【技术实现步骤摘要】
一种物候匹配策略的大尺度迁移学习作物分类方法及系统
[0001]本申请涉及数据识别
，特别涉及一种物候匹配策略的大尺度迁移学习作物分类方法、系统、计算机可读存储介质和电子设备。
技术介绍
[0002]随着技术的发展，迁移学习在越来越多领域得到广泛应用。在农作物分类识别领域，现有技术中，由于迁移学习区与目标区域的作物的生长进程具有明显差异，可能导致训练得到的作物分类模型迁移到目标区域后，分类精度较低，无法满足实际应用需求。
[0003]因此，需要提供一种针对上述现有技术不足的改进技术方案。
技术实现思路
[0004]本申请的目的在于提供一种物候匹配策略的大尺度迁移学习作物分类方法、系统、计算机可读存储介质和电子设备，以解决或缓解上述现有技术中存在的问题。
[0005]为了实现上述目的，本申请提供如下技术方案：本申请提供了一种物候匹配策略的大尺度迁移学习作物分类方法，包括：分别对重构后的迁移学习区的时序数据、重构后的目标区域的时序数据进行物候特征提取，对应得到所述迁移学习区的物候特征、所述目...
【技术保护点】
【技术特征摘要】
1.一种物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，包括：分别对重构后的迁移学习区的时序数据、重构后的目标区域的时序数据进行物候特征提取，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征；根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的作物物候匹配关系；基于所述迁移学习区与所述目标区域之间的作物物候匹配关系，提取所述迁移学习区的训练数据集，以训练物候匹配的作物分类模型，并基于所述物候匹配的作物分类模型对所述目标区域的作物进行分类。2.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述重构后的所述迁移学习区的时序数据、所述重构后的所述目标区域的时序数据通过以下步骤得到：分别对所述迁移学习区的时序数据和所述目标区域的时序数据依次进行异常点检测、插值和滤波处理，对应得到重构后的所述迁移学习区的时序数据，以及，重构后的所述目标区域的时序数据。3.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述分别对所述重构后的所述迁移学习区的时序数据、所述重构后的所述目标区域的时序数据进行物候特征提取，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征，具体为：按照预设的物候特征提取规则，分别对所述重构后的所述迁移学习区的时序数据、所述重构后的所述目标区域的时序数据进行逐像元计算，对应得到所述迁移学习区的每一个像元的物候特征、所述目标区域的每一个像元的物候特征；分别对所述迁移学习区的每一个像元的物候特征、所述目标区域的每一个像元的物候特征进行合成处理，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征。4.根据权利要求3所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述分别对所述迁移学习区的每一个像元的物候特征、所述目标区域的每一个像元的物候特征进行合成处理，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征，具体为：分别提取所述迁移学习区的每一个像元的物候特征的众数、所述目标区域的每一个像元的物候特征的众数，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征。5.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的作物物候匹配关系，具体为：根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的物候时间差；根据所述迁移学习区与所述目标区域之间的物候时间差，确定所述迁移学习区与所述目标区域之间的作物物候的最佳匹配时间范围；分别以所述迁移学习区的物候特征对应的时间和所述目标区域的物候特征对应的时间...
【专利技术属性】
技术研发人员：刘文达，梁治华，丁志平，
申请(专利权)人：北京艾尔思时代科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。