AgroNLP-SimAssist: a multilingual transformer-based decision support simulator for crop disease diagnosis, advisory generation, and market intelligence
Priya Thirugnanam · Sandeep kumar Mathivanan · Sundara Kumar M R 等 6 人
提出多语言Transformer农业决策支持模拟器，统一实现作物病害诊断、农技建议与市场情报。
基于FAO、PlantVillage、Agmarknet多语数据训练Transf
病害分类96.1%、建议相关性94.3%、NER F1 92.7%，万级并发延迟0.35秒。
可扩展至更多语种与作物，并引入真实田间部署反馈闭环优化模拟器。
多语言农业大模型整合病害诊断、农技咨询与市场情报，数据规模与仿真验证扎实，对智慧农业信息化有参考价值。
尽管近年来农业自然语言处理（NLP）领域取得了进展，但仍存在三个主要不足亟需解决：(i) 使用专有或小规模数据集，影响可复现性；(ii) 单任务模型仅关注意图识别，缺乏对作物病害诊断、建议和市场信息的整合；(iii) 缺乏用于评估系统实际部署性能的模拟器。精准农业的应用受到多样化农业环境的限制。本研究提出了AgroNLP-SimAssist，一种统一的多语言Transformer架构，并辅以易于部署的农业决策支持模拟器，作为克服上述挑战的解决方案。该框架由五个主要组件构成：(1) 领域特定的多语言Transformer嵌入；(2) 从公开农业数据集中进行数据收集与清洗；(3) 多预测任务，包括趋势价格估计、作物病害检测和咨询推荐；(4) SHAP值可解释性用于专家验证；(5) 咨询模拟引擎用于评估延迟和可扩展性。多语言可用数据源已用于训练和验证，包括联合国粮农组织（FAO）的多语言农业报告、PlantVillage知识库的作物病害描述以及Agmarknet网站的价格市场叙述。在包含3200条多语言农民查询数据集（英语、印地语和卡纳达语）中，训练集、验证集和测试集的分配比例分别为70%、15%和15%。与现有分类器相比，实验结果显示病害分类准确率达96.1%，咨询相关性达94.3%，命名实体识别的F1值为92.7%。模拟系统可扩展至10000名并发用户，推理延迟为0.35秒/查询。所提出的数据驱动AgroNLP-SimAssist框架通过为智能农业咨询系统提供可扩展、可复现且可解释的解决方案，促进了推广服务和精准农业的发展。