• time;2025-04-28 16:37:59

Недавно Институт информации о ресурсах Китайской академии лесоводства успешно разработал первую в Китае крупномасштабную модель лесной и травяной промышленности - « Большую модель Линьлун», что знаменует собой новый этап строительства « умной травы» в Китае.

С быстрым развитием технологий искусственный интеллект (ИИ) проникает во все области с беспрецедентной скоростью, и большая модель, представленная DeepSeek, с ее эффективными рассуждениями, мультимодальным слиянием и глубокой оптимизацией вертикальной области, является волшебным ключом, который открывает новую эру интеллектуального преобразования и модернизации отрасли. Лесная травяная промышленность имеет характеристики обширной территории, сложного типа и сложности работы. Существует настоятельная необходимость в глубокой интеграции технологий искусственного интеллекта, представленных крупными отраслевыми моделями, и расширении возможностей инноваций, повышении уровня управления информацией в лесной и травяной промышленности и содействии точному улучшению качества лесной травы.

По словам научного сотрудника Чжан Хуайцина, главы научно - исследовательской группы и главного ученого Китайской академии лесоводства, модель Линьлун имеет пять выдающихся преимуществ:

(1) Благодаря технологии мульти - интеллекта отраслевых текстовых знаний, которая объединяет знания в области лесных трав и преодолевает недостатки знаний о лесной промышленности в общей большой модели, способность большой модели понимать сложные проблемы в области лесных трав улучшается более чем на 60%.

(2) В соответствии с данными и бизнес - характеристиками лесной промышленности была построена большая пространственно - временная модель многомодальных данных лесной травы, которая преодолела недостатки в понимании, анализе и рассуждении пространственно - временных данных в модели большого языка, а возможности бизнес - расчета и обработки лесной травы были улучшены более чем на 50%.

(3) Достигнута синергическая интеграция многомодальных больших моделей со специальными малыми моделями, что значительно снижает затраты на разработку, значительно улучшает повторное использование, применимость и универсальность моделей, а эффективность разработки и использования увеличивается более чем в 10 раз.

(4) Решение проблемы многополюсной совместимости и адаптации к локализации в условиях низких ресурсов в лесной и травяной промышленности, преодоление зависимости больших моделей лесной и травяной промышленности от высокой вычислительной силы, повышение простоты использования и инклюзивности модели.

(5) Реализация открытого совместного использования независимых прав собственности в отрасли, с высоким расширением, поддержка итерации обновления функций и непрерывное совершенствование продукта.

Модель Linlong Da приземлилась в восьми основных сценариях применения, поддерживая вызовы интерфейса различных терминалов, и будет поддерживать научные исследования, приложения и промышленное развитие в вертикальных областях интеллектуальной лесной травы посредством постоянного расширения и совершенствования.

(1) Промышленная текстопроцессорная обработка: разработка многоинтеллектуальных текстовых знаний в лесной промышленности, уменьшение отклонений в понимании модели, повышение эффективности приобретения профессиональных знаний и точности рассуждений почти в 10 раз.

(2) Идентификация типов деревьев: использование синергетической вычислительной архитектуры слияния больших и малых моделей для достижения точного распознавания видов с помощью изображений дистанционного зондирования из нескольких источников с точностью более 93%.

(3) Извлечение поверхностных параметров: использование трехмерных точечных облаков, многоспектральных, гиперспектральных и других многомерных данных для достижения точной экстракции параметров трехмерной поверхности образцовой земли - однодерева - органа, а также точного распознавания типов, зрелости, качества и других форм лесных фруктов с точностью более 90%.

(4) Идентификация дикой природы: Благодаря слиянию мультимодальных данных, таких как изображения, видео и звуки, достигается точное распознавание типа, количества, положения и поведения дикой природы с точностью более 91%.

(5) Мониторинг вредителей и болезней: Мониторинг состояния здоровья леса посредством тонкой настройки большой модели SAM, такой как идентификация заболеваний, таких как сосновая нематода, с точностью более 90%.

(6) Идентификация лесных пожаров: использование тонко настроенной модели Grounding DINO для достижения интеллектуального распознавания лесных пожаров, дыма и других бедствий в сложном контексте с точностью более 92%.

(7) Оценка экосистемы: Благодаря адаптивному алгоритму интеллектуального раскопок данных достигается точная экстракция ключевых экологических параметров, таких как NDVI, NDWI, LAI, количество опавших материалов, продуктивность воды, устойчивость почвы, чистая первичная производительность и общая первичная производительность с точностью более 85%.

(8) Решения по управлению бизнесом: использование цифрового двойного интеллектуального моделирования и алгоритма принятия решений для достижения гетерогенности структуры лесного пространства, степени конкуренции в лесном разделе, гибридности видов деревьев, точного извлечения и структурной оптимизации информации о структуре лесного пространства, эффективность принятия решений увеличивается более чем в 5 раз.

Модель Linlong Da была применена в демонстрационной зоне проекта « Sanbei», работа стабильна и надежна. Модель Linlong Da будет постепенно оптимизировать модернизацию, итеративное обновление, углублять интеграцию с лесной травяной промышленностью, всесторонне продвигать интеллектуальную трансформацию лесной травы и инновационное применение индустрии AI, чтобы дать возможность мудрой лесной траве развивать новую главу.

Источник: Перенаправлено с Китайской ассоциации геоинформационной индустрии