-
题名基于大数据环境下智慧农业微服务化与数据治理的研究
被引量：2
- 1
-
-
作者
马志宇
吴云志
乐毅
-
机构
安徽农业大学信息与计算机学院
安徽农业大学安徽省北斗精准农业信息工程实验室
不详
-
出处
《信息技术与信息化》
2020年第4期214-217,共4页
-
基金
国家重点研发计划课题“江淮中部粮食作物生产智能化作业与全程信息化关键技术研究”(2017YFD0301303)
安徽省级大创项目“大数据分布式智慧农业微服务开放平台”(201910364204)资助。
-
文摘
不同于以往的以家庭为单位的传统农业生产方式,未来农业的发展方向将向着大型农牧渔场与现代智慧农业的方向发展。本文着力于解决在新形势下智慧农业平台的微服务化与数据治理(Extract-Transform-Load)的问题,实现各个农业生产单位可以通过简易的方式接入系统平台,同时实现高性能地收集、治理和规范化来自各个数据源的农情数据并提供开放平台式的服务。
-
关键词
微服务
智慧农业
ETL
数据治理
大数据
-
分类号
S126
[农业科学—农业基础科学]
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名数字土壤属性制图研究进展
- 2
-
-
作者
应纯洋
周晓天
张代维
梅帅
马友华
吴雷
-
机构
安徽农业大学资源与环境学院
淮南市农业农村技术推广中心
安徽省北斗精准农业信息工程实验室
-
出处
《现代农业科技》
2024年第23期133-142,149,共11页
-
基金
安徽省科技重大专项“现代农业遥感监测系统构建与产业化应用”(202003a06020002)。
-
文摘
土壤是维持人类生存与发展的关键自然资源,其属性的空间分布对粮食安全、水资源保护、生态多样性、气候变化等全球性问题具有重要意义。为更有效地利用土壤资源,需要对其属性进行精确的数字化描述。传统土壤属性制图方法因其局限性,已不能满足现代精准农业和生态模拟的需求。数字土壤属性制图作为一种新兴技术,能够更精准地预测土壤养分的空间分布特征。目前,数字土壤属性制图的研究主要体现在地统计学方法、数理统计方法和机器学习模型的应用。地统计学方法通过分析土壤属性的空间自相关性,模拟其空间分布规律,并通过克里金法等进行空间预测。数理统计方法则主要用于探索土壤属性与环境因素之间的关系,构建预测模型。机器学习,如决策树、随机森林、人工神经网络、支持向量机等,通过构建模型预测土壤属性,并在土壤分类、养分预测等方面表现出较高准确性。然而,土壤属性空间分布的预测受样点布设方法的影响较大。因此,合理设计采样点的位置和数量,以及采用适当的布局方式,对于提高预测结果的准确性和可靠性至关重要。未来,数字土壤属性制图的研究将朝向多尺度、技术融合、人工智能化、精细化、动态更新等方向发展,以满足农业生产和土地资源管理的精准化需求。
-
关键词
土壤属性
数字土壤属性制图
环境变量
地统计学
数理统计
机器学习
样点分布
研究进展
-
Keywords
soil property
digital soil property mapping
environmental variable
geostatistics
mathematical statistics
machine learning
sampling point distribution
research progress
-
分类号
S126
[农业科学—农业基础科学]
S15
[农业科学—土壤学]
-
-
题名基于多头自注意力机制的实体识别研究
被引量：2
- 3
-
-
作者
陈伟
吴云志
涂凌
刘航
余克健
乐毅
-
机构
安徽农业大学信息与计算机学院
安徽省北斗精准农业信息工程实验室
安徽大学物质科学与信息技术研究院
-
出处
《蚌埠学院学报》
2022年第5期54-60,共7页
-
基金
青海省自然科学基金面上项目(2020-ZJ-913)
安徽省北斗精准农业信息工程实验室开放基金(BDSYS2021003)
安徽省现代农业产业技术体系专项经费(2021-2025)。
-
文摘
为了有效利用专业领域知识,对知识抽取展开研究,针对传统命名识别容易受上下文相对距离的影响、实体整体识别效果差的问题,提出了一种多头自注意力机制与条件随机场(CRF)结合的实体抽取模型。该模型基于Transformer架构,使用多头自注意力机制有效获取上下文信息,构建了多头自注意力机制与CRF结合的实体抽取改进模型,通过拼接多个自注意力机制,减少了对上下文中相对距离过多的约束并特征提取,实现了上下文全局信息的获取能力,提高了模型的泛化能力。最后,基于《人民日报》公开数据集,与其他机器学习模型进行了实验对比,验证了本方法的有效性,并在水下机器人任务作业数据的实体抽取中取得了较好的实验结果。
-
关键词
命名实体识别
多头自注意力机制
条件随机场
特征提取
-
Keywords
named entity recognition
multiple self-attention mechanisms
conditional random field
feature extraction
-
分类号
R318
[医药卫生—生物医学工程]
TN911
[电子电信—通信与信息系统]
-
