基于多模态知识图谱的水稻施肥期判别方法

目前水稻施肥时间的确定依赖于传统经验与人工巡田观察的综合判断,难以满足当前农业智能化的发展。为此,提出了一种基于多模态知识图谱的水稻施肥期判别方法,综合利用了文本形式的经验信息和图像形式的视觉信息进行施肥期确定。首先构建单模态水稻施肥知识图谱,利用依存句法分析提取返青肥、分蘖肥、穗肥、粒肥4个施肥期对应的跨模态特征短语,结合Chinese CLIP模型得到它们与图像的匹配度以及与施肥期节点的权重后组成新的带有跨模态节点的三元组,完成多模态水稻施肥知识图谱的构建;然后基于多模态知识图谱计算输入信息的综合匹配度,使用大田采集的图像进行交叉验证,综合评估判别方法的准确性和稳定性确定各施肥期的判定阈值,实现对该输入的施肥期判别。以实际采集的各施肥期当日及前、后5 d的600幅图像测试判别方法的准确率,结果表明,基于多模态知识图谱的水稻施肥期判别方法总体准确率达到86.2%,其中粒肥时期判别准确率最高,为90.1%。该施肥期判别方法同时利用文本、图像两种模态的信息,提高了信息利用率,在真实场景下具有判别能力,为水稻施肥期自动确定提供参考。

基于知识图谱与案例推理的水稻精准施肥推荐模型

目前水稻种植户的施肥行为存在一定的盲目性,会造成肥料浪费和环境污染等问题,对此该研究提出了一种基于知识图谱和案例推理的水稻精准施肥推荐模型,包括推荐定性的施肥方案和定量的施肥量两个阶段。首先,使用PairRE模型获取图谱中全部实体和关系的低维向量表示,并在此基础上依据待种植的水稻品种进行知识推理以得到定性的施肥方案;然后,结合实体向量检索出k个相似案例,通过k个案例进行组合预测,得出具体施肥量数值。由中国知网获取166个环境指标数值明确、施肥过程记录完整的水稻施肥事件用于模型的验证,结果表明,与测试事件的实际施肥方案相违背的部分仅占比10.76%;对于氮肥施用总量、磷肥施用总量、钾肥施用总量和氮肥基叶肥与穗肥运筹比例的预测精度分别达到了92.85%、82.61%、79.17%和90.92%。该施肥推荐模型能够输出详细的施肥方案和精确的施肥量,算法过程可解释性较强,可为水稻精准施肥推荐系统的设计提供支撑。

基于改进CASREL的水稻施肥知识图谱信息抽取研究

为实现水稻施肥知识图谱自动化构建,为后续构建水稻施肥决策系统提供基础,定义了水稻施肥体系数据结构并制作水稻施肥数据集,结合水稻施肥数据特点,添加单位标注器,并改进CASREL解码加入隐藏层,提出了基于RoBERTa-wwm编码+改进CASREL解码的信息抽取模型,同时针对编码与解码环节进行试验对比。结果表明,基于该模型的F1值达到91.86%,与对比模型相比有较为显著的提升。基于改进RoBERTa-wwm-CASREL的信息抽取模型能有效提高水稻施肥信息抽取效果,为水稻施肥知识图谱构建以及施肥决策系统提供基础。

基于履带式联合收获机转向特性的局部跟踪路径规划

为降低履带式联合收获机导航路径跟踪转向控制频率和提高控制系统的稳定性,提出了一种预瞄-切线局部跟踪路径动态规划算法。规划的局部跟踪路径由平滑连接的两段弧线组成,第1段圆弧由收获机当前位姿与1/2横向偏差线上的预瞄点确定,第2段圆弧由收获机在1/2横向偏差线的实际位姿与期望路径的几何关系确定;基于收获机实际转向运动特性建立了相适应的转向控制模型,左转、右转控制模型拟合的决定系数R^(2)分别为0.978、0.980。田间直线导航跟踪对比试验表明:当前进速度为0.4、0.8 m/s时,横向偏差的标准差分别为0.048 9、0.050 7 m,航向偏差的标准差分别为3.94°、4.66°,转向控制次数分别为19、12次;与传统纯追踪算法相比,横向偏差的标准差分别减小19.04%、31.30%,航向偏差的标准差分别减小25.94%、9.16%,转向控制次数分别减少47.22%、42.86%。本研究可为履带式农机车辆导航控制器设计提供参考。