科研产出
新冠肺炎疫情对江西农户油菜生产的影响与应对措施
《浙江农业科学 》 2020
摘要：为充分了解新冠肺炎疫情对江西油菜生产的影响,通过微信、 网络问卷、 电话访谈等形式对江西油菜主产区的种植户、 经纪人进行了调研.结果表明:总体上江西油菜长势良好,病虫害偏轻发生,疫情暂时未对油菜生产造成严重影响.为保障农业生产正常有序进行,降低新冠肺炎疫情对油菜生产造成的影响,提出以下应对措施:设立省市县油菜技术服务热线,为广大种植户提供全面技术指导;制作技术辅导微视频广泛传播,通过新媒体渠道滚动播放;提前做好油菜观光、 采收与销售等工作预案,确保油菜籽销渠道顺畅;落实好绿色通道确保油菜生产有序,允许油菜种植户、 农资生产销售人员和农业社会化服务人员跨区域作业,及时开展油菜田间管理.
全文链接
请求原文
基于深度学习的作物病虫害可视化知识图谱构建
《农业工程学报 》 2020 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.
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
全文链接
请求原文
江西早熟梨病虫害发生现状及综合治理
《生物灾害科学 》 2015
摘要：目前江西省梨园发生的病虫害主要有:梨轮纹病、梨黑斑病、梨锈病、梨炭疽病、梨瘿蚊、梨木虱、梨小食心虫、梨茎蜂、红蜘蛛、二叉蚜、黄粉蚜,其中枝杆病害和根部病害有扩延的趋势,而胴枯病是近年发现的新的病害。对江西梨园病虫害发生的情况进行概述,并根据江西气候特点以及对部分虫害监测情况提出综合治理对策。
全文链接
请求原文
有机水稻病虫害防控措施研究进展
《江西农业学报 》 2010
摘要：病虫害是制约有机水稻发展的一个重要因素,综述了目前有关有机水稻病虫害农业防治、物理防治、生物防治及药剂防治等方面取得的研究成果,以期为从事有机水稻研究的工作者提供参考。
全文链接
请求原文
首页上一页1下一页尾页
