基于注意力机制的神经网络的棉花产量预测方法技术

本发明专利技术公开了基于注意力机制的神经网络的棉花产量预测方法，包括以下步骤：步骤1：将棉花区域分为训练区和测试区；步骤2：根据划分的区域分别采集不同时期的棉花图像；步骤3：基于训练区不同时期的棉花图像对棉花产量监测模型给予不同权重训练，得到训练后的棉花产量监测模型；步骤4：采用测试区对训练后的棉花产量监测模型进行测试，得到预测的棉花产量。本发明专利技术通过将卷积神经网络与包括基于注意力机制的双向长短时记忆网络结合，给各个生育期影响分配不同注意力，调整模型对棉花不同生育期影的关注度，以实现农田尺度的棉花产量精准预测。测。测。

【技术实现步骤摘要】
基于注意力机制的神经网络的棉花产量预测方法


[0001]本专利技术涉及农业信息
，更具体的说是涉及一种基于注意力机制的神经网络的棉花产量预测方法。

技术介绍

[0002]目前，随着计算机视觉技术的发展，图像目标检测技术被广泛应用于各个领域，与此同时，将计算机视觉技术应用到农业领域能够使农业向着高质量，高产量的方向发展。棉花的自动识别能够很好的完成棉花的数量统计以及棉花的产量估测等任务，为棉花的形态与长势分析，棉花的自动采摘，病虫害检测等任务提供有力的视觉依据，进而有助于棉花产地的规划管理。
[0003]但是，棉花田间情况复杂，依靠人力很难做到有效的统计棉花产量，即使通过专业的拍摄仪器得到棉花的图像，也需要耗费管理者很大的精力去分析图像，由于棉花分布密集，在一定程度上增大了棉花产量预测的难度。
[0004]因此，提供一种基于注意力机制的神经网络的棉花产量预测方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于注意力机制的神经网络的棉花产量预测方法，通过将卷积神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于注意力机制的神经网络的棉花产量预测方法，其特征在于，包括以下步骤：步骤1：将棉花区域分为训练区和测试区；步骤2：根据划分的区域分别采集不同时期的棉花图像；步骤3：基于所述训练区不同时期的棉花图像对棉花产量监测模型给予不同权重训练，得到训练后的棉花产量监测模型；步骤4：采用所述测试区对训练后的棉花产量监测模型进行测试，得到预测的棉花产量。2.根据权利要求1所述的基于注意力机制的神经网络的棉花产量预测方法，其特征在于，对采集的棉花图像进行预处理，包括：对所述棉花图像进行剪裁，对剪裁后的区域进行亮度、对比度、色度和饱和度调整，调整后进行归一化处理。3.根据权利要求1所述的基于注意力机制的神经网络的棉花产量预测方法，其特征在于，所述棉花图像包括：花苗期图像、花蕾期图像以及吐絮期图像。4.根据权利要求3所述的基于注意力机制的神经网络的棉花产量预测方法，其特征在于，所述棉花产量监测模型包括卷积神经网络模块、双向长短期记忆网络模块、全连接层以及输出层；所述卷积神经网络模块用于提取所述花苗期、所述花蕾期以及所述吐絮期图像的空间特征；所述双向长短期记忆网络模块用于提取所述空间特征在时间上的前后特征；所述全连接层用于根据所述前后特征得到花苗期、花蕾期以及吐絮期的棉花产量预测结果；所述输出层用于根据花苗期、花蕾期以及吐絮期棉花产量预测结果得出棉花估产量。5.根据权利要求4所述的基于注意力机制的神经网络的棉花产量预测方法，其特征...

【专利技术属性】
技术研发人员：张媛，贺兴宏，杨帆，姚宝林，张蕊，梁竣博，
申请(专利权)人：塔里木大学，
类型：发明
国别省市：