共检索到2448条,权限内显示50条;
[前沿资讯 ] 农业现代化中人工智能与计算机技术的实际运用分析 进入全文
cnki:河北农业
计算机技术和人工智能的发展，为当代农业发展带来了巨大机遇。但是，在发展现代化农业时，使用这两项技术过程中，依旧存在适配度偏低的现象。本文主要结合人工智能和计算机技术在农业现代化中的具体应用优势展开分析，阐述具体现状，并提出一些有效的使用策略，希望能切实地发挥现代技术支持农业发展的作用，促进农业现代化、智能化发展。
[学术文献 ] 人工智能在生物技术专业教学中的研究应用 进入全文
CNKI:山西青年
工智能与现代生物交叉融合，形成新的产业发展增长点，持续引领第四次工业革命浪潮。本文针对我国教育信息化发展不均衡，人工智能与地方高校普及不足、研究不深的现状，初步探讨其在生物技术专业教学上的应用模式，包括人工智能课程设置、人工智能教学手段提升及综合评价体系构建，理论及方案切实可行，具有广大发展前景。
[学术文献 ] 农林生物质制备铁炭复合材料及其环境污染治理应用的研究进展 进入全文
CNKI:农业工程学报
以农林生物质为原材料，通过加入铁磁性助剂制备铁炭复合材料是农林生物质高值化利用和受污染水体及土壤治理的重要途径。铁炭复合材料具有高比表面积、丰富表面官能团和优异吸附性能，能够通过表面物理吸附和氧化还原作用，快速吸附污水中的重金属离子，并在外部磁场的吸引下实现快速分离回收和循环使用。该研究论述了不同制备方法的铁炭复合材料及其材料性能，对其去除有机染料污染物、治理污水和土壤重金属的研究现状及发展动态进行了分析和讨论。在此基础上，结合铁炭复合材料的结构发育机理和污水治理及土壤改良的产业发展现状，提出了兼顾低成本、易合成、高效益的复合材料制备方式建议，以期为其在环境污染治理中的广泛应用提供理论和实践参考，进而推动农林生物质资源化高值利用，助力生态环境的绿色低碳高质量发展。
[学术文献 ] 基于无人机影像和深度学习的渭北旱塬区土地利用精准分类 进入全文
cnki:农业工程学报
为明确基于无人机影像的旱塬区土地利用精准分类方法，尤其是算法的选择，该研究通过获取渭北旱塬区白水县通积村不同航拍高度无人机正射遥感影像，利用多种深度学习算法和机器学习算法对土地利用分类进行研究。首先，采用大疆御2Pro获取研究区80和160 m不同高度航拍影像；然后对不同航拍高度目视解译结果和多种深度学习、机器学习模型预测结果进行对比分析；最后，基于表现最佳算法对其进行创新和改进。结果表明：深度学习算法的表现远远优于传统机器学习算法，其中深度学习算法中表现最好的DeepLabv3+像素精度为90.06%，比随机森林（Random Forest,RF）和支持向量机（Support Vector Machine,SVM）分别高出24.65和21.32个百分点。基于DeepLabv3+改进的DeepLabv3+＿BA模型整体分类效果最好，其像素精度为91.37%，比FCN、SegNet、UNet和DeepLabv3+分别高出7.43、10.12、2.27和1.31个百分点。各种算法在160 m数据集上各指标精度高于80 m。改进模型DeepLabv3+＿BA具有较高的地物分类精度及较强的鲁棒性，该研究可为基于无人机影像和深度学习的土地利用信息普查提供技术参考。
[学术文献 ] 基于深度强化学习的农田节点数据无人机采集方法 进入全文
CNKI:农业工程学报
利用无人机采集农田传感器节点数据，可避免网络节点间多次转发数据造成节点电量耗尽，近网关节点过早死亡及网络生命周期缩短等问题。由于相邻传感器数据可能存在冗余、无人机可同时覆盖多个节点进行采集等特点，该研究针对冗余覆盖下部分节点数据采集和全节点数据采集，对无人机数据采集的路线及方案进行优化，以减轻无人机能耗，缩短任务完成时间。在冗余覆盖下部分节点数据采集场景中，通过竞争双重深度Q网络算法（DuelingDoubleDeepQ Network,DDDQN）优化无人机节点选择及采集顺序，使采集的数据满足覆盖率要求的同时无人机能效最优。仿真结果表明，该算法在满足相同感知覆盖率要求下，较深度Q网络（Deep Q Network,DQN）算法的飞行距离缩短了1.21 km，能耗减少27.9%。在全节点数据采集场景中，采用两级深度强化学习联合（Double Deep Reinforcement Learning,DDRL）方法对无人机的悬停位置和顺序进行优化，使无人机完成数据采集任务时的总能耗最小。仿真结果表明，单节点数据量在160 kB以下时，在不同节点个数及无人机飞行速度下，该方法比经典基于粒子群优化的旅行商问题（ParticleSwarm Optimization-Traveling Salesman Problem,PSO-TSP）算法和最小化能量飞行控制（Minimized Energy Flight Control,MEFC）算法的总能耗最少节约6.3%。田间试验结果表明，相比PSO-TSP算法，基于DDRL的数据采集方法的无人机总能耗降低11.5%。研究结构可为无人机大田无线传感器节点数据采集提供参考。
[前沿资讯 ] 人工智能助推智慧农业高质量发展 进入全文
cnki:棉花学报
人工智能（Artifical intelligence, AI）理论与相关技术的持续发展，使其成为激发农业潜力、创新农业技术、革新农业面貌的重要驱动力。“AI+农业”已经成为智慧农业发展的必然趋势。目前，AI技术在农业领域的应用基本覆盖农业生产的全过程，在促进智慧农业高质量发展方面发挥了重要作用。文章结合《农业人工智能基础及应用》一书，探讨AI对智慧农业高质量发展的促进作用。
