基于深度学习的作物病虫害可视化知识图谱构建

文献类型: 中文期刊

第一作者: 吴赛赛

作者: 吴赛赛;周爱莲;谢能付;梁晓贺;汪汇涓;李小雨;陈桂鹏

作者机构:

关键词: 作物;病虫害;模型;知识图谱;深度学习;实体关系联合抽取

期刊名称: 农业工程学报

ISSN: 1002-6819

年卷期: 2020 年 36 卷 024 期

页码: 177-185

收录情况: EI ; 北大核心 ; CSCD

摘要: 针对作物病虫害领域存在实体关系交叉关联、多源异构数据聚合能力差、知识共享困难等问题,利用知识图谱以结构化的形式描述实体间复杂关系的优势,该研究提出了一种基于深度学习的作物病虫害知识图谱构建方法.该方法在领域本体的基础上,以一种与领域语料相适应的新标注模式实现实体和关系的联合抽取.将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,有效提高标注效率;为了解决重叠关系抽取问题,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据.利用来自转换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)-双向长短期记忆网络(Bi-directional Long-Short Term Memory,BiLSTM)+条件随机场(Conditional Random Field,CRF)端到端模型进行试验,结果表明效果优于基于普通标注方式的流水线方法和联合学习方法中的卷积神经网络(Convolutional Neural Networks,CNN)+BiLSTM+CRF、BiLSTM+CRF等经典模型,F1得分为91.34%.最后,将抽取到的知识存储到Neo4j图数据库中,直观地反映知识图谱的内部结构,实现知识可视化和知识推理.该研究构建的知识图谱可为作物病虫害智能问答系统、推荐系统、智能搜索等下游应用提供高质量的知识库基础.

分类号: TP391

  • 相关文献

[1]基于深度学习的水产病害可视化知识图谱构建与验证. 姜丽华,赵瑞雪,董春岩,常晓燕,马娟娟,谢能付,方松. 2023

[2]面向葡萄知识图谱构建的多特征融合命名实体识别. 聂啸林,张礼麟,牛当当,吴华瑞,朱华吉,张宏鸣. 2024

[3]我国近十年梨栽培领域科研态势分析研究. 陈洁,吕凯,刘桂民. 2023

[4]基于文献计量的我国棉花病虫害研究进展. 陈洁,吕凯,刘桂民. 2021

[5]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[6]基于RGB图像与深度学习的冬小麦田间长势参数估算系统. 李云霞,马浚诚,刘红杰,张领先. 2021

[7]改进YOLOv5测量田间小麦单位面积穗数. 黄硕,周亚男,王起帆,张晗,邱朝阳,康凯,罗斌. 2022

[8]基于卷积神经网络的黄瓜白粉病智能识别算法研究. 旦真旺姆,全淼儿,钱婷婷,石称华,刘哲辉,常丽英. 2023

[9]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[10]基于改进YOLO-V4网络的浅海生物检测模型. 毛国君,翁伟栋,朱晋德,张媛,吴富村,毛玉泽. 2021

[11]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[12]基于深度学习的病虫害智能化识别系统. 陈天娇,曾娟,谢成军,王儒敬,刘万才,张洁,李瑞,陈红波,胡海瀛,董伟. 2019

[13]基于GPU的虚拟植物生长的双尺度自动机模型实现方法. 董莹莹,赵星,王纪华. 2011

[14]CERES-Wheat作物模型参数全局敏感性分析. 姜志伟,陈仲新,周清波,任建强. 2011

[15]基于Dualex氮平衡指数测量仪的作物叶绿素含量估算模型. 李振海,王纪华,贺鹏,张勇峰,刘海英,常红,徐新刚. 2015

[16]粒子滤波同化方法在CERES-Wheat作物模型估产中的应用. 姜志伟,陈仲新,任建强,周清波. 2012

[17]基于虚拟模型的水稻冠层叶面积计算方法. 丁维龙,谢涛,徐利锋,张义凯. 2017

[18]基于遥感和AquaCrop作物模型的多同化算法比较. 邢会敏,李振海,徐新刚,冯海宽,杨贵军,陈召霞. 2017

[19]基于DSSAT作物模型的中美大豆主产区单产模拟与验证. 徐春萌,田芷源,陈威,刘佳佳,白洁. 2021

[20]基于SWAP模型同化遥感数据的黑龙江南部春玉米产量监测. 王利民,姚保民,刘佳,杨玲波,杨福刚. 2019

作者其他论文 更多>>