本發明屬于農業自動化控制，特別涉及農業大田智能管理與語音交互控制，具體應用于對農田大田中農業設備執行指令控制及農業知識問答的智能化管理。
背景技術：
1、隨著農業現代化的發展，現階段的大規模農田配備了各類傳感器和智能設備，用以監測土壤水分、溫濕度、光照等環境參數。然而，現有技術仍存在顯著不足。首先，傳感器及設備品牌和類型繁多，缺乏統一標準和互聯機制，導致各設備間數據無法共享，形成“數據孤島”，設備割裂嚴重，使得跨設備協調和集中控制困難。其次，大多數智能農業設備依賴硬編碼規則，僅能執行預設操作，無法結合實時環境和作物生長狀態自主調整策略。例如，當土壤濕度低但預計未來降雨，或者作物處于關鍵控水期時，硬編碼設備可能仍進行灌溉，造成水資源浪費或作物生長受損。此外，現有系統在處理多源數據和多任務執行時缺乏統一判定機制，容易出現控制指令沖突、錯誤下發或知識問答觸發無關響應，從而導致農田操作執行不準確，影響農業管理效率和經濟效益。
技術實現思路
1、有鑒于此，本發明旨在提出一種基于雙路徑決策與閉環安全校驗的農業大田智能管理系統，以解決現有技術中在農業大田管理中，語音輸入無法準確判定有效性導致無效或錯誤指令進入系統，造成任務執行錯誤，且知識問答響應觸發無關與不準確內容的技術問題。
2、為實現上述目的，本發明采用以下技術方案：
3、本發明提出一種基于雙路徑決策與閉環安全校驗的農業大田智能管理系統，所述系統包括：
4、語音處理模塊，被配置為對用戶原始語音進行處理，輸出結構化標準文本流及置信度評分；
5、拒識模型模塊，連接所述語音處理模塊，被配置為基于領域拒識微調數據集，采用預訓練語言模型結合低秩適應參數高效微調策略，接收所述結構化標準文本流及所述置信度評分，判定有效問題與無效輸入，攔截無效輸入并將有效輸入的所述結構化標準文本流推送至仲裁模型模塊；
6、仲裁模型模塊，連接所述拒識模型模塊，被配置為接收有效輸入的所述結構化標準文本流，判定為任務型問題或知識型問答，并將任務型問題的所述結構化標準文本流分發至任務型代理模塊、將知識型問答的所述結構化標準文本流分發至知識型代理模塊；
7、知識型代理模塊，連接所述仲裁模型模塊，被配置為接收知識型問答的所述結構化標準文本流，通過知識庫檢索rag及多路召回機制、語義重排序策略檢索向量數據庫中的農業知識生成響應；
8、任務型代理模塊，連接所述仲裁模型模塊，被配置為接收任務型問題的所述結構化標準文本流，經問題改寫、意圖識別與槽位抽取、環境邏輯校驗后下發指令至田間單片機，控制田間設備執行動作并接收所述田間單片機回傳的執行狀態反饋；
9、安全處理模塊，連接所述任務型代理模塊與所述知識型代理模塊，被配置為執行全流程安全校驗。
10、進一步，所述語音處理模塊對用戶原始語音的處理包括：農業垂直領域asr識別；
11、所述農業垂直領域asr識別配置為采用農業同義詞詞典、高權重熱詞設置和方言適應策略，在所述置信度評分過低時，觸發所述拒識模型模塊。
12、更進一步，所述拒識模型模塊的預訓練語言模型為雙向transformer編碼模型；
13、所述雙向transformer編碼模型配置通過語義特征提取器保留預訓練參數；
14、在所述雙向transformer編碼模型的池化輸出向量后接入所述拒識模型模塊的拒識判別模塊，用于輸出樣本的置信度得分。
15、更進一步，所述低秩適應參數高效微調策略配置為：在所述雙向transformer編碼模型的自注意力層和前饋網絡層的線性映射中注入低秩矩陣，所述低秩矩陣通過分解高維權重更新量得到；凍結所述預訓練參數，訓練所述低秩矩陣及所述拒識判別模塊的拒識分類頭參數，引入縮放因子穩定訓練，通過端到端梯度反向傳播實現農業大田管理領域語義特征對齊。
16、更進一步，所述領域拒識微調數據集基于線上日志數據與人工收集數據構建；
17、所述領域拒識微調數據集包括分布內樣本和分布外樣本；其中，
18、所述分布內樣本為符合農業大田管理領域語義范圍的輸入樣本，并包括經農業垂直領域asr識別后的有效輸入樣本；
19、所述分布外樣本為不符合農業大田管理領域語義范圍的輸入樣本。
20、更進一步，所述仲裁模型模塊中，所述判定的策略配置為：
21、通過概率計算輸出任務型概率值與知識型概率值；若所述任務型概率值大于0.8，則將所述結構化標準文本流分發至所述任務型代理模塊；若所述知識型概率值大于0.8，則將所述結構化標準文本流分發至所述知識型代理模塊；若所述任務型概率值與所述知識型概率值均介于0.4至0.7之間，則輸出澄清指令。
22、更進一步，所述環境邏輯校驗配置為：
23、在所述任務型代理模塊生成控制指令后，對所述控制指令進行環境邏輯一致性判定；當所述控制指令不符合農業大田管理領域預設邏輯規則時，阻斷所述控制指令的下發，并觸發所述安全處理模塊執行安全校驗。
24、更進一步，所述任務型代理模塊中，
25、所述問題改寫通過大語言模型將所述結構化標準文本流進行指令轉化；
26、所述意圖識別用于識別核心需求類型；
27、所述槽位抽取用于提取關鍵實體信息；
28、所述意圖識別與所述槽位抽取用于確定物理設備id。
29、本發明還提出一種利用所述管理系統對農田大田進行智能管理的方法，所述方法包括：
30、s1.接收用戶原始語音，經農業垂直領域?asr?識別輸出結構化標準文本流及置信度評分，評分過低則觸發有效性判定；
31、s2.調用拒識模型對所述結構化標準文本流進行有效性判定，攔截無效輸入；所述拒識模型基于領域拒識微調數據集并采用低秩適應參數高效微調構建；
32、s3.對有效文本流執行概率計算，基于雙路徑決策策略分流，超閾值則執行對應流程，介于閾值間輸出澄清指令；
33、s4.檢索向量數據庫匹配農業知識片段，與文本流融合生成農業知識響應；
34、s5.對文本流依次執行問題改寫、意圖識別、槽位抽取及環境邏輯校驗，下發指令控制田間設備并接收反饋；
35、s6.對全流程執行安全監測。
36、進一步，s2中所述拒識模型的構建過程包括：
37、構建領域拒識微調數據集并劃分分布內樣本和分布外樣本；
38、初始化雙向transformer編碼模型作為語義特征提取器，保留預訓練參數并接入拒識判別模塊；
39、向模型自注意力層和前饋網絡層的線性映射中注入低秩矩陣；
40、凍結預訓練參數，訓練低秩矩陣和拒識判別模塊的拒識分類頭參數，引入縮放因子穩定訓練；
41、通過端到端梯度反向傳播實現農業大田管理領域語義特征對齊，輸出置信度評分完成模型構建與有效性判定。
42、與現有技術相比，本發明的有益效果是：
43、本發明所述的基于雙路徑決策與閉環安全校驗的農業大田智能管理系統，通過拒識模型模塊、仲裁模型模塊、任務型代理模塊及安全處理模塊協同工作，實現對農田大田管理任務和知識問答的精準控制。拒識模型模塊基于領域拒識微調數據集，采用預訓練語言模型結合低秩適應參數高效微調策略，對結構化標準文本流及置信度評分進行有效性判定；當asr輸出文本置信度低于閾值，阻斷輸入，避免錯誤指令下發和無關知識問答觸發；有效輸入以高置信度推送至仲裁模型模塊。雙路徑決策通過概率計算分流任務型問題與知識型問答，超閾值準確分發，介于閾值間輸出澄清指令，避免誤分流導致任務執行錯誤；結合閉環安全校驗，任務型代理模塊對控制指令進行環境邏輯一致性判定，不符合規則的指令阻斷下發并觸發安全校驗，確保田間設備操作安全。任務型代理模塊的聯合學習機制通過問題改寫、意圖識別和槽位抽取確定核心需求和關鍵實體，并消歧匹配物理設備id，直接提高控制指令語義精確性與執行正確率，減少操作偏差，增強復雜農業場景下的響應準確性和系統穩定性。
44、本發明所述的拒識模型模塊，通過基于領域拒識微調數據集、采用預訓練語言模型結合低秩適應參數高效微調策略，實現對用戶輸入的結構化標準文本流及置信度評分進行有效性判定。當農業垂直領域asr輸出的文本流置信度評分低于預設閾值時，拒識模型判定該輸入為無效，并阻斷其進入仲裁模型模塊；對于有效輸入，拒識模型輸出的置信度得分高于閾值，從而將文本流推送至仲裁模型模塊進行后續任務型或知識型處理。低秩矩陣注入自注意力層和前饋網絡層的線性映射，結合凍結預訓練參數，僅訓練低秩矩陣及拒識分類頭，使模型在農業大田管理領域語義特征上達到對齊，這使系統能夠準確攔截無效或偏離農業大田管理領域語義的輸入，避免錯誤指令下發和知識問答路徑觸發無關響應，同時有效輸入均能以高置信度評分進入后續處理模塊。
45、本發明所述的雙路徑決策與閉環安全校驗結合，雙路徑決策通過仲裁模型模塊對結構化標準文本流進行任務型問題與知識型問答的概率計算與分流決策：當任務型概率值或知識型概率值超過預設閾值時，仲裁模型模塊將輸入文本準確分發至任務型代理模塊或知識型代理模塊，當概率值介于閾值間時輸出澄清指令，從而避免了任務型文本被錯誤下發至知識型處理路徑或知識型文本被下發至任務型路徑，防止任務執行或知識問答出現錯誤。結合閉環安全校驗，任務型代理模塊在生成控制指令后對指令進行環境邏輯一致性判定：當控制指令中涉及的槽位信息、物理設備id或操作順序不符合農業大田管理領域預設邏輯規則時，阻斷該控制指令下發至田間單片機，并觸發安全處理模塊執行校驗，直接保證了田間設備僅接收符合規則的指令。該技術特征直接實現了任務執行路徑的指令下發準確性、知識問答路徑的文本流分發正確性，以及田間設備操作的邏輯一致性。
46、本發明所述的基于雙路徑決策與閉環安全校驗的農業大田智能管理方法，通過接收用戶原始語音，經農業垂直領域asr識別生成結構化標準文本流及置信度評分，并通過拒識模型判定有效輸入，確保只有符合農業大田語義范圍的文本流進入任務型或知識型處理路徑。在任務型處理路徑中，方法執行問題改寫、意圖識別與槽位抽取，并通過環境邏輯校驗生成控制指令，下發至田間單片機并接收執行狀態反饋，從而保證指令中涉及的動作、目標設備及操作順序完全符合預設農業操作規則；在知識型處理路徑中，方法通過向量數據庫匹配農業知識片段并結合文本流生成響應，保證問答輸出的農業知識內容與輸入語義一致且不包含錯誤信息。該技術特征直接實現了輸入文本有效性判定、任務型操作指令的邏輯正確下發，以及知識型問答的文本一致性。
47、本發明所述的任務型代理模塊內問題改寫、意圖識別與槽位抽取形成的聯合功能作用；通過問題改寫將結構化標準文本流轉化為可執行指令，結合意圖識別與槽位抽取的聯合學習模型，對核心需求類型進行精確分類，并提取文本中涉及的關鍵實體信息，同時通過實體消歧方法確定物理設備id，保證生成的控制指令中動作、目標設備及槽位對應關系正確無誤。由此，提高了田間單片機接收指令后的操作精確性，防止設備因錯誤指令執行不當動作，并確保整個任務型路徑在多設備、多操作場景下能夠按照輸入文本的語義執行。
48、本發明屬于農業自動化控制技術領域，具體應用于對農田大田中農業設備執行指令控制及農業知識問答的智能化管理。