融合模型构建方法、融合模型使用方法、装置和电子设备制造方法及图纸

本申请提供一种融合模型构建方法、融合模型使用方法、装置和电子设备，涉及遥感影像处理技术领，融合模型构建方法包括：根据目标作物群的遥感分类知识构建静态知识图谱；根据各个时间点的静态知识图谱，构建动态知识图谱；将动态知识图谱与深度学习模型进行融合，得到融合模型，其中，融合模型用于对目标作物群的作物类型进行分类。本申请实施例根据需要进行作物类型分类的作物群的遥感分类知识进行知识图谱的构建，通过将知识图谱与深度学习模型进行融合训练，能够提高融合模型对作物类型进行分类的准确率，为智慧农业发展提供支撑。为智慧农业发展提供支撑。为智慧农业发展提供支撑。

【技术实现步骤摘要】
融合模型构建方法、融合模型使用方法、装置和电子设备


[0001]本申请涉及遥感影像处理
，具体而言，涉及一种融合模型构建方法、融合模型使用方法、装置和电子设备。

技术介绍

[0002]随着卫星技术的迅猛发展，出现了利用遥感影像对农作物进行分类识别的多种方法，传统的农作物遥感分类方法的实施要求采用高分辨率的遥感图像，使用深度学习模型对农作物的种类进行遥感分类。随着遥感数据的获取、存储和分析技术有了重大发展，光学的分辨率和重访频率大大增加，更高分辨率的时间序列遥感数据获取成为可能，应用深度学习算法开展多时态影像分析的研究已经出现，但这些研究多是将多时态遥感数据作为独立的多变量数据处理。
[0003]因此，现有技术中，在使用深度学习模型进行作物遥感分类时，通常只学习图像中包含的信息，由于深度学习缺乏这种基本而重要的知识认知和推理能力，在对农作物进行分类识别时导致分类结果的准确率较低。

技术实现思路

[0004]有鉴于此，本申请实施例的目的在于提供一种融合模型构建方法、融合模型使用方法、装置和电子设备，以改善现有技术中存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合模型构建方法，其特征在于，所述方法包括：根据目标作物群的遥感分类知识构建静态知识图谱；根据各个时间点的所述静态知识图谱，构建动态知识图谱；将所述动态知识图谱与深度学习模型进行融合，得到融合模型，其中，所述融合模型用于对所述目标作物群的作物类型进行分类。2.根据权利要求1所述的方法，其特征在于，所述根据目标作物群的遥感分类知识构建静态知识图谱，包括：获取所述遥感分类知识中所述目标作物群的作物类型；计算得到所述作物类型中任意两个作物类型之间的分类相似度；根据所述分类相似度获取每一个所述作物类型对应的关系子图；根据多个所述关系子图，构建静态知识图谱。3.根据权利要求2所述的方法，其特征在于，所述计算得到所述作物类型中任意两个作物类型之间的分类相似度，包括：基于第一表达式计算所述作物类型中任意两个作物类型之间的分类相似度，所述第一表达式包括：其中，assocB(c
i
，c
j
)表示所述作物类型中第i类型与第j类型的分类相似度，C
ij
表示所述第i类型划分为所述第j类型的概率，N表示所述作物类型的类型数量。4.根据权利要求1所述的方法，其特征在于，所述根据各个时间点的所述静态知识图谱，构建动态知识图谱，包括：根据所述遥感分类知识，确定对应的时间数据；根据所述时间数据计算各个时间点中归一化植被指数的时序相似性；将所述时序相似性添加到对应的所述静态知识图谱中，以对各个时间点的所述静态知识图谱进行更新，得到动态知识图谱。5.根据权利要求1所述的方法，其特征在于，所述将所述动态知识图谱与深度学习模型进行融合，得到融合模型，包括：在深度学习模型中导入所述动态知识图谱；根据所述知识图谱对所述深度学习模型进行...

【专利技术属性】
技术研发人员：黄翀，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：