CCDM2024-农业大数据智汇论坛

农业大数据智汇论坛致力于推动农业大数据的研究与应用，通过集聚专家、学者，共同探讨农业大数据的发展趋势、技术创新和实际应用，为智慧农业和乡村振兴提供支持。

论坛主持人:王志军，山东农业大学信息科学与工程学院                                                                                                              

主持人简介：王志军，博士，教授，现任山东农业大学信息科学与工程学院院长，全国普通高等学校本科教育教学评估专家，山东省高等教育学会会员，山东省计算机学会常务理事，全国苹果大数据发展应用协作组专家咨询委员会专家，国家林业和草原局院校教材建设专家库专家，“超星杯”高校青年教师教学比赛评审专家，山东省一流专业建设点（计算机科学与技术）负责人。近年来主持或参与包括“农业农村信息化关键技术集成与示范”、“现代果园智慧种植装备与大数据平台研发及示范应用”、“苹果大数据指标体系设计及数据标准制定”等各类项目等多项；出版《苹果专业信息服务系统数学模型及数据库研究》专著1部，在国内外学术刊物上发表研究论文30余篇。

报告1：农作物生产决策知识图谱构建及敏捷服务方法研究                                                                                                         

报告人简介：张宏鸣，教授，博导，陕西省中青年科技领军人才，陕西省教学名师，宝钢优秀教师，CCF数字农业分会常务理事、中国农业工程学会理事、陕西省计算机学会常务理事、陕西省计算机教育学会副理事长、陕西省农业农村信息化专家、"农业信息处理与智能分析"陕西高校青年创新团队带头人。主要从事农业人工智能、空间大数据分析等方面的研究与实践。先后主持和参与了包括“973”、“863”、重点研发、国家自然科学基金在内的多个研究项目。发表论文100余篇，第一完成人获省科技进步二等奖1项，参与获奖1项。

报告摘要：当前互联网上海量的农业知识以碎片化形式存在，不利于使用和管理。知识图谱以结构化、细粒度的特点存储数据，可以有效组织分散的知识。基于此，研究了农作物生产决策知识图谱构建及敏捷服务方法。为解决知识图谱构建过程中，上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题，提出了来自转换器的双向编码器表征量（BERT）和残差结构融合的命名实体识别模型BBNER-RS，以及基于新词发现和交叉注意力机制的命名实体识别模型KIWINER。结合以上模型进行实体识别，使用“关系模板+NER”的策略将实体组装为三元组，构建了葡萄和猕猴桃等农作物种植管理知识图谱，并实现了农业种植管理线上敏捷服务，主要包括智能检索、智能推荐和智能问答。

报告2：基于多源异构大数据的玉米种子精准鉴别方法研究”                                                                                                 

报告人简介：于合龙，教授，博士生导师，清华大学博士后。现任吉林农业大学信息技术学院院长，吉林农业大学智慧农业研究院常务副院长。吉林省有突出贡献专家，吉林省拔尖创新人才，全国高校教师教学创新大赛国家二等奖获得者。农业农村部农业农村信息化示范基地负责人，国家级科技小院负责人，吉林省精准农业与大数据工程研究中心主任，吉林省数字化转型促进中心主任。现兼任中国计算机学会（CCF）数字农业分会秘书长、吉林省智慧农业学会理事长、中国人工智能学会智能农业专业委员会常务委员和中国作物学会智慧农业专业委员会理事会委员。主要从事计算农业、光学农业等方面的科研和教学工作。承担国家自然科学基金、国家重点研发计划、中国工程院重大咨询研究课题及省部级重点科研项目20余项，发表SCI、EI等各类论文130余篇，申请/授权发明专利12项，获软件著作权登记20余项，出版著作5部。获吉林省科技进步一等奖2项、二等奖5项。

报告摘要：针对玉米种子品种和年份的精准鉴别，提出了基于多源异构大数据的分析方法。通过结合形态学分析、机器学习和深度学习技术，研究了不同数据源下的种子鉴别方法。首先，使用高分辨率相机采集种子图像，利用形态学特征提取和机器学习算法进行品种和年份的鉴别，其中支持向量机在品种鉴别中表现更佳。其次，改进深度学习模型MobileNetV3，通过数据增强和模型优化，显著提升了鉴别准确率。此外，利用高光谱数据，结合主成分分析和随机森林模型，进一步提高了鉴别的准确性。最后，采用图谱融合和集成学习方法，实现了99.7%的高准确率鉴别。这些方法为不同场景下种子质量和品种管理提供了创新的解决方案，同时有效解决多源数据融合时的噪声干扰，对农业生产具有重要意义。

报告3：智慧农业与新质生产力                                                                                                                                                        

报告人简介：苏中滨，二级教授，博士生导师，东北农业大学农业人工智能交叉学科博士点学科带头人，现任农业农村部东北智慧农业技术重点实验室主任、黑龙江省数字农业产业技术协同创新推广体系首席专家、黑龙江省数字农业农村发展促进会常务副会长、黑龙江省计算机学会智慧农业专业委员会主任，黑龙江省高层次人才（C类）、省政府特殊津贴获得者。主持国家、省部级科研项目20余项，累计获得科研经费超过2700万元。发表学术论文80余篇，其中SCI 60余篇，授权发明专利、软件著作权18项；出版专著1部，主编、主审教材6部。获省科技进步二等奖1项、省自然科学技术三等奖2项、省畜牧科技成果一等奖1项、省教学成果一等奖2项。

报告摘要：智慧农业是我国农业现代化的战略制高点，是现代农业发展的必然方向。报告以中国式农业强国应具备的显著特征为切入点，介绍适用于我国粮食主产区的粮食作物智慧化生产技术体系的研发应用情况，讨论无人（少人）智慧农业的建设思路和实现路径，明确智慧农业具有新质生产力的显著特征，并提出了我国粮食主产区智慧农业发展的重点和体系架构。

报告4：智慧渔场中的视觉计算关键技术与方法                                                                                                                            

报告人简介：李振波，男，教授，博士生导师，中国农业大学信息与电气工程学院副院长。山东大学计算机学院学士、硕士，中国科学院计算技术研究所博士，法国国立巴黎电信学院博士后，中国计算机学会杰出会员、中国图学学会高级会员、中国人工智能学会会员、IEEE会员、国际信息处理联合会IFIP农业信息处理分会副主席，全国高等院校计算机基础教育研究会理事，全国高等院校计算机基础教育研究会农林专委会主任，教育部计算机类专业教指委物联网工程专业教学研究专家组成员。研究领域聚焦在计算机视觉和图像处理、智慧农业等。主持国家自然科学基金、国家重点研发计划、国际科技合作专项等科研课题和任务12项。在国际人工智能顶级期刊T-IP和ICCV、ECCV等人工智能领域顶级学术会议、智慧农业领域顶级期刊COMPAG上发表高水平论文100多篇，获授权国家发明专利23项，公开国家发明专利25项，登记软件著作权62项，出版专著1部，参编《数智驱动乡村振兴》《农业物联网导论》等多部著作，获省部级一等奖2项，二等奖3项，2022宝钢优秀教师奖，参与制定国家标准4项，行业标准4项，地方标准1项，获北京市教学成果二等奖、中国农业大学教学成果特等奖等。

报告摘要：人工智能技术正在渔业产业转型发展中发挥重要作用，其中相关关键技术的应用落地是关键，视觉计算技术作为当前新一代人工智能中成功应用的一类技术，已在无人驾驶，工业检测等领域已发挥重要作用。报告将围绕视觉计算关键技术基础研究及其在智慧渔业场景中的应用研究展开，介绍目前发展中的数字渔业和无人渔场概念，着重介绍视觉计算技术研究在渔业养殖动物行为分析、水下图像增强、水产品质检测等应用研究中的进展，存在的问题，并对相关技术的发展和应用进行展望。

报告5：模拟驱动的农业信息化研究                                                                                                                                               

报告人简介：孙晓勇，博士，山东农业大学信息学院教授，硕士生导师。2010年于美国Iowa State University获生物信息学和统计学博士学位。国家基金委通讯评审专家，获国家自然基金面上项目和联合基金资助。在国内外学术刊物发表论文40余篇，包括Plant Physiology, Briefings in Bioinformatics, Molecular Plant, Journal of Clinical Investigation等国际知名期刊，发表论文他引1100余次，授权专利15项，软件著作权27项，独立出版专著1部。PLOS One杂志编委，并任国际主流期刊等审稿专家。

报告摘要：世界人口在2050 年将达到92 亿，为了保证足够的粮食产量，需要至少增加70% 的现有粮食产量。农业信息化将人工智能和传统农业相结合，将是解决这一问题的关键。但是农业研究面临农时限制和环境限制，人工智能需要的数据质量和数量无法保证，严重阻碍了这一领域的快速发展。针对这一问题，我们提出构建农业模拟系统，进而保证数据采集，提高数据质量，加速人工智能与农业的深度融合。通过小麦麦穗计数和病害识别两个案例，我们发现模拟与真实数据训练的模型准确度基本接近，完全可以为人工智能算法提供可靠的数据。研究成果可以进一步推广到作物其他研究领域，加速农业信息化的研究，保障国家的粮食安全。