从水稻病害识别出发探索农业数据共享新模式

从水稻病害识别出发探索农业数据共享新模式

准确高效地识别作物病害类型,有助于农户及时采取有效的针对性预防措施,从而降低因病虫害导致的减产风险和经济损失.然而,在其他领域能达到SOTA效果的识别模型,在农业领域特别是水稻病害识别的应用中,却面临目前已有的水稻病害数据量不足、种类不丰富以及数据质量不高等问题.本研究采用多种经典卷积神经网络,并利用迁移学习的方法在两个不同的数据集上进行训练.验证了除模型结构带来的优化外,训练数据集本身对于训练结果也具有重要影响.但目前农业领域开源数据较少,几乎没有综合性的数据开源平台可供利用.这一现象与高质量农业数据获取难度大且成本高、大多数从业人员教育水平相对较低、分布式训练系统不成熟、数据安全问题得不到...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:农业大数据学报 2023, Vol.5 (4), p.13-23
Hauptverfasser: 张濛濛, 王秀娟, 康孟珍, 华净, 王浩宇, 王飞跃
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 23
container_issue 4
container_start_page 13
container_title 农业大数据学报
container_volume 5
creator 张濛濛
王秀娟
康孟珍
华净
王浩宇
王飞跃
description 准确高效地识别作物病害类型,有助于农户及时采取有效的针对性预防措施,从而降低因病虫害导致的减产风险和经济损失.然而,在其他领域能达到SOTA效果的识别模型,在农业领域特别是水稻病害识别的应用中,却面临目前已有的水稻病害数据量不足、种类不丰富以及数据质量不高等问题.本研究采用多种经典卷积神经网络,并利用迁移学习的方法在两个不同的数据集上进行训练.验证了除模型结构带来的优化外,训练数据集本身对于训练结果也具有重要影响.但目前农业领域开源数据较少,几乎没有综合性的数据开源平台可供利用.这一现象与高质量农业数据获取难度大且成本高、大多数从业人员教育水平相对较低、分布式训练系统不成熟、数据安全问题得不到保障等因素密切相关.针对农业领域训练中高质量数据缺乏的问题,在本文中提出了基于联邦学习框架构建农业数据共享平台的新思路.
doi_str_mv 10.19788/j.issn.2096-6369.230402
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_nydsjxb202304003</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>nydsjxb202304003</wanfj_id><sourcerecordid>nydsjxb202304003</sourcerecordid><originalsourceid>FETCH-wanfang_journals_nydsjxb2023040033</originalsourceid><addsrcrecordid>eNpjYFAwNNAztDS3sNDP0sssLs7TMzKwNNM1Mzaz1DMyNjAxMGJh4IQLcTDwFhdnJhmYGBqZGZobGnEy2DzZ3fdsw5bnK3Y_n976dN3mF-vbnnasftq-62n_xGd9i55vWfS0bc6THbOeTd3wrHfd09aNT3atfjZtw7MVC5_u6edhYE1LzClO5YXS3Awabq4hzh665Yl5aYl56fFZ-aVFeUCZ-LzKlOKsiiQjA7CbDIyNSVAKANjsWFw</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>从水稻病害识别出发探索农业数据共享新模式</title><source>DOAJ Directory of Open Access Journals</source><creator>张濛濛 ; 王秀娟 ; 康孟珍 ; 华净 ; 王浩宇 ; 王飞跃</creator><creatorcontrib>张濛濛 ; 王秀娟 ; 康孟珍 ; 华净 ; 王浩宇 ; 王飞跃</creatorcontrib><description>准确高效地识别作物病害类型,有助于农户及时采取有效的针对性预防措施,从而降低因病虫害导致的减产风险和经济损失.然而,在其他领域能达到SOTA效果的识别模型,在农业领域特别是水稻病害识别的应用中,却面临目前已有的水稻病害数据量不足、种类不丰富以及数据质量不高等问题.本研究采用多种经典卷积神经网络,并利用迁移学习的方法在两个不同的数据集上进行训练.验证了除模型结构带来的优化外,训练数据集本身对于训练结果也具有重要影响.但目前农业领域开源数据较少,几乎没有综合性的数据开源平台可供利用.这一现象与高质量农业数据获取难度大且成本高、大多数从业人员教育水平相对较低、分布式训练系统不成熟、数据安全问题得不到保障等因素密切相关.针对农业领域训练中高质量数据缺乏的问题,在本文中提出了基于联邦学习框架构建农业数据共享平台的新思路.</description><identifier>ISSN: 2096-6369</identifier><identifier>DOI: 10.19788/j.issn.2096-6369.230402</identifier><language>chi</language><publisher>中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心,北京 100190%澳门科技大学创新工程学院,澳门 999078</publisher><ispartof>农业大数据学报, 2023, Vol.5 (4), p.13-23</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/nydsjxb/nydsjxb.jpg</thumbnail><link.rule.ids>314,780,784,864,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>张濛濛</creatorcontrib><creatorcontrib>王秀娟</creatorcontrib><creatorcontrib>康孟珍</creatorcontrib><creatorcontrib>华净</creatorcontrib><creatorcontrib>王浩宇</creatorcontrib><creatorcontrib>王飞跃</creatorcontrib><title>从水稻病害识别出发探索农业数据共享新模式</title><title>农业大数据学报</title><description>准确高效地识别作物病害类型,有助于农户及时采取有效的针对性预防措施,从而降低因病虫害导致的减产风险和经济损失.然而,在其他领域能达到SOTA效果的识别模型,在农业领域特别是水稻病害识别的应用中,却面临目前已有的水稻病害数据量不足、种类不丰富以及数据质量不高等问题.本研究采用多种经典卷积神经网络,并利用迁移学习的方法在两个不同的数据集上进行训练.验证了除模型结构带来的优化外,训练数据集本身对于训练结果也具有重要影响.但目前农业领域开源数据较少,几乎没有综合性的数据开源平台可供利用.这一现象与高质量农业数据获取难度大且成本高、大多数从业人员教育水平相对较低、分布式训练系统不成熟、数据安全问题得不到保障等因素密切相关.针对农业领域训练中高质量数据缺乏的问题,在本文中提出了基于联邦学习框架构建农业数据共享平台的新思路.</description><issn>2096-6369</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYFAwNNAztDS3sNDP0sssLs7TMzKwNNM1Mzaz1DMyNjAxMGJh4IQLcTDwFhdnJhmYGBqZGZobGnEy2DzZ3fdsw5bnK3Y_n976dN3mF-vbnnasftq-62n_xGd9i55vWfS0bc6THbOeTd3wrHfd09aNT3atfjZtw7MVC5_u6edhYE1LzClO5YXS3Awabq4hzh665Yl5aYl56fFZ-aVFeUCZ-LzKlOKsiiQjA7CbDIyNSVAKANjsWFw</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>张濛濛</creator><creator>王秀娟</creator><creator>康孟珍</creator><creator>华净</creator><creator>王浩宇</creator><creator>王飞跃</creator><general>中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心,北京 100190%澳门科技大学创新工程学院,澳门 999078</general><general>中国科学院自动化研究所复杂系统管理与控制全国重点实验室,北京 100190</general><general>中国科学院自动化研究所多模态人工智能系统全国重点实验室,北京 100190</general><general>中国科学院大学人工智能学院,北京 1000049%中国科学院自动化研究所多模态人工智能系统全国重点实验室,北京 100190</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>从水稻病害识别出发探索农业数据共享新模式</title><author>张濛濛 ; 王秀娟 ; 康孟珍 ; 华净 ; 王浩宇 ; 王飞跃</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_nydsjxb2023040033</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>张濛濛</creatorcontrib><creatorcontrib>王秀娟</creatorcontrib><creatorcontrib>康孟珍</creatorcontrib><creatorcontrib>华净</creatorcontrib><creatorcontrib>王浩宇</creatorcontrib><creatorcontrib>王飞跃</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>农业大数据学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>张濛濛</au><au>王秀娟</au><au>康孟珍</au><au>华净</au><au>王浩宇</au><au>王飞跃</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>从水稻病害识别出发探索农业数据共享新模式</atitle><jtitle>农业大数据学报</jtitle><date>2023</date><risdate>2023</risdate><volume>5</volume><issue>4</issue><spage>13</spage><epage>23</epage><pages>13-23</pages><issn>2096-6369</issn><abstract>准确高效地识别作物病害类型,有助于农户及时采取有效的针对性预防措施,从而降低因病虫害导致的减产风险和经济损失.然而,在其他领域能达到SOTA效果的识别模型,在农业领域特别是水稻病害识别的应用中,却面临目前已有的水稻病害数据量不足、种类不丰富以及数据质量不高等问题.本研究采用多种经典卷积神经网络,并利用迁移学习的方法在两个不同的数据集上进行训练.验证了除模型结构带来的优化外,训练数据集本身对于训练结果也具有重要影响.但目前农业领域开源数据较少,几乎没有综合性的数据开源平台可供利用.这一现象与高质量农业数据获取难度大且成本高、大多数从业人员教育水平相对较低、分布式训练系统不成熟、数据安全问题得不到保障等因素密切相关.针对农业领域训练中高质量数据缺乏的问题,在本文中提出了基于联邦学习框架构建农业数据共享平台的新思路.</abstract><pub>中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心,北京 100190%澳门科技大学创新工程学院,澳门 999078</pub><doi>10.19788/j.issn.2096-6369.230402</doi></addata></record>
fulltext fulltext
identifier ISSN: 2096-6369
ispartof 农业大数据学报, 2023, Vol.5 (4), p.13-23
issn 2096-6369
language chi
recordid cdi_wanfang_journals_nydsjxb202304003
source DOAJ Directory of Open Access Journals
title 从水稻病害识别出发探索农业数据共享新模式
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-02T15%3A42%3A30IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%BB%8E%E6%B0%B4%E7%A8%BB%E7%97%85%E5%AE%B3%E8%AF%86%E5%88%AB%E5%87%BA%E5%8F%91%E6%8E%A2%E7%B4%A2%E5%86%9C%E4%B8%9A%E6%95%B0%E6%8D%AE%E5%85%B1%E4%BA%AB%E6%96%B0%E6%A8%A1%E5%BC%8F&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%A4%A7%E6%95%B0%E6%8D%AE%E5%AD%A6%E6%8A%A5&rft.au=%E5%BC%A0%E6%BF%9B%E6%BF%9B&rft.date=2023&rft.volume=5&rft.issue=4&rft.spage=13&rft.epage=23&rft.pages=13-23&rft.issn=2096-6369&rft_id=info:doi/10.19788/j.issn.2096-6369.230402&rft_dat=%3Cwanfang_jour%3Enydsjxb202304003%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=nydsjxb202304003&rfr_iscdi=true