項目成果
本項目團隊致力於充分發揮和整合當前在高通量植物表型組學、系統發生學、系統生物學、生物信息學、物聯網和多智能體網絡方面的最新研究成果，開發研製一套可以靈活兼容、整合各種智慧農業知識數據的智能平臺。基於平臺內置的綜合知識庫，該平臺也利用多智能體動態實施對網絡內各種應用設備的綜合性管理控制。
該平臺可以讓客戶和專家通過語義標籤個性化的定義相關智能體，並使用這些智能化進行相應數據採集和知識提取，隨後將提取到的知識整合進統一的知識庫中。基於語義結構組織的知識可以被應用相關智能體讀取，而後用於對服務管理參數和模型的決定。所有知識在不斷的反饋和積累過程中也會被機器學習算法自動優化其組織結構。通過對知識的讀取，智能體網絡中的智能體會自動為每一個具體應用場景定製相應的配套組合應用服務，並從隨後的用戶反饋中優化相關知識。
本平臺區別於傳統物聯網知識整合和應用管理平臺的特點在於：系統採取先進的分散式智能體系統，結合深度學習算法與自組織語義結構，一方面允許用戶用語義工具個性化定義新知識和新設備添加於系統中，另一方面又可以自動將新添加的知識根據不同的上下文和情景因素分類到一個統一的多層知識體系之中，完成新知識和原有知識的對接。最終，系統新拓展的知識結構將由專家組成的知識社區用實驗或專業知識來判定和評估，而新知識的效果也會在實際生產中得到最終驗證。通過系統自動細分，整合，優化知識結構，智能體網絡可以對具體應用場景採取更精準更智能化的服務安排，真正實現智慧農業所預想的自主高質量管理。另一方面，平臺提供的自動知識整合、語義搜索和知識樹表現功能可以為專家在大數據中進行有針對性的深入合作研究提供強大的數據分析工具。
項目前景
目前，市場上現有的智慧農業公司多注重硬件解決方案，很少有知識整合為主的智慧農業公司。本項目相較於國內外智慧農業公司有以下幾點優勢：
- 區別於普通機器學習，本項目採用自主開發的更為先進的人工智能算法，能實現更高效、靈活的大數據整合和智能學習。而大部分智慧農業公司採用的機器學習算法在複雜的智慧農業應用場景上存在侷限性。
- 關於大數據的使用模式本項目與國內外其他結合大數據的智慧農業公司有本質區別，相關公司側重於運用大量傳感器獲取農業大數據，關於大數據的使用和如何運用專業農業知識結合該大數據方面還不深入。本項目依託智能知識整合平臺，綜合大量科研文獻、表型組學大數據知識，農業用戶，各方面跨領域的技術專家，整理出一套更綜合全面的農業生產知識體系，再利用傳感器獲取的農業大數據，通過反饋學習改進知識，從而提高農業生產效率。
- 擁有跨領域專家用戶知識互動社區，持續保證生產科研有益互動，用共享大數據和知識庫同時促進科研和生產發展，且在運用過程中通過不斷智能學習和專家調試，修正和增加知識，使得知識越來越全面、準確。
- 目前大多數智慧農業企業主要側重於智能硬件或農機的開發使用，缺少對相關農業知識的深化學習和整合來更有效的指導這些智能設備或農機。本項目的出現也填補了這一領域的空白。
項目進度
研製階段。
閱讀更多 阿基米德先進技術網 的文章
