的计算模型提高了自动问答的准确率和召回率,且系统检索性能也得到明显改善。     

基于LCN的医疗知识问答模型

中文医疗领域分词比较困难,导致现有算法对于医疗问题特征提取不充分,针对中文分词的特点,提出基于LCN(Lattice CNN,格子卷积神经网络)的医疗知识问答模型.首先,利用某三甲医院提供的15 000份电子住院记录,基于电子住院记录利用Glove模型训练医学词向量.其次,通过各大医疗网站获得大量医学名词及名词间的关系,构建医学知识图谱,并提取知识图谱中的关系词,结合已训练的词向量获取关系向量.最终,以医学词向量作为模型输入端并利用LCN神经网络提取医疗问题特征,计算问题特征与关系向量的相似度,进而训练医疗知识问答模型.实验表明, LCN模型准确率可达89.0%,与同类问答模型比较,提高了2%.     

一个基于农业本体的Web知识抽取模型

基于本体(ontology)知识抽取的主要目标是研究如何从没有语义信息的非结构文档中抽取与领域本体匹配的知识,从而实现对知识充分、有效的利用。以农业知识为研究对象,提出一种利用本体从Web网页上提取知识的方法。首先利用自顶向下的方法建立农业领域本体,然后利用噪声消除算法去除噪音块,接着将农业领域本体解析的结果应用到中文分词、命名实体识别及知识抽取过程中,从而使得中文分词和命名实体识别的结果更准确,解决Web信息抽取系统中抽取结果缺乏语义信息的问题。最后,通过试验验证该抽取系统能够得到性能较高的抽取结果。     

基于本体的小麦病虫害问答系统构建与实现

为了能够及时、方便地解决农民在小麦种植过程中遇到的病虫害问题,研究并设计了一个关于小麦病虫害问题的自动问答系统。首先,将小麦的病虫害知识进行资源整合,在领域专家指导下构建小麦病虫害本体,将其作为问答系统的知识库。然后,利用自然语言处理相关技术对用户提出的问题进行分析并找到相应答案返回给用户。该系统操作方便,对小麦病虫害预防有重要作用。     

基于深度学习的植物病虫害智能检测系统研究

由于当今全球气候变化异常,农作物病虫害频发,而且农作物病种类多,成因复杂,其预防和识别难度较大,且传统病虫害识别方法大多靠人目视手查,需要一定的专家经验,具有主观性强、识别准确率低等缺点。而信息技术作为解决农作物病虫害智能、快速识别的新技术、新方法,我们计划利用农业信息大数据智能决策分析系统,建立完善一体化的智能农业信息监测系统等。本文便是基于深度学习将计算机视觉、图像识别等技术运用于农作物病虫害检测中,开发智能病虫害检测系统,以提高病虫害检测准确率,减少病虫害对农业生产的危害。     

面向茶学领域本体的概念自动提取方法研究

针对目前手工构建本体耗时费力这一难题,以茶学领域知识为研究对象,提出了一种本体的概念自动提取方法。该方法利用中文分词技术对茶学语料进行切分,使用互信息技术从切分后的语料中得出候选概念(合成词)集合,通过判断候选概念和非合成词的领域相关性,自动提取出茶学领域本体概念。以该方法为基础开发了相应的原型系统,实验结果表明,该方法是有效的。     

一种改进的长词优先逆向最大匹配分词消歧策略

为提高逆向最大匹配算法的分词精度,本研究利用词频阙值,单字函数等方法取得了较好的消歧效果。实验结果表明:该分词算法既能遵循长词优先的原则,又能进一步识别和消除覆盖歧义。改进的RMM不仅在速度上仍保持较大优势而且在分词准确率上有了进一步的提高,对使用机械分词算法的中小型搜索引擎在提高分词精度方面具有一定的实用价值。     

基于本体的蔬菜病虫害知识库构建

针对传统农作物病虫害知识表示方法以及现有农业本体存在的不足,将本体概念引入蔬菜病虫害知识表达.分析了蔬菜病害领域的知识特点,并以蔬菜病害为例,运用本体相关理论和方法构建了蔬菜病害知识领域本体,建立了基于本体和规则推理的蔬菜病虫害知识库模型.探讨了本体知识库的应用.     

基于Ontology的农业科学领域知识库构建

本体(ontology)的概念起源于哲学领域,在农业信息检索领域中,由于本体可用以解决知识概念表示和知识组织体系方面的问题,因此本体概念引起了农学界专家的高度关注。发达国家在农业科学领域已经建成一些很成熟的领域本体库,并得到了实际应用,为加快这方面的工作,我国在"十一五"计划中,将开展以网络农业信息资源组织为主的农业本体构建技术研究列入其中,因此,农业本体研究是响应国家号召,大力发展和提高我国农业技术和服务水平的重要措施。以农业科学领域中的油料作物——油菜为主要对象,构建农业领域本体知识库。首先在中文科技期刊全文数据库中检索包含油菜的论文题目作为基本语料,然后对检索到的题目利用汉语词法分析系统(institute of computing technology,Chinese lexical analysis system,简称ICTCLAS)进行分词分割,按词频出现频率筛选农业科学领域的关键词语并进行定义和细化,最后利用Protégé软件构建农业科学领域知识库。构建简单的农业科学领域本体库模型,目的是为农业领域实现网络信息快速检索和提高农业信息共享水平打下坚实基础,同时为开展以农业本体服务为目的的农业本体论研究与应用作初步探索。     

机器学习在农作物病虫害识别上的应用综述

农作物病虫害是发展农业领域所亟待解决的重要问题之一,机器学习的进步加速了识别农作物病虫害的发展趋势。目前,在农作物病虫害识别中存在农作物病虫害种类繁多、农村地区发展落后农业技术人员稀缺、过度依赖杀虫剂等问题,发挥机器学习的优势,对病害图片实现计算机识别,通过不断地学习智能分类,用来判断作物生病与否,从而实现农作物高质高量的目标。首先,介绍了传统病虫害检测缺陷;其次,介绍了目前机器学习在农作物病虫害识别的成果;再次,对机器学习的发展进行了探讨,有望将机器学习和无人机技术也运用到农作物病虫害识别上,更有利于农业进步和经济发展。     

植物病虫害防治本体模型构建研究

在当今网络信息环境下,本体的构建和应用成为信息管理领域的研究热点,一个重要原因是机器可以理解使用本体表达的知识体系,从而可以开发相应的智能推理系统。将本体理念与技术引入植保领域,从植物病虫害领域知识的特点出发,研究该领域概念间关系,以中图法和叙词表为基石构建植物病虫害防治领域本体模型,并在此基础上采用OWL语言对其进行形式化描述,为促进植物病虫害防治知识共享、复用提供参考。     

推进病虫测报技术规范化提升监测预警技术水平

提高农作物病虫害测报准确率,依赖于测报技术水平的整体加强。就当前农作物病虫害测报调查中所涉及到的一些问题进行了初步探讨,并就如何进一步提高测报技术水平提出了优化建议。     

基于SWRL的枸杞病虫害本体知识推理研究

针对农业领域存在的知识表示、推理和重用等问题,将本体理念与技术引入农业领域,并对如何构建枸杞病虫害本体及相应的SWRL规则进行研究。首先对枸杞病虫害知识本体中的概念及概念之间的关系进行知识表示,构建1个可共享、可重用、可扩展的枸杞病虫害领域本体;然后根据枸杞病虫害本体中逻辑关系设计一系列SWRL规则;最后将构建的枸杞病虫害领域本体和SWRL规则放入Jess推理机中进行推理,通过推理的方法得到病害领域本体的隐含知识,从而完善枸杞病虫害领域本体。     

基于深度学习网络实现番茄病虫害检测与识别

为利用计算机或人工智能技术协助番茄病虫害防治，以存在病虫害侵害问题的番茄植株图像为研究对象，针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络，用于精确定位图像中的病虫害目标，并采用基于经典卷积神经网络构建的旋转不变Fisher判别CNN分类网络，以此提高病虫害分类的准确率。结果表明:1)将测试结果与传统的目标检测模型和分类模型作对比，基于Swin Transformer的YOLOX网络在番茄病虫害测试集上的精确度比Faster R-CNN和SSD分别高了7.9%和9.5%，旋转不变Fisher判别CNN对病虫害类别的识别准确率与AlexNet、VGGNet相比分别提升了8.7%和5.2%；2)与基于Transformer的目标检测模型DETR和近年来新兴的图像分类模型Vision Transformer(ViT)在番茄病虫害测试集上的结果相比较，本研究的检测和分类方法也存在优势，病虫害检测精度和分类准确率分别提高了3.9%和4.3%。此外消融试验也证明了本研究方法改进的有效性。总之，本研究所构建的网络在番茄病虫害的目标检测和分类识别方面的性能优于其他网络，有助于提升番茄病虫害的防治效果，对计算机视觉在农业领域的应用具有重要意义。     

农业病虫害监测中高光谱遥感技术应用研究进展

农作物病虫害监测是有害生物综合防治必不可少的环节之一。本文首先在阐述高光谱遥感监测农作物病虫害原理的基础上,对高光谱遥感技术近年来在农业病虫害防治中的应用进行了总结,按主要大宗作物种类进行分类,体现了高光谱遥感在植保领域中广阔的应用前景。最后,对该技术在农业病虫害领域的应用前景进行了展望。     

农业病虫害监测中高光谱遥感技术应用研究

农作物病虫害监测是有害生物综合防治必不可少的环节之一。本文首先在阐述高光谱遥感监测农作物病虫害原理的基础上,对高光谱遥感技术近年来在农业病虫害防治中的应用进行了归纳总结,按主要大宗作物种类进行分类,体现了高光谱遥感在植保领域中广阔的应用前景。最后,对该技术在农业病虫害领域的应用前景进行了展望。     

基于本体和CBR的电子商务推荐系统研究

大量信息的异构性带来了信息集成上的问题,已成为电子商务推荐系统的瓶颈。对基于本体和CBR的电子商务推荐系统进行了研究,阐述了系统总体架构和主要模块功能,具体描述了基于领域本体的案例表示,并提出了综合相似度计算方法。研究表明,该系统实现的案例推荐具有更高的准确率,说明该系统具有可行性。     

面向茶学领域本体的概念间分类关系提取方法研究（英文）

以茶学领域知识为研究对象,提出了一种本体概念分类关系的提取方法。该方法通过改进基于语言模式的规则,对茶学领域概念集合构建广义后缀树,形成概念间的层次结构和分类关系。并以上述方法为基础开发了相应的原型系统,试验结果表明该方法是有效的。