露地白萝卜定植收获农机农艺垂直大模型调优方法研究OA

针对通用大语言模型在露地白萝卜定植与收获场景中专业性不足、农机农艺协同能力弱、难以直接指导生产实践等问题,提出了一种融合农机农艺知识垂直大模型调优方法。围绕露地白萝卜定植与收获关键环节,构建了包含农机、农艺、农机农艺关联和定植收获关联4类知识的专用数据集,共14524条数据;在此基础上,针对传统LoRA各层统一Rank无法适应不同层知识表达需求的问题,提出非均匀Rank分配的NRA-LoRA微调方法,将更多可训练参数分配至中间层,以提高模型对农业专业知识的学习效率。以Qwen系列模型为基座进行微调与对比评价,结果表明Qwen3-4B(NRA-LoRA)表现最优,LLM-Metric达到84.32,BLEU-4、ROUGE-1、ROUGE-2和ROUGE-L分别达到30.95、52.68、23.84、41.96,明显优于未微调模型和LoRA、QLoRA方法。问答案例与田间试验结果表明,模型输出具有较好的参数推荐和机具选型能力,模型推荐的垄距为55~60 cm、行距为35~40 cm、株距为25 cm、耕深为25~30 cm,配套机具方案与山东莱阳当地土壤条件、春播气候和农户经验基本一致,具有较好的可执行性和实用价值。研究结果可为露地白萝卜定植收获智能决策、机械化参数优化和农业垂直大模型构建提供参考。