面向农业智能决策的多模态知识图谱数据集当前农业知识碎片化、多源数据孤立,制约农业大模型决策可靠性。本项目整合多源异构数据,构建高质量农业多模态决策知识图谱数据集,核心是打造“农田-作物-管理-环境-市场”立体化知识体系,既从百万级文献中提取结构化权威知识,又从9万余篇科技小院工作日志中挖掘隐性实践经验并转化为结构化知识。项目目的是搭建农业智能化“知识引擎”,赋能农业大模型提升决策准确性、训练专业智能体强化实战能力、支撑智慧管理平台提供精准决策服务。本数据集多渠道汇聚多模态数据,统一整合为知识图谱形式,核心数据来源如下:1.核心知识数据(学术文献与书籍、科技小院工作日志、互联网公开政策技术文档等非结构化/半结构化数据);2.实时环境与生产数据(物联网传感器时序数据、卫星及无人机遥感影像数据、农事活动结构化日志数据);3.参考数据(农田基础地理信息矢量数据、农产品市场行情及劳动力成本等结构化数据、农业政策半结构化文本数据)。
物联网设备数据API提供安徽省各地市的气象数据、土壤墒情预警机病虫害识别和病虫害基础数据以及2米精度的遥感影像数据
数字化高标准农田平台解决方案数字化高标准农田解决方案围绕农田服务与管理需求,构建一套涵盖“农田一张图、两大用户、三大支撑技术、四大平台、五项立体监测体系及多个运用模块”的总体框架。利用天空地人机融合技术采集数据,结合遥感与作物生长模型,优化养分、水分管理,精准防控病虫害,配合农机实现精准作业,达到节水、节肥、节药、节人工的效果,提高农业资源利用效率的同时,让政府端能更便捷地通过数字化平台实现监管。该方案目前已在安徽、黑龙江等地应用,显著提高了农户经济效益,促进了农业可持续发展。
2025年至2026年安庆市面向农业智能决策的多模态知识图谱数据集本衍生数据并非对原始文献和日志的简单复制,而是通过自主设计的多模态知识图谱构建流程实现实质性创造:一是利用大模型与自然语言处理技术对科技小院工作日志、科研论文及农业专业资料进行自动知识抽取,将非结构化文本转化为统一规范的知识实体与实体关系,实现数据从文本到结构化知识的实质性转变;二是将不同来源、不同领域的知识进行融合与交叉验证,构建覆盖作物、土壤、水肥管理、病虫害防治等要素的农业知识图谱,衍生出原始数据中不存在的高阶关联知识;三是采用图数据库与向量数据库混合架构对衍生知识进行组织存储,支持语义检索与动态关联推理,显著提升数据使用价值;四是建立图谱逻辑约束自动检测与专家复核的双通道校验机制及版本管理机制,保障衍生数据质量。上述过程充分体现了创造主体的智力投入与技术创新,衍生数据具有独立于原始数据的新价值。
遥感影像API接口提供安徽省各地市的气象数据、土壤墒情预警机病虫害识别和病虫害基础数据以及2米精度的遥感影像数据
智慧农业接口提供农业物联网设备数据、作物病虫害识别、病虫害基础数据、2米全国遥感影像的数据