一种基于CNN-BiLSTM融合神经网络的温室甘蓝潜在蒸散量预测方法

    公开(公告)号:CN114330098A

    公开(公告)日:2022-04-12

    申请号:CN202111440121.4

    申请日:2021-11-30

    Abstract: 本发明公开了一种基于CNN‑BiLSTM融合神经网络的温室甘蓝潜在蒸散量预测方法,该方法根据温室内自主部署的小型气象站获取甘蓝生长环境的气象数据,使用FAO‑56推荐的Penman‑Monteith方法计算甘蓝潜在蒸散量作为数据基础。按照时间序列对数据进行重采样处理,构成数据集。通过融合卷积神经网络和双向长短期记忆神经网络,构建CNN‑BiLSTM神经网络模型,使用训练集进行模型训练优化,利用优化后的CNN‑BiLSTM模型预测温室甘蓝ET0。本方案采用深度卷积神经网络和循环神经网络融合的方法增强了模型的学习能力和适应能力,具有较强的可移植性,对温室气象数据分析更加灵敏,较其他方法,简化了流程,使用更加便捷。通过调整模型的结构参数和输入参数,对模型的精度和稳定性产生了较大的提升,在节约资源的同时,为农业灌溉提供了有效帮助。

    蔬菜多模态知识图谱构建方法、装置及存储介质

    公开(公告)号:CN120046707A

    公开(公告)日:2025-05-27

    申请号:CN202411967309.8

    申请日:2024-12-30

    Abstract: 本发明提供一种蔬菜多模态知识图谱构建方法、装置及存储介质。该蔬菜多模态知识图谱构建方法包括:采集蔬菜知识多模态数据;所述蔬菜知识多模态数据包括蔬菜领域的文本模态的数据、文件模态的数据以及图片模态的数据;基于所述蔬菜知识多模态数据获取多模态语义融合特征;基于所述多模态语义融合特征利用实体抽取模型识别所述蔬菜知识多模态数据中的实体,并利用实体关系抽取模型获取所述实体之间的关系;根据所述实体以及所述实体之间的关系获取蔬菜多模态知识图谱。基于针对蔬菜知识领域的多模态数据进行语义融合,从而进行实体识别及关系抽取,使构建更为准确全面的蔬菜多模态知识图谱。

    宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法

    公开(公告)号:CN119919795A

    公开(公告)日:2025-05-02

    申请号:CN202411849505.5

    申请日:2024-12-16

    Abstract: 本发明提供一种宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法,方法包括:调用基于RFP结构的Swin Transformer模型对采集的甘蓝穴盘幼苗的双目图像进行特征提取,得到双目图像的特征图;对双目图像的特征图进行回归预测,得到双目图像的茎部边界框和叶部边界框;将双目图像的茎部边界框和叶部边界框进行关键点匹配,并根据匹配得到的关键点的图像坐标确定甘蓝穴盘幼苗的三维几何位置坐标,从而确定甘蓝穴盘幼苗的叶片直立度和最大叶展。通过本申请,解决现有幼苗检测方法主要集中在穴盘栽培过程中的苗情检测识别,未形成一种穴盘苗宜机化判别标准,检测准确度有限,难以应用于实际生产中的缺陷。

    农业知识推荐方法及装置

    公开(公告)号:CN117540026B

    公开(公告)日:2025-04-04

    申请号:CN202311294329.9

    申请日:2023-10-08

    Abstract: 本发明提供一种农业知识推荐方法及装置,涉及农业信息化技术领域,该方法包括:获取目标用户的基本属性信息和历史行为数据;基于基本属性信息和历史行为数据,确定目标用户对应的时间子空间、地域子空间、偏好子空间和交互信息子空间;基于时间子空间、地域子空间、偏好子空间和交互信息子空间,从第一农业知识图谱中获取针对目标用户的农业知识推荐结果;其中,第一农业知识图谱,是基于多模态的农业知识构建的。本发明提供的农业知识推荐方法及装置,通过综合利用时空、茬口、品种、用户与农业知识交互信息,对包含多模态农业知识的农业知识图谱进行知识推理,能提高向农业科技人员和农民等推荐农业知识的准确性、有效性和及时性。

    萝卜无人化收获系统
    5.
    发明公开

    公开(公告)号:CN119723488A

    公开(公告)日:2025-03-28

    申请号:CN202411637374.4

    申请日:2024-11-15

    Abstract: 本发明提供一种萝卜无人化收获系统,涉及农业人工智能技术领域,所述系统通过萝卜采收无人化控制子系统、萝卜采收无人化作业子系统和萝卜农艺参数配置子系统,对萝卜采收机的移动进行智能控制,并融合菜田地块形状、地形和种植农艺,进行最优作业路径规划;在多种参数配置的基础上,融合计算机视觉算法,对萝卜果实和萝卜缨进行准确识别。本发明提供的一种萝卜无人化收获系统,实现了对萝卜无人化作业收获机更加智能、细腻和精准的操作,从而节约了人力、物力和时间,并提高了萝卜无人化采收效率、质量以及萝卜无人化采收的绿色化、智能化水平。

    融合知识图谱的语义特征表达方法以及装置

    公开(公告)号:CN119514551A

    公开(公告)日:2025-02-25

    申请号:CN202411358464.X

    申请日:2024-09-27

    Abstract: 本发明提供一种融合知识图谱的语义特征表达方法以及装置,其中,上述方法包括:对多源异构数据进行预处理,得到文本序列;通过双向长短期记忆网络与条件随机场,对文本序列进行命名实体识别,得到文本序列的实体;通过预训练的语言表征模型,对文本序列进行关系抽取,得到文本序列的实体关系;基于实体与实体关系进行知识图谱嵌入生成,得到知识图谱实体向量;通过RoBERTa模型,对文本序列进行特征提取,得到文本序列的深层特征表示;对深层特征表示进行实体识别,得到深层特征表示的文本特征实体向量;基于文本特征实体向量与知识图谱实体向量进行实体链接与特征融合,得到融合语义特征向量;通过本发明能够提升特征表示的准确性和关联性。

    农田数据机会传输方法、装置、电子设备及介质

    公开(公告)号:CN116261202A

    公开(公告)日:2023-06-13

    申请号:CN202211644572.4

    申请日:2022-12-20

    Abstract: 本发明提供了一种农田数据机会传输方法、装置、电子设备及介质,涉及数据传输领域,包括:响应于任一当前节点的数据传输指令,确定当前节点的候选转发集合;通过当前节点所在簇的簇首节点将数据传输至候选转发集合中的每一候选节点;从候选转发集合中筛选出下一跳节点,响应于下一跳节点的数据传输指令,直至将数据传输至汇聚节点;候选节点是根据其加入候选转发集合之前的当前节点期望传输能耗,与加入候选转发集合之后的当前节点期望传输能耗的大小关系确定的。本发明通过设计簇间的机会路由传输机制,动态选择节点传输功率与候选转发节点集合,以使得数据在各节点间传输时的代价最小,从而提高网络中的数据传输可靠性并改善网络能效利用率。

    农业知识服务方法及系统
    10.
    发明公开

    公开(公告)号:CN116109435A

    公开(公告)日:2023-05-12

    申请号:CN202211615188.1

    申请日:2022-12-14

    Abstract: 本发明提供一种农业知识服务方法及系统,该方法包括:对农业信息数据源进行爬取,获得目标农业知识用户的异构知识信息;将异构知识信息输入至农业知识图谱模型,获得农业知识图谱模型输出的兴趣预测结果;向目标农业知识用户推送与兴趣预测结果匹配的知识服务内容。本发明提供的农业知识服务方法及系统,实现通过多层的神经网络对用户的偏好自动识别提取,对用户偏好预测更准确,尤其对于未发生交互行为的新用户来说,能够通过具有社交关系的用户关联表征其潜在偏好,有效避免新用户冷启动的问题,使得农业知识服务的针对性和服务及时性均得到大幅提升。

Patent Agency Ranking