申请/专利权人：成都信息工程大学

申请日：2024-04-11

公开（公告）日：2024-06-14

公开（公告）号：CN118036830B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/02;G06N3/0499;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明公开了一种多熟栽培模式下花魔芋产量预测方法，属于魔芋和智慧农业技术领域。预测方法包括：调取花魔芋块茎膨大期的数据，然后特征生成模块输出第一调秩矩阵；第一调秩矩阵依次经过计算生成第二调秩矩阵；调取花魔芋幼苗期的数据，然后计算得到第一调节向量；调取花魔芋换头期的数据，然后计算得到第二调节向量；第三调秩矩阵依次经过计算生成第四调秩矩阵；将第四调秩矩阵输入预测模块，然后预测模块输出得到花魔芋的产量预测值。本发明采用两个全连接网络分别学习不同种类的数据，然后再利用第三全连接网络将数据融合，有效降低了计算量和过拟合概率；并在后续实现了多维信息的有效融合，提高了预测值的准确性。

主权项：1.多熟栽培模式下花魔芋产量预测方法，其特征在于，包括以下步骤：S100、调取预设区域内、花魔芋块茎膨大期的土壤、光照、气温、二氧化碳浓度和高度差数据；调取所述预设区域内的第一间距、第二间距和第三间距数据；所述第一间距为相邻花魔芋植株之间的距离的平均值，所述第二间距为花魔芋与最近玉米植株之间的距离的平均值，所述第三间距为上一年度相邻菜豆植株之间的距离的平均值，所述高度差数据为花魔芋顶端与最近玉米植株顶端的高度差的平均值；S200、将步骤S100中调取的数据输入特征生成模块，经过计算后，所述特征生成模块输出第一调秩矩阵；S300、所述第一调秩矩阵依次经过第一卷积运算和第一函数激活后，生成第二调秩矩阵；所述第二调秩矩阵的通道数量大于所述第一调秩的通道数量；S400、调取所述预设区域内、花魔芋幼苗期的土壤、光照和气温数据，然后输入第一分支模块，经过计算后，所述第一分支模块输出第一调节向量；S500、调取所述预设区域内、花魔芋换头期的土壤、光照、气温和高度差数据，调取所述预设区域内的第一间距、第二间距和第三间距数据，然后一起输入第二分支模块，经过计算后，所述第二分支模块输出第二调节向量；S600、所述第二调秩矩阵与所述第一调节向量、所述第二调节向量融合，生成第三调秩矩阵；S700、所述第三调秩矩阵依次经过第二卷积运算和第二函数激活后，生成第四调秩矩阵；所述第四调秩矩阵的通道数量大于所述第三调秩矩阵的通道数量；S800、将所述第四调秩矩阵输入预测模块，经过计算后，所述预测模块输出得到花魔芋的产量预测值；步骤S100中，调取的土壤数据包括土壤水分、土壤pH值、土壤氮含量、土壤钾含量和土壤磷含量；调取的光照数据包括日平均光照强度和日光照时间；调取的气温数据包括气温日较差和日平均气温；调取的二氧化碳浓度数据包括日平均二氧化碳浓度；步骤S100中，调取花魔芋块茎膨大期内多天的数据；所述特征生成模块包括多个信息学习单元，所述特征生成模块内部的计算过程包括以下步骤：将S100中调取的数据分别输入各个信息学习单元，其中，同一天的数据输入同一个信息学习单元，经过计算后，所述信息学习单元输出引值向量；将所有引值向量竖向拼接起来，得到所述第一调秩矩阵；所述信息学习单元包括第一全连接网络、第二全连接网络和第三全连接网络；输入所述第一全连接网络的数据包括：土壤水分、土壤pH值、土壤氮含量、土壤钾含量、土壤磷含量、日平均光照强度、日光照时间、气温日较差、日平均气温、日平均二氧化碳浓度；所述第一全连接网络经过计算后，输出第一前置向量；输入所述第二全连接网络的数据包括：日平均光照强度、日光照时间、气温日较差、日平均气温、第一间距、第二间距、第三间距和高度差数据；所述第二全连接网络经过计算后，输出第二前置向量；所述第一前置向量与所述第二前置向量横向拼接后，生成第三前置向量；所述第三全连接网络以所述第三前置向量作为输入，经过计算后，所述第三全连接网络输出所述引值向量。

全文数据：

权利要求：

百度查询： 成都信息工程大学 多熟栽培模式下花魔芋产量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD