基于电子病历的作物病虫害关联挖掘及智能诊断

摘要

作物病虫害研究是人工智能技术与智慧农业交叉领域的热点问题。现有的研究受到数据获取困难、技术实施成本高以及作物病虫害发生态势复杂等因素的限制。北京市“植物诊所”形成的植物电子病历（plant electronic medical records, PEMRs）为作物病虫害的诊断与防治提供了新的研究方向。PEMRs以多模态数据的形式存储，包含了丰富的植物信息、病虫害信息和环境信息，如何挖掘PEMRs信息并利用其辅助后续研究是亟待解决的问题。鉴于知识图谱的信息表示能力、机器学习的挖掘能力和深度学习的特征抽取能力，根据电子病历特点，利用结构化数据构建作物病虫害知识图谱，利用非结构化数据和领域知识进行知识增强，进一步利用Neo4j图数据库和图数据科学（graph data science, GDS）结合机器学习算法从“热”点发现、联系链路发现、相似病虫害发现3个维度进行关联挖掘。在此基础上，将基于Transformer的双向编码器（bidirectional encoder representation from transformers,BERT）与卷积神经网络（convolutional neural network,CNN）结合，利用非结构化文本数据实现文本特征抽取和病虫害诊断，模拟植物医生实现智能化服务，在20种常见病虫害上的综合准确率可达到93.13%。本研究可为作物病虫害的及时诊断、对症防治、科学用药和辅助决策提供理论支持，创新了农业科技社会化服务新模式、新业态。

相关知识

基于关联规则的病虫害诊断知识获取方法
基于GIS与空间关联规则数据挖掘在森林病虫害预测中的应用初探
基于多源遥感信息的作物病虫害生境评价研究进展
神经网络在病虫害诊断中的应用
多源图像融合技术在棉花病虫害诊断中的应用
菊花常见病虫害的诊断与防治
病虫害诊断与防治范例6篇
基于大数据的病虫害预警系统
作物病虫害防治
基于递归神经网络算法的电子物流配送系统配送路径优化

网址: 基于电子病历的作物病虫害关联挖掘及智能诊断 https://www.huajiangbk.com/newsview156373.html