-
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
Applicant: 吉林农业大学 , 北京市农林科学院信息技术研究中心
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/08
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。
-
公开(公告)号：CN119761497A
公开(公告)日：2025-04-04
申请号：CN202411642177.1
申请日：2024-11-18
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06N5/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于图卷积神经网络的甘蓝生长环境关系推理方法及装置，涉及农业人工智能技术领域，所述方法通过对甘蓝的生长指标数据和甘蓝的环境因素数据进行处理，获得甘蓝的预测产量、甘蓝的预测质量以及加权环境特征，并通过图卷积神经网络得到甘蓝的预测产量与环境因素之间的关系以及甘蓝的预测质量与环境因素之间的关系。本发明提供的基于图卷积神经网络的甘蓝生长环境关系推理方法，实现了在综合考虑甘蓝的生长指标数据和环境因素数据的情况下，准确高效地推理出甘蓝的生长状态与环境因素的关系，从而能够以此为依据，为甘蓝的种植管理提供建议，优化甘蓝的生长环境，提高甘蓝的产量和质量。
-
公开(公告)号：CN119672103A
公开(公告)日：2025-03-21
申请号：CN202411494537.8
申请日：2024-10-24
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06T7/73 , G06V20/10 , G06V10/82 , G06V10/774 , G06V20/70 , G06V10/776 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种叶菜类幼苗识别和移栽夹持位置检测方法及装置，该方法包括：获取待测幼苗图像；基于检测模型对待测幼苗图像进行幼苗识别和移栽夹持位置检测，得到幼苗识别结果和移栽夹持位置检测结果；检测模型基于以样本幼苗图像为训练样本，以病害幼苗类型和健康幼苗类型为样本标签，以复杂样本挖掘损失函数对卷积神经网络进行训练得到；病害幼苗类型对应样本标签与健康幼苗类型对应样本标签的格式和数据长度分别对齐；复杂样本挖掘损失函数基于Focal loss函数、损失值排序理论和样本分层方法确定。本发明所述方法提高了叶菜类幼苗移栽效率和幼苗成活率。
-
公开(公告)号：CN119558700A
公开(公告)日：2025-03-04
申请号：CN202411470577.9
申请日：2024-10-21
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06Q10/0639 , G06Q50/02 , G06F17/18
Abstract: 本发明提供一种机械化移栽苗质量分析方法及装置，该方法包括：对多个土壤物理性质参数进行无量纲处理，得到第一无量纲序列，并在通过目标土壤完成多个移栽苗的机械化移栽的情况下，对多个移栽质量评价指标进行无量纲处理，得到第二无量纲序列；对第一无量纲序列中各元素分别与第二无量纲序列中各元素之间的相关性进行分析，得到多项土壤特性与移栽质量之间的关联度；基于统计分位数的逐步回归分析算法和显著性检验算法对多项关联度进行回归分析，并通过分析得到的经验公式利用实际土壤物理性质预测移栽苗的移栽质量。本发明所述方法提高了机械化移栽幼苗的效率，明确了穴盘苗在不同土壤环境下的鸭嘴机械化移栽适宜趋向。
-
公开(公告)号：CN119443224A
公开(公告)日：2025-02-14
申请号：CN202411325012.1
申请日：2024-09-23
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06N5/022 , G06N5/04 , G06N3/0442 , G06N3/045
Abstract: 本发明提供一种跨模态的知识图谱构建方法以及装置，其中，上述方法包括：获取农业产业的文本数据、图像数据以及结构化数据；对文本数据、图像数据以及结构化数据分别进行预处理与特征提取，得到文本特征向量、图像特征向量以及结构化特征向量；对文本特征向量、图像特征向量以及结构化特征向量进行嵌入拼接，得到整体特征序列；将整体特征序列输入至多模态Transformer模型，得到多模态Transformer模型输出的综合特征向量；将综合特征向量输入至Bi‑LSTM‑CRF模型，得到Bi‑LSTM‑CRF模型输出的实体以及关系标签；基于实体与关系标签构建知识图谱，其中，知识图谱的节点用于表示实体，知识图谱的边用于表示关系标签；通过本发明能够提升了知识图谱的实时性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN116347378A
公开(公告)日：2023-06-27
申请号：CN202310189103.6
申请日：2023-02-22
Applicant: 北京市农林科学院信息技术研究中心
IPC: H04W4/38 , H04W24/02 , H04W72/50 , H04W72/044
Abstract: 本发明提供了一种农田认知传感器网络传输方法、装置、电子设备及介质，涉及数据传输领域，包括：根据每一传感器节点在第一目标函数中的第一帕累托最优解及在第二目标函数中的第二帕累托最优解，构建第一目标变量策略集以及第二目标变量策略集；重复执行如下步骤：根据第一当前策略以及第二当前策略获取当前一级策略集合；根据次级博弈迭代处理当前一级策略集合，确定迭代后一级策略集合；直至当前一级策略集合与迭代后一级策略集合的差值的绝对值小于或等于第一预设数值，根据迭代后一级策略集合进行传感器网络传输。本发明能够降低解决问题的复杂性，并调整发射功率与传输信道，实现传输质量以及网络容量的改善，并降低了网络能耗。
-
公开(公告)号：CN118314443A
公开(公告)日：2024-07-09
申请号：CN202410270843.7
申请日：2024-03-11
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/84 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请提供一种露地蔬菜无人拖拉机作业垄间路径提取方法及装置，涉及路径提取技术领域。所述方法包括：基于语义分割网络，确定垄间路径图像的目标分割概率图；所述目标分割概率图表示所述垄间路径图像包含的各像素点属于垄间路径的概率；基于所述目标分割概率图，确定目标参数的值；所述目标参数表示所述垄间路径图像包含的各像素点的权重系数；所述目标参数用于活动轮廓模型；基于所述活动轮廓模型、所述目标分割概率图与所述目标参数的值，对露地蔬菜无人拖拉机作业过程中的垄间路径进行提取。本申请提供的露地蔬菜无人拖拉机作业垄间路径提取方法及装置，可以提高垄间路径的提取精度。
-
公开(公告)号：CN117744966A
公开(公告)日：2024-03-22
申请号：CN202311430366.8
申请日：2023-10-31
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06Q10/0631 , A01G25/00 , A01C21/00 , G06F18/2415 , G06N3/0499 , G06N3/042 , G06Q50/02 , G06N3/048
Abstract: 本发明提供一种融合农业经验知识的设施番茄水肥智能管理方法及装置，所述方法包括：将待识别目标参数输入作物系数预测模型，得到作物系数预测模型输出的作物系数；作物系数预测模型是基于训练集和知识函数对极限学习机模型进行训练得到的；知识函数是基于损失函数和冲突函数确定的；冲突函数是基于输出结果和领域经验知识确定的；基于作物系数，对设施番茄进行水肥管理。本发明提供的融合农业经验知识的设施番茄水肥智能管理方法，通过结合目标参数以及领域经验知识确定知识函数，并对极限学习机模型进行训练，从而得到作物系数预测模型，并根据作物系数预测模型输出的作物系数对设施番茄进行水肥管理，提高了灌溉精度。
-
公开(公告)号：CN116320463B
公开(公告)日：2025-04-25
申请号：CN202211542656.7
申请日：2022-12-02
Applicant: 北京市农林科学院信息技术研究中心
IPC: H04N19/42 , H04N19/85 , H04N19/132 , H04N19/63 , H04W4/38 , H04L65/60 , H04L67/5651 , G16Y10/05 , H03M7/30
Abstract: 本发明提供了一种农业多媒体数据联合压缩方法、装置、设备及介质，涉及多媒体数据处理领域，包括：根据离散小波变换DWT分别处理待压缩作物图像以及环境时序数据，获取所述待压缩作物图像在小波域内的所有细节参数以及环境时序数据的小波变换系数；根据环境时序数据小波变换系数的长度特征从所述对角向高频细节参数中挑选出待替换参数区域所对应的目标细节参数；插入环境时序数据的小波变换系数至所述待替换参数区域，确定替换后对角向高频细节参数，向决策中心发送压缩比特流。本发明不仅通过高效的压缩性能减少传输能耗，还能够对齐时空关联的多源数据，简化数据处理过程，有助于提高农情推演精度，从而实现精准、智能的农业决策。
-
公开(公告)号：CN119854900A
公开(公告)日：2025-04-18
申请号：CN202411955132.X
申请日：2024-12-27
Applicant: 北京市农林科学院信息技术研究中心
IPC: H04W40/02 , H04L45/121 , H04L45/12 , H04L45/24 , H04L47/43
Abstract: 本发明提供一种面向农业感知数据传输的多路径分包方法及装置，属于农业信息处理技术领域。所述方法包括：将农业感知数据从源节点分包传输到目的节点的多条路径中，分包数据最晚到达所述目的节点的路径的时延最小化作为优化问题；利用逐次逼近法对所述优化问题求解，得到所述多条路径中每一条的分包率；在所述农业感知数据大小超过分包尺寸阈值的情况下，从所述多条路径中确定多个目标路径，并基于多个目标路径各自对应的分包率对所述农业感知数据进行分包传输。本发明提供的面向农业感知数据传输的多路径分包方法及装置，可以提高农业感知数据的传输效率并限制过度分包导致的网络资源浪费。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.09 seconds)
