鸡常见疾病知识图谱构建及应用

鸡疫病问题一直是养殖业面临的重大挑战之一,传统的疾病防治方法往往局限于单一病种、单一领域,难以对不同疾病之间的关联和交叉感染进行全面有效地监控和防治,知识管理技术有待提高。针对以上问题,该研究利用知识图谱构建技术,对鸡常见疾病知识进行系统整合和建模,利用大语言模型进行知识抽取与消歧,实现了15类常见疾病的高效管理,并通过Neo4j图数据库实现了知识图谱的存储与可视化。最后,展示了鸡常见疾病知识图谱在鸡疾病信息查询、智能辅助诊断等方面的应用,为养殖业的可持续发展提供了有力的技术支持和决策参考。

基于语义分割的作物垄间导航路径识别

针对目前农作物垄间导航路径识别目前存在准确性、实时性差、通用性弱及深度学习模型解释困难等问题,该研究在Unet模型的基础上进行剪枝与优化,提出了保留Unet模型特征跳跃连接优势的Fast-Unet模型,并以模型所识别的导航路径为基础,通过最小二乘法回归生成垄间导航线与偏航角。该研究首先在棉花垄间导航路径数据集上进行模型训练,随后将训练的模型迁移至玉米、甘蔗等小样本数据集进行导航路径识别,通过使用梯度加权类激活映射法对模型识别过程与迁移学习过程进行解释,对各模型识别结果进行可视化对比。Fast-Unet模型对棉花、玉米、甘蔗导航路径提取精度指标平均交并比分别为0.791、0.881和0.940。模型推理速度为Unet的6.48倍,在单核CPU上处理RGB图像的推理速度为64.67帧/s,满足农作物导航路径识别的实时性需求。研究结果可为田间智能农业装备的导航设备研制提供技术与理论基础。

基于语义分割的棉花垄间实时道路识别

为解决棉花垄间道路识别准确性和实时性差的问题,建立用于棉花垄间道路实时识别的Quarter-Unet模型,深度学习语义分割模型FCN和Unet对棉花垄间道路识别的适应性,选择适应性更好的Unet模型,对其VGG16主干进行剪枝,得到Half-Unet和Quarter-Unet,采用640幅图像组成的训练集和160幅图像组成的验证集进行研究,结果表明,与Unet模型相比,在识别的MIoU基本不变的情况下,Quarter-Unet的内存占用量降至19.5%,而处理速度提高至155%,为后续研发棉花田间智能农机导航设备提供了技术基础。

从移动App看传统文化在新媒体时代的传承模式创新

在新媒体时代,移动App逐渐成为民众接触社会信息的主要窗口。微博、微信、今日头条等移动App的发展、成熟,为传统文化的传播提供了无限的机遇。但是受新媒体传播效果瞬时化、碎片化的影响,传统文化的传播出现了一些片面的问题,出现戏谑化、民粹化、曲解化的趋势。在此背景下,从移动App入手对传统文化在新媒体时代中的传播进行研究,创新传统文化在新媒体时代的传承模式,对于传统文化的传播、传承和发展具有重要意义。

近四十年来中国品牌传播研究的知识图谱体系建构——基于中国知网(CNKI)的数据可视化分析

自20世纪80年代以来,我国品牌传播研究从依附到独立、从独立到探索、从探索到繁荣,硕果累累。文章以中国知网(CNKI)数据库中收录的主题为“品牌传播”的期刊文献为研究对象,利用数据库和引文空间(CiteSpace)软件的数据可视化功能,对20世纪80年代以来我国品牌传播的研究热点和发展态势进行梳理、分析,概括了中国品牌传播研究萌芽探索期(20世纪80年代—1998)、磅礴发展期(1999—2017)、成熟繁荣期(2018—)三个不同时期的中心性关键词和研究热点,并以研究脉络为依据,阐述了中国品牌传播的发展面貌和发展趋势。

用于体质量估测的黄羽鸡姿态关键帧识别与分析

体质量是评价家禽生长状况的关键指标,但家禽姿态的变化会影响体质量估测精度。本研究提出了一种SE-ResNet18+fLoss网络对平养模式下黄羽鸡姿态关键帧进行识别,融合了注意力机制SE模块和残差结构,并改进了损失函数,通过Focal Loss监督信号来解决样本不平衡问题,同时引入梯度加权类激活图对末端分类规则的合理性进行解释。利用4295幅鸡只图像构建数据集,测试集中鸡只的站立、低头、展翅、梳理羽毛、坐姿和遮挡6类姿态情况识别的F1值分别为94.34%、91.98%、76.92%、93.75%、100%和93.68%;黄羽鸡姿态关键帧的识别精确率为97.38%、召回率为97.22%、F1值为97.26%、识别速度为19.84 f/s,识别精度、召回率和F1值均优于ResNet18、MobileNet18 V2和SE-ResNet18网络,在提高黄羽鸡姿态关键帧识别精度的同时保证了实时性,为准确估测家禽体质量提供了技术支持。