摘要：[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率不高的问题,提出一种名为SlowFast-SMC-ECA (SlowFast-Spatio-Temporal Excitation、Channel Excitation、Motion Excitation-Efficient Channel Attention)的农事活动行为识别算法。[方法]该算法主要基于SlowFast模型,通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特征和关键特征的提取能力。在Fast Pathway中,引入多路径激励残差网络的概念,通过在信道之间插入卷积操作来增强它们在时域上的相互关联性,从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中,将传统的Residual Block替换为ECA-Res结构,以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系,提升了特征之间的语义信息传递,进而显著提升了农事行为识别的准确率。此外,为了解决数据集中类别不均衡的问题,设计了平衡损失函数(Smoothing Loss),通过引入正则化系数,平衡损失函数可以有效地处理数据集中的类别不均衡情况,提高模型在各个类别上的表现。[结果和讨论]改进的SlowFast-SMC-ECA模型在农事行为识别中表现出良好的性能,各类行为的平均识别精度达到80.47%,相较于原始的SlowFast模型有约3.5%的提升。[结论]本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。

摘要：[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。[进展]本文首先阐述了大模型的基本概念和核心技术方法,展示了在参数规模扩大与自监督训练下,模型通用能力与下游适应能力的显著提升。随后,分析了大模型在农业领域应用的主要场景;按照语言大模型、视觉大模型和多模态大模型三大类,在阐述模型发展的同时重点介绍在农业领域的应用现状,展示了大模型在农业上取得的研究进展。[结论/展望]对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解,展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统,并为公众提供专业优质的农业服务。

摘要：基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域,但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率,从而造成硬件资源的浪费。为提高农作物病害识别的准确率且避免深层网络的使用,该研究将注意力机制引入农作物病害识别领域,提出了一种基于可见光谱和改进注意力机制的浅层农作物病害识别模型,设计了新的注意力模块SMLP和农作物病害识别模型SMLP_ResNet。利用卷积层代替全连接层设计参数量较少的残差网络(ResNet),然后利用SMLP、归一化结构(BatchNormalization)和残差模块(Res_block)得到改进的残差模块单元(SMLP_Res),其中SMLP由全局池化和多层感知机组成,建立各通道间依赖关系。多层感知机使用三层网络结构,将全局特征的通道维度提升至两倍,然后对其通道维度进行两次降维,恢复至原始维度,减少了全局特征损失。SMLP_Res可对通道中的病害特征重校准,减少对识别任务无效的冗余信息,最后构建农作物病害识别模型SMLP_ResNet,在减少模型层数同时提高其识别率。使用两个不同难度的多种植物和病害混合的公开数据集AIChallenger2018和PlantVillage验证本文模型。实验结果表明,SMLP_ResNet模型在18、50和101层时达到了较高的识别率,其中SMLP_ResNet18模型效果最佳,在两个数据集中的病害识别率分别为86.93%和99.32%。SMLP_ResNet18的准确率不仅高于改进前的ResNet18和SENet18网络,还高于其他研究者提出的模型的准确率,且模型权重大小为48.6MB,仅约为AlexNet网络权重的五分之一,能够在模型参数量较小的情况下实现较高的病害识别率。从Grad-CAM生成的热力图中可看出SMLP_ResNet18相比于其他模型更关注于叶片病害部位的特征,其背景信息以及叶片健康部位的权值较小。该研究所提出的SMLP_ResNet18模型实现了浅层网络下的高精度识别,提高了对叶片病害区域的辨识度,减少了背景等冗余特征的影响,适用于面向多种农作物不同病害下的高精度识别。

摘要：樱桃番茄串生长姿态多样、果实成熟度不一,采摘机器人进行“粒收”作业时,常面临果梗干涉末端执行器、成熟度判断错误等问题,导致采摘效率低下、难以有效实现分级采收。针对上述问题,该研究提出一种级联视觉检测流程,包括采收目标检测、目标果实特性判别、果实与果梗位置关系判断3个关键环节。首先根据农艺要求按成熟度将番茄果实分为4个等级,引入YOLOv5目标检测模型对番茄串和番茄果实进行检测并输出成熟度等级,实现分期采收。然后对果实与果梗的相对位置进行判断,利用MobileNetv3网络模型对膨胀包围盒进行果实与果梗相对位置关系判断,实现末端执行器采摘位姿控制。日光温室实际测试结果表明,本文提出的级联检测系统平均推理用时22ms,在IOU(intersection over union)阈值为0.5的情况下,樱桃番茄串与果实的平均检测精度达到89.9%,满足采摘机器人的视觉检测精度和实时性要求,相比末端执行器以固定角度靠近待采目标的方法,本文方法采收效率提升28.7个百分点。研究结果可为各类果蔬采摘机器人研究提供参考。

摘要：视差映射技术可以通过沿着视点方向平移纹理坐标来实现纹理图像的真实感绘制,然而不正确的纹理坐标偏移量将导致纹理图像的滑动现象.根据视差映射技术原理,通过定义纹理坐标值与高度值之间的映射函数得到偏移量与当前视点坐标的对应关系;利用GPU技术计算得到正确的纹理坐标偏移量,使得在视点动态变换时纹理图像的绘制不会产生滑动现象.实验结果表明,与传统视差映射方法及现有GPU技术校正纹理坐标偏移量方法相比,在没有增加算法复杂度的前提下,采用文中方法可改善纹理图像真实感绘制的效果.

摘要：科学评价医疗资源的便利性,对于合理配置有限的医疗资源有着重要的现实意义。该文分析了社区医疗资源便利性的评价对象、服务内容、时空维度的特点,分别从医疗机构提供服务的便利性和社区获得服务的便利性两个方面建立评价指标体系。基于数据包络分析(DEA)模型并做无输入改进,提出了医疗资源便利性评价方法。在此基础上,借助GIS的网络分析、叠加分析等功能,考虑道路交通、人口分布及医疗机构分布等空间信息,计算医疗资源便利性评价的指标值。将该方法应用于北京郊区某镇,验证了该方法的有效性。

摘要：由于农业数据具有地理分布、异构和动态等特性,网络环境下农业数据的分发组织和高效能处理是一个非常复杂且具有挑战性的问题。该文设计了层次式的农业数据网格系统软件体系结构;研究了基于时空本体的农业元数据建模、农业数据空间聚类与映射、多系统信息协同和层次访问控制机制等关键技术;构建了农业数据网格节点应用环境。测试检验结果表明,所设计的农业数据网格体系具有良好的网络高性能传输能力。

摘要：针对村镇河道水环境自动化、系统化、规模化的监测需求,以物联网技术为基础,结合基于富客户端的WebGIS技术,设计水质在线监测系统的总体结构,将系统分为感知数据采集层、网络数据传输层和服务应用层3部分。研究设计水质自动监测设备,实现水环境信息数据采集端的硬件设计;分析水质在线监测平台的功能设计,阐述基于百度地图API的水质监测信息网络地图可视化方法,提出一种监测点时空关联采集感知方法,在发生水质异常情况时,计算估计污染物扩散情况,进行针对性的密集采集监测,最大程度还原水质真实情况。实际应用结果表明,该系统效果良好。

摘要：为了对基于J2EE应用的SQL注入漏洞进行有效发现和防范,在总结SQL注入原理的基础上,通过SQL注入攻击过程分析了可能造成的破坏,通过黑盒测试和白盒测试有效发现J2EE应用中存在的SQL注入漏洞,使用屏蔽出错信息、分配最小权限、参数化查询、输入验证及输入转义相结合的防范方法,可有效防御SQL注入攻击威胁,具有较高的实用性和安全性。

摘要：以物联网、大数据为核心的数字化技术是当前经济社会发展的重要推动力,其本质是利用信息技术改造提升传统产业,通过数据化、在线化业务,实现用数据生产、用数据管理、用数据决策目标。园区信息化建设是当前乡村振兴战略下支撑供给侧结构性改革的重要切入点,为了解决基层现代农业园区高起点应用而信息资源相对不足、管理决策模式急待提升的难点问题,该文以农业园区数字化管理为例,运用物联网、无人机、科研协同等手段获取数据,进行与基层园区规模相适应的全景GIS(geographic information system)数字化云服务系统设计,以获取的数据为核心,设计了农业园区全景信息管理、在线数据挖掘分析和试验数据协同分析等核心功能,以提高园区农业生产经营的精细化管理水平,为农业"优质、高效、生态、安全"生产目标提供技术支撑。