检索结果-南通市图书馆

基于改进SlowFast模型的设施黄瓜农事行为识别方法

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第3期6卷 118-127页

作者：何峰吴华瑞史扬明朱华吉江苏大学计算机科学与通信工程学院江苏镇江212013 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率... 详细信息

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率不高的问题,提出一种名为SlowFast-SMC-ECA (SlowFast-Spatio-Temporal Excitation、Channel Excitation、Motion Excitation-Efficient Channel Attention)的农事活动行为识别算法。[方法]该算法主要基于SlowFast模型,通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特征和关键特征的提取能力。在Fast Pathway中,引入多路径激励残差网络的概念,通过在信道之间插入卷积操作来增强它们在时域上的相互关联性,从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中,将传统的Residual Block替换为ECA-Res结构,以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系,提升了特征之间的语义信息传递,进而显著提升了农事行为识别的准确率。此外,为了解决数据集中类别不均衡的问题,设计了平衡损失函数(Smoothing Loss),通过引入正则化系数,平衡损失函数可以有效地处理数据集中的类别不均衡情况,提高模型在各个类别上的表现。[结果和讨论]改进的SlowFast-SMC-ECA模型在农事行为识别中表现出良好的性能,各类行为的平均识别精度达到80.47%,相较于原始的SlowFast模型有约3.5%的提升。[结论]本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。

关键词：农事活动行为 SlowFast模型多路径激励残差网络 ECA-Res 平衡损失函数

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

融合时间感知和增强过滤的农业知识推荐模型

智慧农业（中英文） 2024年第1期6卷 123-134页

作者：王鹏哲朱华吉缪祎晟刘畅吴华瑞广西大学计算机与电子信息学院广西南宁530000 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced... 详细信息

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好,具有更好的推荐性能。

关键词：农业知识推荐滤波器算法时间感知自注意力网络序列推荐

基于连续提示注入与指针网络的农业病害命名实体识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第6期55卷 254-261页

作者：王春山张宸硕吴华瑞朱华吉缪祎晟张立杰河北农业大学信息科学与技术学院保定071001 国家农业信息化工程技术研究中心北京100097 农业农村部农业信息化技术重点实验室北京100097 河北农业大学机电工程学院保定071001 河北省农业大数据重点实验室保定071001

针对农业病害领域命名实体识别过程中存在的预训练语言模型利用不充分、外部知识注入利用率低、嵌套命名实体识别率低的问题,本文提出基于连续提示注入和指针网络的命名实体识别模型CP-MRC(Continuous prompts for machine reading comp... 详细信息

针对农业病害领域命名实体识别过程中存在的预训练语言模型利用不充分、外部知识注入利用率低、嵌套命名实体识别率低的问题,本文提出基于连续提示注入和指针网络的命名实体识别模型CP-MRC(Continuous prompts for machine reading comprehension)。该模型引入BERT(Bidirectional encoder representation from transformers)预训练模型,通过冻结BERT模型原有参数,保留其在预训练阶段获取到的文本表征能力;为了增强模型对领域数据的适用性,在每层Transformer中插入连续可训练提示向量;为提高嵌套命名实体识别的准确性,采用指针网络抽取实体序列。在自建农业病害数据集上开展了对比实验,该数据集包含2933条文本语料,8个实体类型,共10414个实体。实验结果显示,CP-MRC模型的精确率、召回率、F1值达到83.55%、81.4%、82.4%,优于其他模型;在病原、作物两类嵌套实体的识别率较其他模型F1值提升3个百分点和13个百分点,嵌套实体识别率明显提升。本文提出的模型仅采用少量可训练参数仍然具备良好识别性能,为较大规模预训练模型在信息抽取任务上的应用提供了思路。

关键词：农业病害命名实体识别连续提示指针网络嵌套实体预训练语言模型

维普期刊数据库博看期刊

面向葡萄知识图谱构建的多特征融合命名实体识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第3期40卷 201-210页

作者：聂啸林张礼麟牛当当吴华瑞朱华吉张宏鸣西北农林科技大学信息工程学院杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100 北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量(bi-directional encoder representation from transformer,BERT)和残差结构(... 详细信息

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量(bi-directional encoder representation from transformer,BERT)和残差结构(residual structure,RS)融合的命名实体识别模型(bert based named entity recognition with residual structure,BBNER-RS)。通过BERT模型将文本映射为字符向量,利用双向长短时记忆网络(bi-directional long-short term memory,BiLSTM)提取局部字符向量特征,并采用RS保留BERT提供的全局字符向量特征,以提高字向量的语义丰富度,最后通过条件随机场(conditional random field,CRF)模型对特征向量解码,获取全局最优序列标注。与其他命名实体识别模型相比,提出的BBNER-MRS模型在葡萄数据集上表现较好,在葡萄人民日报、玻森、简历和微博数据集上F1值分别达到89.89%、95.02%、83.21%、96.15%和72.51%。最后该研究依托BBNER-MRS模型,提出基于深度学习的两阶段式领域知识图谱构建方法,成功构建了葡萄知识图谱,研究结果可为相关从业人员提供技术和数据支持。

关键词：信息化深度学习知识图谱命名实体识别 BERT 残差结构

在线全文

学校读者我要写书评

暂无评论

农业大模型:关键技术、应用分析与发展方向

智慧农业（中英文） 2024年第2期6卷 1-13页

作者：郭旺杨雨森吴华瑞朱华吉缪祎晟顾静秋国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 新加坡国立大学设计与工程学院新加坡117583新加坡

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示... 详细信息

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。[进展]本文首先阐述了大模型的基本概念和核心技术方法,展示了在参数规模扩大与自监督训练下,模型通用能力与下游适应能力的显著提升。随后,分析了大模型在农业领域应用的主要场景;按照语言大模型、视觉大模型和多模态大模型三大类,在阐述模型发展的同时重点介绍在农业领域的应用现状,展示了大模型在农业上取得的研究进展。[结论/展望]对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解,展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统,并为公众提供专业优质的农业服务。

关键词：生成式人工智能大模型农业知识服务机器学习自主决策多模态深度学习

Layout Optimization for Greenhouse WSN Based on Path Loss Analysis

在线全文

学校读者我要写书评

暂无评论

Computer Systems Science & Engineering 2021年第4期37卷 89-104页

作者： Huarui Wu huaji zhu Xiao Han Wei Xu National Engineering Research Center for Information Technology in Agriculture Beijing100097 China 2 Beijing Research Center for Information Technology in Agriculture Beijing Academy of Agriculture and Forestry SciencesBeijing100097 China 3 Key Laboratory of Agri-informatics Ministry of AgricultureBeijing100097 China 4 Department of Biosystems MechatronicsBiostatistics and SensorsKU LeuvenHeverlee3001Belgium

When wireless sensor networks (WSN) are deployed in the vegetablegreenhouse with dynamic connectivity and interference environment, it is necessary to increase the node transmit power to ensure the communication quality,which leads to serious network interference. To offset the negative impact, thetransmit power of other nodes must also be increased. The result is that the network becomes worse and worse, and node energy is wasted a lot. Taking intoaccount the irregular connection range in the cucumber greenhouse WSN, wemeasured the transmission characteristics of wireless signals under the 2.4 Ghzoperating frequency. For improving network layout in the greenhouse, a semiempirical prediction model of signal loss is then studied based on the measureddata. Compared with other models, the average relative error of this semi-empiricalsignal loss model is only 2.3%. Finally, by combining the improved networktopology algorithm and tabu search, this paper studies a greenhouse WSN layoutthat can reduce path loss, save energy, and ensure communication quality. Giventhe limitation of node-degree constraint in traditional network layout algorithms,the improved algorithm applies the forwarding constraint to balance network energyconsumption and constructs asymmetric network communication links. Experimentalresults show that this research can realize the energy consumption optimization ofWSN layout in the greenhouse.

关键词： Pathloss model vegetable greenhouse networktopology networklayout

基于RoFormer预训练模型的指针网络农业病害命名实体识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第2期6卷 85-94页

作者：王彤王春山李久熙朱华吉缪祎晟吴华瑞国家农业信息化工程技术研究中心北京100097 河北农业大学信息科学与技术学院河北保定071001 农业农村部农业信息化技术重点实验室北京100097 河北省农业大数据重点实验室河北保定071001 河北农业大学机电工程学院河北保定071001

[目的/意义]针对实体嵌套、实体类型混淆等问题导致的农业病害命名实体识别(Named Entities Recognition,NER)准确率不高的情况,以PointerNet为基准模型,提出一种基于RoFormer预训练模型的指针网络农业病害NER方法RoFormer-PointerNet。... 详细信息

[目的/意义]针对实体嵌套、实体类型混淆等问题导致的农业病害命名实体识别(Named Entities Recognition,NER)准确率不高的情况,以PointerNet为基准模型,提出一种基于RoFormer预训练模型的指针网络农业病害NER方法RoFormer-PointerNet。[方法]采用RoFormer预训练模型对输入的文本进行向量化,利用其独特的旋转位置嵌入方法来捕捉位置信息,丰富字词特征信息,从而解决一词多义导致的类型易混淆的问题。使用指针网络进行解码,利用指针网络的首尾指针标注方式抽取句子中的所有实体,首尾指针标注方式可以解决实体抽取中存在的嵌套问题。[结果和讨论]自建农业病害数据集,数据集中包含2867条标注语料,共10282个实体。为验证RoFormer预训练模型在实体抽取上的优越性,采用Word2Vec、BERT、RoBERTa等多种向量化模型进行对比试验,RoFormer-PointerNet与其他模型相比,模型精确率、召回率、F1值均为最优,分别为87.49%,85.76%和86.62%。为验证RoFormer-PointerNet在缓解实体嵌套的优势,与使用最为广泛的双向长短期记忆神经网络(Bidirectional Long Short-Term Memory,BiLSTM)和条件随机场(Conditional Random Field,CRF)模型进行对比试验,RoFormer-PointerNet比RoFormer-BiLSTM模型、RoFormer-CRF模型和RoFormer-BiLSTM-CRF模型分别高出4.8%、5.67%和3.87%,证明用指针网络模型可以很好解决实体嵌套问题。最后验证RoFormer-PointerNet方法在农业病害数据集中的识别性能,针对病害症状、病害名称、防治方法等8类实体进行了识别实验,本方法识别的精确率、召回率和F1值分别为87.49%、85.76%和86.62%,为同类最优。[结论]本研究提出的方法能有效识别中文农业病害文本中的实体,识别效果优于其他模型。在解决实体抽取过程中的实体嵌套和类型混淆等问题方面具有一定优势。

关键词：农业病害命名实体识别实体嵌套 RoFormer预训练模型指针网络

Intelligent Recommendation and Matching Method for Agricultural Knowledge Based on Context-Aware Models

在线全文

学校读者我要写书评

暂无评论

Journal of Beijing Institute of Technology 2023年第3期32卷 341-351页

作者： Chang Liu Huarui Wu huaji zhu Yisheng Miao Jingqiu Gu Chunjiang Zhao National Engineering Research Center for Information Technology in Agriculture Beijing 100097China Information Technology Research Center Beijing Academy of Agriculture and Forestry SciencesBeijing 100097China Key Laboratory of Digital Village Technology Ministry of Agriculture and Rural AffairsBeijing 100097China

The personalized recommendation of the cloud platform for agricultural knowledge and agricultural intelligent service is one of the core technologies for the development of smart *** the implicit laws and dynamic characteristics of agricultural knowledge demand is a key problem to be solved *** order to enhance the matching ability of knowledge recommendation and service in human-computer interaction of cloud platform,the mechanism of agricultural knowledge intelligent recommendation service integrated with context-aware model was *** combining context data acquisition,data analysis and matching,and personalized knowledge recommendation,a framework for agricultural knowledge recommendation service is constructed to improve the ability to extract multidimensional information features and predict sequence *** the cloud platform for agricultural knowledge and agricultural intelligent service,this research aims to deliver interesting video service content to users in order to solve key problems faced by farmers,including planting technology,disease control,expert advice,*** the knowledge needs of different users can be met and user satisfaction can be improved.

关键词： situational awareness agricultural knowledge intelligent recommendation service match

Multi-Task Timing Assignment Algorithm for Intelligent Production of Vegetables in Open Field

在线全文

学校读者我要写书评

暂无评论

Journal of Beijing Institute of Technology 2023年第3期32卷 352-362页

作者： Huarui Wu huaji zhu Jingqiu Gu Wei Guo Ning Zhang Xiao Han National Engineering Research Center for Information Technology in Agriculture Beijing 100097China Information Technology Research Center Beijing Academy of Agriculture and Forestry SciencesBeijing 100097China Key Laboratory of Digital Village Technology Ministry of Agriculture and Rural AffairsBeijing 100097China

Vegetable production in the open field involves many tasks,such as soil preparation,ridging,and transplanting/*** tasks require agricultural machinery equipped with different agricultural tools to meet the needs of the *** at the coupling multi-task in the intelligent production of vegetables in the open field,the task assignment method for multiple unmanned tractors based on consistency alliance is ***,unmanned vegetable production in the open field is abstracted as a multi-task assignment model with constraints of task demand,task sequence,and the distance traveled by an unmanned *** tight time constraints between associated tasks are transformed into time *** on the driving distance of the unmanned tractor and the replacement cost of the tools,an expanded task cost function is innovatively *** task assignment model of multiple unmanned tractors is optimized by the consensus based bundle algorithm(CBBA)with time *** show that the method can effectively solve task conflict in unmanned production and optimize task allocation.A basic model is provided for the cooperative task of multiple unmanned tractors for vegetable production in the open field.

关键词： vegetable unmanned tractor multi-task allocation task collaboration