排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
基于深度学习的作物病虫害可视化知识图谱构建 总被引:1,自引:9,他引:1
针对作物病虫害领域存在实体关系交叉关联、多源异构数据聚合能力差、知识共享困难等问题,利用知识图谱以结构化的形式描述实体间复杂关系的优势,该研究提出了一种基于深度学习的作物病虫害知识图谱构建方法。该方法在领域本体的基础上,以一种与领域语料相适应的新标注模式实现实体和关系的联合抽取。将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,有效提高标注效率;为了解决重叠关系抽取问题,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据。利用来自转换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)-双向长短期记忆网络(Bi-directional Long-Short Term Memory,BiLSTM)+条件随机场(Conditional Random Field,CRF)端到端模型进行试验,结果表明效果优于基于普通标注方式的流水线方法和联合学习方法中的卷积神经网络(Convolutional Neural Networks,CNN)+BiLSTM+CRF、BiLSTM+CRF等经典模型,F1得分为91.34%。最后,将抽取到的知识存储到Neo4j图数据库中,直观地反映知识图谱的内部结构,实现知识可视化和知识推理。该研究构建的知识图谱可为作物病虫害智能问答系统、推荐系统、智能搜索等下游应用提供高质量的知识库基础。 相似文献
2.
3.
基于非接触式的牛只身份识别研究进展与展望 总被引:1,自引:0,他引:1
快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法,易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战;而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高,成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展,重点关注牛脸识别的最新成果,讨论当前牛脸识别在实际应用中面临的挑战,在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。 相似文献
4.
5.
6.
7.
8.
2020年底精准扶贫工作胜利完成,但绝对贫困和区域性整体贫困的消除并不意味着贫困的消失和扶贫工作的结束.党中央多次强调要健全防止返贫动态监测和帮扶机制,对易返贫致贫人口实施常态化监测.当前对返贫动态监测的研究多为宏观政策性内容,对贫困人口进行返贫识别的微观操作性研究较少.针对上述问题,利用贫困户建档立卡数据进行数据处理选取14维特征,构建基于集成学习算法的返贫人口识别模型进行贫困人口分类.结果表明,经调优的XGBoost算法模型取得最优结果,对已脱贫、未脱贫及返贫3类人员分别达97.43%、92.44%、97.04%的识别准确率,总体达到96.81%的准确率,能够较好识别出贫困人口贫困类别.为帮扶工作人员的防返贫动态监测和帮扶工作提供技术支持. 相似文献
9.
加速仪运动传感器被大量用于牲畜行为监测,是当前开展精准养殖研究的重要方向。综述了加速仪运动传感器在牲畜行为分类方面的研究,介绍了加速仪运动传感器在牲畜身上的可佩戴位置,并对比了其在腿部和颈部的佩戴差异,详细论述了基于加速仪运动传感器的牲畜行为分类流程,具体包括采样时间窗口确定、特征向量抽取、分类算法构建等。行为自动分类是对牲畜进行自动化监测、精准化管理的前期和基础,未来应进一步突破分类模型构建、多元传感器融合、实时数据处理等关键技术研究。 相似文献
10.
【目的】当前政府对生猪的监管停留在标签式耳标的被动监管上,但由于监管滞后经常出现死猪被丢弃的恶性事件发生,为了解决监管部门对生猪存亡状态远程监管难的问题,同时便于养殖企业监测生猪的心率,对异常心率的生猪及时采取有效措施。笔者设计一种集生猪心率采集及生猪存亡判断的远程监测系统。【方法】系统采用无线传感网的数据传输架构模式,由智能耳标、路由节点、网关、远程服务器、猪场监测中心、政府监管部门监测中心组成。智能耳标采集数据通过无线Zig Bee网络经路由节点,由网关中的GPRS模块将数据经由Internet转发至远程服务器中,软件系统自动对数据异常生猪报警。参考人用穿戴式心率监测的设计,采用光电心率测量法,使用LED及光感应器,结合滤波电路、放大电路设计了心率传感器。同时为确定LED的发光波长及光感应器的感应波长,通过采集不同体重杜长大猪耳处血液样本,运用郎伯比尔定律,利用分光光度计研究生猪血液中(Hb O2)与脱氧血红蛋白(Hb)对光谱吸光度规律,从光电心率测量法的原理出发,分析心率传感器在运动状态下测量不精确的原因。此外结合生猪的睡眠习性利用姿态传感器MPU6050中的DMP(Digital Motion Processor)获取稳定的姿态数据,并识别心率传感器采集的不准确的数据。最后采用具有Zig Bee协议的CC2530通过自带的ADC转换器、I/O模拟IIC通信协议实现心率传感器、MPU6050的数据读取,并通过Zig Bee网络进行数据传输,用其PM2(睡眠)模式降低功耗,制成集心率与姿态的监测为一体的耳标佩戴在猪耳上。【结果】研究表明从Hb O2与Hb对光谱吸光度规律观测,同时考虑到电子元件的成本、通用率,对生猪生活影响等因素,560 nm光用于生猪光电式心率测量效果明显。生猪心率传感器采用该波长光对生猪心率测量与传统人工测量方法对比,心率误差为0.9%,由于生猪卧睡时间占75%以上并且基本只在进食前后活动,因此心率传感器可较长时间对生猪进行监测,尤其是利用MPU6050监测运动情况,故该系统可实现对生猪静态下进行心率监测、动态下进行姿态监测,当在静态下无心率数据则代表生猪死亡。【结论】由于该耳标质量轻、体积小、功耗低、测量准确,可以较为便利地实现在静态下对生猪进行心率监测和动态下的姿态监测,即实现了生猪存亡状态监测的同时,也实现了对生猪心率的长期监测。改变了传统RFID耳标的被动监测模式,对改善生猪的福利水平及提高政府的监管能力具有重要意义。 相似文献