近日，信息学院（人工智能学院）许福教授团队在农业人工智能方向取得重要研究进展，成功构建了面向中国农作物病虫害领域的知识图谱—CropDP-KG。该成果以《A knowledge graph for crop diseases and pests in China》为题，发表在Nature子刊《Scientific Data》上。该期刊专注于数据集以及促进科学数据共享和再利用的研究，SCI Q1期刊，五年影响因子8.7。
农作物病虫害是影响全球农业生产的重要因素，每年造成严重经济损失。传统病虫害知识分散在不同平台、文献和数据库中，缺乏统一、结构化的表示方法，制约了农业智能决策的发展。针对这一难题，研究团队依托自然语言处理技术与农业领域知识，从“中国农作物病虫害图文数据库”中提取并构建了覆盖广泛、结构清晰的多维知识图谱。
CropDP-KG包含8类核心实体（如病害、害虫、作物、发生区域、症状等）和7类语义关系（如“主要发生地区”“危害作物”“适宜温度”等），共包含13,840个实体和21,961个关系三元组。研究采用BERT-BiLSTM-CRF等深度学习模型实现实体识别，并结合专家标注与验证，确保知识的高准确性与可靠性。
基于该知识图谱，团队还开发了“农作物病虫害知识服务系统”，支持知识查询、问答与可视化功能，用户可通过关键词快速检索病虫害相关属性、发生条件、防治建议等多维度信息，为农业从业者、科研人员及政策制定者提供直观、高效的知识支持。该知识图谱数据已以CSV格式公开发布于Figshare平台，系统代码开源发布在GitHub，推动农业知识共享与后续研究应用。
论文第一作者为青年教师颜荣恩，通讯作者为许福教授和李冬梅教授。安平、孟祥浩、李亚坤、党德鹏教授共同参与研究。
本研究由中央高校基本科研经费（BLX202356）、国家重点研发计划（2022YFF1302700）、国家林草局应急揭榜挂帅项目（202303）及优秀青年团队项目（QNTD202308）共同资助。
