从水稻病害识别出发探索农业数据共享新模式

准确高效地识别作物病害类型,有助于农户及时采取有效的针对性预防措施,从而降低因病虫害导致的减产风险和经济损失。然而,在其他领域能达到SOTA效果的识别模型,在农业领域特别是水稻病害识别的应用中,却面临目前已有的水稻病害数据量不足、种类不丰富以及数据质量不高等问题。本研究采用多种经典卷积神经网络,并利用迁移学习的方法在两个不同的数据集上进行训练。验证了除模型结构带来的优化外,训练数据集本身对于训练结果也具有重要影响。但目前农业领域开源数据较少,几乎没有综合性的数据开源平台可供利用。这一现象与高质量农业数据获取难度大且成本高、大多数从业人员教育水平相对较低、分布式训练系统不成熟、数据安全问题得不到保障等因素密切相关。针对农业领域训练中高质量数据缺乏的问题,在本文中提出了基于联邦学习框架构建农业数据共享平台的新思路。

基于物联网的日光温室环境监测在线校准

温室环境条件特别是温度对于作物生长和发育具有十分显著的影响。日光温室调控的主要环境因子之一是温度。然而,自然环境下的光照对温度产生作用,影响空气温度的监测精度。采用机器学习中的支持向量机算法(SVM),对日光温室内的温度智能监测算法进行了研究,根据光照情况对实时监测的温度数据进行校准。通过与实验测量的数据进行对比分析,结果表明:所提出的监测方法可以较为准确地实时监测空气温度,从而无需使用隔热材料或者遮阳处理,就可以基于监测的数据更精确地对相应的环境因素进行调节。基于该方法,可采用常用的工业设备实现温室大棚内实时温度数据的监测,既可以节约设备和人力成本,又可以为温室控制提供准确的数据。

单株幼龄苹果树修剪仿真研究

修剪是果树生产中重要的技术手段,要想研究更加合理的修剪技术体系,就必须保证能够对修剪反应有准确、直观和及时的判断,而仿真模拟技术提供了这种可能。以幼龄苹果树为研究对象,采用不同修剪处理对比的方法,在田间试验的基础上,总结修剪反应规律,构建苹果树结构和修剪模型。在此基础上基于Qt框架和Open GL图形库,开发了单株苹果树修剪仿真软件平台。结合优化算法,通过仿真平台模拟了给定生产目标的修剪方案优化,优化结果对虚拟学习和实际生产提供了可视化指导。

平行农业:迈向智慧农业的智能技术

农业生产具有很强的不确定性、多样性、复杂性,其经营效益与自然条件、国家政策、市场环境息息相关。互联网时代的到来,给农业生产带来了新的挑战和机遇。总的来说,智慧农业是指利用信息技术,对农业生产—经营—管理—服务全产业链进行智能化控制,实现农业生产的优质、高效、安全和可控。在略述当前智慧农业信息感知、智能决策和决策实施三方面技术现状的基础之上,提出实现智慧农业智能决策之平行农业技术,以及如何以人工系统实现描述智能、以计算实验实现预测智能、以平行执行实现引导智能,并提出与农业企业资源计划、农业生产执行系统、农业生产过程控制系统相结合的构想。在当今大力发展农业规模化生产的背景下,为发展工业化的农业生产和经营提供了思路。

基于区块链技术的透明农场

随着新型农业经营模式的发展,消费者可远程对种植者提出种植要求,从而满足其对高品质农产品的需求。农业供应链的利益相关者除了包括消费者和种植者,还包括农场经营者、农资提供方、农技提供方以及第三方监管和金融服务方等。如何构建诚信社区,保障各方利益,实现可持续发展,是一二三产业融合的新型农业模式需要解决的课题。对于有多种利益相关者的农场经营模式,智能合约提供了一种信用保障机制,因此提出了基于智能合约的线上农场平台框架,以区块链技术构建一个与线下相对应的可信任透明社区。与传统的溯源系统不同,该平台利用数据的去中心化管理、不可篡改的特点,通过不同数据的相互校验保证数据的真实性,增加数据作假的成本,从而达到构建可信任农业社区的目的,以期为保障互联网农业的数据有效性、新型农业经营模式的有序发展提供支持和保障。

从群体到个体尺度——基于数据的DSSAT和GreenLab作物模型连接探索

作物模型的研究涉及作物生长发育的复杂过程,空间上从分子到细胞、组织、器官、个体、群体等不同尺度,时间尺度上可以从秒到年。基于不同的研究需求,切换作物模型尺度,可使得作物模型的适用性更广泛灵活。其中,如何从群体尺度的作物模型转入个体尺度的作物模型是本研究的内容。本研究基于四个玉米品种的两个处理(灌溉和雨养)的已有的实验数据和基于这些数据的DSSAT系统的模拟数据,校准功能结构模型GreenLab的参数,以计算结果一致为指标,探索不同空间尺度模型建立接口的方法,比较不同模型的特点。结果表明,GreenLab模型可以复现DSSAT系统的模拟数据和实际测量数据,进一步可以反演出各种器官之间生物量的分配并进行三维可视化展示。最后讨论了不同空间尺度模型结合的优势及应用领域。

非纠缠光子对的鬼衍射现象(英文)

设计了一个实验装置,经理论计算表明,用此装置进行实验,应当可以观察到鬼衍射现象。在这个实验中,非纠缠光子对空间上没有分离,因而不牵涉非局域性。由此可以断定鬼衍射现象并不能作为量子力学非局域性存在的实验证明。

GreenLab模型20余年研究回顾与展望

【有关概念】GreenLab是器官尺度的植物功能结构模型(Functional-Structural Plant Model,FSPM),采用离散动态系统的形式来描述植物的生长和发育过程,包括植物生物量产生和分配,以及结构形成等,是融合植物学、数学、农业、计算机、自动化领域学科知识的通用模型。【目前研究现状】自1998年以来,基于中法合作,围绕GreenLab模型发展了包括双尺度自动机理论、分枝结构植物的参数反求方法、随机的植物功能结构模型以及理论计算、植物快速建模与可视化算法,开发了SciLab以及MatLab环境下的作物生长模拟与拟合软件,以及基于c++的面向复杂植物计算的软件。目前,GreenLab模型已应用于玉米、小麦、黄瓜、番茄、油菜、菊花、松树、枫树等具有不同特点的几十种植物,涵盖的植物类型从草本作物到复杂的树木。模型特色在于可通过观测植物的器官生物量和数量等数据,反求影响生物量产生和分配的模型内部源库参数;对于单枝或分枝结构、确定性或随机性结构,均能采用通用的器官尺度的数据进行模型校准。【本文的内容概括】本文回顾GreenLab模型的发展历程及其最新进展,介绍模型的基本概念和主要方法,包括双尺度自动机、器官序列,以及通用的植物拟合目标。详细介绍了GreenLab模型中所包含的结构模型(器官数量的计算、器官产生的随机性模拟等)、功能模型(植物和器官需求、生物量产生和分配、器官生长等),以及二者相结合进行参数反求的计算方法。【展望】随着植物表型技术的成熟和普及,GreenLab模型可用于平行农业种植系统的构建,服务植物与环境关系的深入理解,以及生产管理与控制中的智能决策支持。

基于深度学习的玉米和大豆期货价格智能预测

玉米和大豆为同季旱粮作物,“争地”矛盾十分突出,同时掌握玉米和大豆两者的价格是必要的。相较于现货,农产品期货价格具有价格发现功能。因此,玉米和大豆期货价格分析和预测对种植结构调整和农户作物品种选择均具有重要意义。本研究首先分析了玉米和大豆期货价格的相关性,通过相关性计算和格兰杰因果检验,发现玉米和大豆期货具有较强的正向相关性,且大豆期货价格是玉米期货价格的格兰杰原因;其次,基于长短时记忆(Long Short-Term Memory,LSTM)模型对玉米和大豆期货价格进行预测,并引入注意力机制(Attention)对期货价格预测模型行优化。对比结果表明,与差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA)和支持向量回归模型(Support Vector Regression,SVR)相比,LSTM模型在各项指标中均为更优,而与单一的LSTM模型相比,加入Attention机制的Attention-LSTM模型在各项指标中均更优。其中,玉米和大豆期货预测结果的平均绝对误差(Mean Absolute Error,MAE)分别提升3.8%和3.3%,均方根误差(Root Mean Square Error,RMSE)分别提升0.6%和1.8%,平均绝对百分误差(Mean Absolute Percentage Error,MAPE)分别提升4.8%和2.9%,证明了Attention机制的加入可以帮助模型提取有效信息,提升性能。最后,使用LSTM模型结合大豆期货历史价格共同预测玉米期货价格,MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。试验结果表明,本研究使用Attention-LSTM模型对玉米和大豆期货价格进行预测,相较于通用预测模型,Attention-LSTM模型能够提高大豆和玉米期货价格预测精度,且结合相关农产品期货价格数据,可以提升单个农产品期货模型的预测性能。

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。

持续改进癌痛管理质量护理在癌症患者中的应用效果

目的探讨持续改进癌痛管理质量护理在癌症患者中的应用效果。方法选择我院2015年1月至2017年12月收治的100例癌症患者作为研究对象,将其随机等分为对照组和研究组,对照组给予常规护理,研究组在对照组基础上采取持续改进癌痛管理质量护理。比较两组患者的生活质量评分(QOL)、癌痛规范化护理管理质量评分、视觉模拟评分(VAS)。结果研究组患者在食欲、精神、睡眠、疲乏、疼痛、自身对癌症的认识、对治疗的态度、日常生活、治疗的副作用、面部表情及QOL总分均明显高于对照组,差异有统计学意义(P <0. 05)。研究组患者护理质量、遵医嘱用药、病案管理、出院指导、专业技能考核及总分均高于对照组,护理文件返修评分低于对照组,差异均有统计学意义(P <0. 05)。研究组患者慢性疼痛、爆发痛VAS评分显著低于对照组,差异均有统计学意义(P <0. 05);两组患者静脉用药后、口服给药后VAS评分比较差异无统计学意义(P> 0. 05)。结论在癌痛护理管理中运用持续改进癌痛管理质量护理,可显著提高肿瘤患者的生活质量,并进一步规范癌痛护理管理,缓解患者疼痛,促进临床疗效。

逆向思维健康教育在直肠癌患者中的应用

目的:探讨逆向思维健康教育在直肠癌患者中的应用效果。方法:依照自身随机交叉对照设计,将2018年6月1日~2021年3月31日收治的90例直肠癌患者随机分为对照组40例和观察组50例,对照组采用常规护理,观察组在常规护理基础上实施逆向思维健康教育;比较两组干预前后健康行为[采用健康促进生活方式量表(HPLP-Ⅱ)]、自护能力[采用自我护理能力量表(ESCA)]及生活质量[采用肠癌患者生命质量测定量表(FACT-C)]。结果:干预后,两组HPLP-Ⅱ中体育运动、健康责任、压力管理、营养、人际关系、精神成长维度得分均高于干预前(P<0.01),且观察组高于对照组(P<0.05,P<0.01);干预后,两组ESCA中自护技能、自护责任感、自我概念、自护知识维度得分均高于干预前(P<0.01),且观察组高于对照组(P<0.01);干预后,两组FACT-C中生理、社会/家庭、情感、功能、附加关注维度得分和总分均高于干预前(P<0.01),且观察组高于对照组(P<0.01)。结论:逆向思维健康教育有助于改善直肠癌患者健康行为,促进自护能力有效提高,对提升患者生活质量具有重要意义。

数字合作社:产销融合的农业智能系统

产销信息不对称,缺乏资金、知识和经验是小规模农户发展的障碍。作为互助性经济组织,农业合作社的经营受气候、市场和农户水平等自然、经济和社会因素的影响。如何贯通产销信息,并基于需求精细核算成本和组织生产,是合作社经营的重要内容。本文借鉴工业领域数字双胞胎的思想,基于平行智能系统的描述、预测和引导,提出合作社数字四胞胎(数字合作社)的构想,服务合作社规划、准备、生产和评估的各个环节。同时对数字合作社的整体方案、系统设计及其关键技术等进行了描述,并对数字合作社的用户及其运行机制进行了探讨。数字合作社系统框架包括数据感知、决策支持和决策实施,其核心智能技术包括作物建模、动态规划、区块链技术、机器学习等。以有机水稻种植为例,简述了合作社成本分析、种植规划、远程种植可视化等过程,模拟水稻定制种植的场景,以此说明数字合作社的部分功能。数字合作社的概念可为面向合作社的信息系统开发提供方向。鉴于目前以小农经济为主、合作社为主要经营主体的现状,数字合作社系统有助于提升从业者的经营能力,助力小农户对接大市场,提升农业物理社会经济系统的整体效率。

油菜分枝拓扑结构随机模拟

油菜(Brassica napus L.)具有复杂的分枝结构,其分枝为向顶式发生(出现)、向基式扩展,这种独特的生长模式使得油菜个体植株间的构型存在很大的差异.本研究利用与位置有关的生长延迟函数,计算各分枝从发生到扩展的时间间隔,来模拟油菜分枝这种独特的生长模式.此外,利用随机概率模型来模拟油菜植株间分枝数、主干和分枝的叶元数等.通过实际测量的四个油菜品种(ZY18, ZY50, ZS72和ZS11)的数据,采用最小二乘法对该模型的参数进行校准.结果表明,该随机模型能够模拟油菜植株拓扑结构,并根据参数估计的结果分析不同品种的拓扑结构差异性.本研究提出了新的简化方法模拟油菜分枝的生长模式,该模型可与油菜生长模型相结合,从而模拟油菜的动态生长过程.

探讨延续护理对肿瘤患者术后化疗期间生活质量的影响

对肿瘤患者实施延续护理,探析其对患者术后化疗期间生活质量的影响。方法:共计选择46例肿瘤患者,观察组护理方法是延续护理,对照组护理方法是常规护理。结果:对比对照组,观察组明显改善不良情绪、疼痛评分、生活质量评分,P<0.05。结论:肿瘤患者实施延续护理,可明显提高患者术后化疗期间生活质量。