作物长势预测方法、装置、设备及介质制造方法及图纸

本申请提供一种作物长势预测方法、装置、设备及介质，其中方法包括：基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；将原始三维点云数据集、无损二维图像数据集和气象因素数据进行融合，以及结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型，以对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。本申请根据图像回溯算法确定原始三维点云数据集的无损二维图像数据集，以得到更准确的特征，再通过原始三维点云数据集、无损二维图像数据集和气象因素数据，构建最优作物生长参数多维深度学习模型，以得到不同作物的生长参数的时空分布，提高作物的长势参数预测结果的准确性。测结果的准确性。测结果的准确性。

【技术实现步骤摘要】
作物长势预测方法、装置、设备及介质


[0001]本申请涉及农业
，尤其涉及一种作物长势预测方法、装置、设备及介质。

技术介绍

[0002]保障农作物产量是民生的根本，是人类最为重要的研究课题，农作物长势是指作物生长的状况与趋势，即通过对作物长势的预测，可以及时了解作物的生长状况、病虫害或作物营养状况，从而指导人们采取对应的管理措施，进而保证作物的正常生长。
[0003]目前，对田间作物数据分析普遍基于拼接后的单一影像，而没能充分利用无人机采集到的高重叠度的原始影像集。由于自然风以及不同拍摄时间下的环境差异等影响，拼接影像会产生叶尖损失和叶片虚影等现象，影响长势参数预测的准确性。并且在获取到影像后，根据影像进行作物长势参数的预测结果也不够准确。

技术实现思路

[0004]本申请提供一种作物长势预测方法、装置、设备及介质，旨在实现提高作物长势参数预测准确率的目的。
[0005]第一方面，本申请提供一种作物长势预测方法，包括：
[0006]基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；
[0007]将所述原始三维点云数据集、所述无损二维图像数据集和气象因素数据进行融合，构建各个原始作物生长参数多维深度学习模型；
[0008]通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型；
[0009]通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。
[0010]在一实施例中，所述通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型，包括：
[0011]通过各个所述原始作物生长参数多维深度学习模型对不同作物的生长参数时空特异性进行反演，得到不同作物在不同播种时间后的生长参数；
[0012]根据所述不同作物在不同播种时间后的生长参数，确定各个所述原始作物生长参数多维深度学习模型的生物量实际值与模型计算值的各个吻合程度值；
[0013]基于各个所述吻合程度值，确定各个所述原始作物生长参数多维深度学习模型中的最优作物生长参数多维深度学习模型。
[0014]所述通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布，包括：
[0015]通过所述最优作物生长参数多维深度学习模型结合不同作物的无损二维图像数据集，对不同作物整个生育阶段单航次数据进行特征提取，得到不同作物在不同生育期的多时相的特征信息；
[0016]根据所述不同作物在不同生育期的多时相的特征信息进行评估，得到不同作物的生长参数的时空分布。
[0017]所述根据所述不同作物在不同生育期的多时相的特征信息进行评估，得到不同作物的生长参数的时空分布，包括：
[0018]将所述不同作物在不同生育期的多时相的特征信息确定为输出层不同时间点的输入特征进行计算，得到不同作物的最终生长参数；
[0019]确定不同作物所在预设区域的位置信息，并根据不同作物的最终生长参数及其位置信息，确定整个所述预设区域的不同作物的生长参数的时空分布。
[0020]所述基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集，包括：
[0021]获取航拍相机的成像参数，并基于所述成像参数获取图像回溯矩阵；
[0022]基于所述成像参数和所述图像回溯矩阵，获取所述三维点云数据集的无损二维图像数据集。
[0023]所述基于所述成像参数和所述图像回溯矩阵，获取所述三维点云数据集的无损二维图像数据集，包括：
[0024]基于所述成像参数和所述图像回溯矩阵，获取初始无损二维图像数据集；
[0025]将所述初始无损二维图像数据集输入至预先构建的图像优化模型，获取所述图像优化模型输出的无损二维图像数据集；
[0026]其中，所述图像优化模型是基于所述无损二维图像数据集的颜色信息和所述颜色信息对应的最优超参数确定的。
[0027]第二方面，本申请还提供一种作物长势预测装置，包括：
[0028]图像获取模块，用于基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；
[0029]模型构建模块，用于将所述原始三维点云数据集、所述无损二维图像数据集和气象因素数据进行融合，构建各个原始作物生长参数多维深度学习模型；
[0030]模型确定模块，用于通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型；
[0031]结果预测模块，用于通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。
[0032]第三方面，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面的所述作物长势预测方法。
[0033]第四方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面的所述作物长势预测方法。
[0034]第五方面，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面的所述作物长势预测方法。
[0035]本申请提供的作物长势预测方法、装置、设备及介质，在作物长势预测的过程中，根据图像回溯算法确定原始三维点云数据集的无损二维图像数据集，以得到更准确的特征，再通过原始三维点云数据集、无损二维图像数据集和气象因素数据，构建最优作物生长参数多维深度学习模型，以得到不同作物的生长参数的时空分布，提高作物的长势参数预
测结果的准确性。
附图说明
[0036]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本申请提供的作物长势预测方法的流程示意图；
[0038]图2是本申请提供的图像采集装置的结构示意图；
[0039]图3是本申请提供的deepGPD模型流程示意图；
[0040]图4是本申请提供的作物长势预测装置的结构示意图；
[0041]图5是本申请提供的电子设备的结构示意图。
具体实施方式
[0042]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作物长势预测方法，其特征在于，包括：基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；将所述原始三维点云数据集、所述无损二维图像数据集和气象因素数据进行融合，构建各个原始作物生长参数多维深度学习模型；通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型；通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。2.根据权利要求1所述的作物长势预测方法，其特征在于，所述通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型，包括：通过各个所述原始作物生长参数多维深度学习模型对不同作物的生长参数时空特异性进行反演，得到不同作物在不同播种时间后的生长参数；根据所述不同作物在不同播种时间后的生长参数，确定各个所述原始作物生长参数多维深度学习模型的生物量实际值与模型计算值的各个吻合程度值；基于各个所述吻合程度值，确定各个所述原始作物生长参数多维深度学习模型中的最优作物生长参数多维深度学习模型。3.根据权利要求1所述的作物长势预测方法，其特征在于，所述通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布，包括：通过所述最优作物生长参数多维深度学习模型结合不同作物的无损二维图像数据集，对不同作物整个生育阶段单航次数据进行特征提取，得到不同作物在不同生育期的多时相的特征信息；根据所述不同作物在不同生育期的多时相的特征信息进行评估，得到不同作物的生长参数的时空分布。4.根据权利要求3所述的作物长势预测方法，其特征在于，所述根据所述不同作物在不同生育期的多时相的特征信息进行评估，得到不同作物的生长参数的时空分布，包括：将所述不同作物在不同生育期的多时相的特征信息确定为输出层不同时间点的输入特征进行计算，得到不同作物的最终生长参数；确定不同作物所在预设区域的位置信息，并根据不同作物的最...

【专利技术属性】
技术研发人员：马韫韬，车荧璞，李保国，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：