农作物产量预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种农作物产量预测方法、装置、电子设备及存储介质。该方法包括：获取待检测区域的农作物种植数据；农作物种植数据包括至少一个特征组的特征数据；对农作物种植数据进行计算，得到特征数据的权重，并对特征数据进行筛选，更新农作物种植数据；对更新后的农作物种植数据进行扩充，得到扩充后的农作物种植数据；根据扩充后的农作物种植数据，对待检测区域的农作物产量进行预测。本发明专利技术实施例的技术方案提高了农作物产量预测的准确度。技术方案提高了农作物产量预测的准确度。技术方案提高了农作物产量预测的准确度。

【技术实现步骤摘要】
农作物产量预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及农业生产
，尤其涉及一种农作物产量预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着农业生产技术的不断发展，农作物的产量预测的研究也变得尤为重要。
[0003]但是，目前农作物产量预测的准确度难以保证。

技术实现思路

[0004]本专利技术提供了一种农作物产量预测方法、装置、电子设备及存储介质，提高了农作物产量预测的准确度。
[0005]根据本专利技术的一方面，提供了一种农作物产量预测方法，包括：
[0006]获取待检测区域的农作物种植数据；农作物种植数据包括至少一个特征组的特征数据；
[0007]对农作物种植数据进行计算，得到特征数据的权重，并对特征数据进行筛选，更新农作物种植数据；
[0008]对更新后的农作物种植数据进行扩充，得到扩充后的农作物种植数据；
[0009]根据扩充后的农作物种植数据，对待检测区域的农作物产量进行预测。
[0010]根据本专利技术的另一方面，提供了一种农作物产量预测装置，包括：
[0011]农作物种植数据获取模块，用于获取待检测区域的农作物种植数据；农作物种植数据包括至少一个特征组的特征数据；
[0012]特征数据筛选模块，用于对农作物种植数据进行计算，得到特征数据的权重，并对特征数据进行筛选，更新农作物种植数据；
[0013]农作物种植数据扩充模块，用于对更新后的农作物种植数据进行扩充，得到扩充后的农作物种植数据；
[0014]农作物产量预测模块，用于根据扩充后的农作物种植数据，对待检测区域的农作物产量进行预测。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的农作物产量预测方法。
[0019]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的农作物产量预测方法。
[0020]本专利技术实施例的技术方案，通过获取待检测区域的农作物种植数据；农作物种植数据包括至少一个特征组的特征数据；对农作物种植数据进行计算，得到特征数据的权重，并对特征数据进行筛选，更新农作物种植数据；对更新后的农作物种植数据进行扩充，得到扩充后的农作物种植数据；根据扩充后的农作物种植数据，对待检测区域的农作物产量进行预测，解决了目前农作物产量预测的准确度难以保证的问题，提高了农作物产量预测的准确度。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0023]图1是根据本专利技术实施例一提供的一种农作物产量预测方法的流程图；
[0024]图2是根据本专利技术实施例一提供的一种特征扩充模型的结构示意图；
[0025]图3是根据本专利技术实施例二提供的一种农作物产量预测方法的流程图；
[0026]图4是根据本专利技术实施例二提供的生长状态异常告警方法的流程图；
[0027]图5是根据本专利技术实施例三提供的一种农作物产量预测装置的结构示意图；
[0028]图6是实现本专利技术实施例的农作物产量预测方法的电子设备的结构示意图。
具体实施方式
[0029]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0030]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0031]实施例一
[0032]图1为本专利技术实施例一提供的一种农作物产量预测方法的流程图。本专利技术实施例可适用于对农作物产量进行预测情况，该方法可以由农作物产量预测装置来执行，该农作物产量预测装置可以采用硬件和/或软件的形式实现，该农作物产量预测装置可配置于承载农作物产量预测功能的电子设备中。
[0033]参见图1所示的农作物产量预测方法，包括：
[0034]S110、获取待检测区域的农作物种植数据；农作物种植数据包括至少一个特征组的特征数据。
[0035]待检测区域可以是待进行农作物产量预测的区域。农作物种植数据可以是农作物种植过程中的数据。可选的，农作物种植数据可以包括农作物环境数据、农作物操作数据和农作物生长状态数据。其中，农作物环境数据可以为农作物所在的生长环境的数据。示例性的，农作物环境数据可以包括光照、温度、湿度、风力、降水量和地形等。农作物操作数据可以是技术人员对农作物进行操作的数据。示例性的，农作物操作数据可以包括是施肥量、灌水量和培育方式等。农作物生长状态数据可以是表征农作物生长状态的数据。示例性的，农作物生长状态数据可以包括生长周期、长相、株型、叶片形状、开花状态、开花整齐度和叶青素含量等。特征数据可以是农作物的某一项特征的数据。示例性的，特征数据可以为温度。同一特征组可以包括同一特征对应的特征数据。可以理解为，农作物种植数据包括至少一种特征类型对应的特征组的特征数据。同一特征组中的特征数据的特征类型相同。不同特征组中的特征数据的特征类型不同。
[0036]具体的，可以获取采集设备采集的待检测区域的农作物种植数据。
[0037]S120、对农作物种植数据进行计算，得到特征数据的权重，并对特征数据进行筛选，更新农作物种植数据。
[0038]特征数据的权重可以用于表征特征数据对应的特征的重要程度。可选的，选取重要程度较高的特征对应的特征数据对农作物产量进行预测，预测的精准度更高；相应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物产量预测方法，其特征在于，包括：获取待检测区域的农作物种植数据；所述农作物种植数据包括至少一个特征组的特征数据；对所述农作物种植数据进行计算，得到所述特征数据的权重，并对所述特征数据进行筛选，更新所述农作物种植数据；对更新后的所述农作物种植数据进行扩充，得到扩充后的所述农作物种植数据；根据所述扩充后的所述农作物种植数据，对待检测区域的农作物产量进行预测。2.根据权利要求1所述的方法，其特征在于，所述根据所述扩充后的所述农作物种植数据，对待检测区域的农作物产量进行预测，包括：根据所述扩充后的所述农作物种植数据，对下一时刻的农作物生长状态数据进行预测；根据所述下一时刻的农作物生长状态数据，对待检测区域的农作物产量进行预测。3.根据权利要求2所述的方法，其特征在于，在所述根据所述扩充后的所述农作物种植数据，对下一时刻的农作物生长状态数据进行预测之后，还包括：获取所述农作物生长状态数据的置信区间；将所述下一时刻的农作物生长状态数据与所述农作物生长状态数据的置信区间进行比较，对所述下一时刻的农作物生长状态进行检测；在所述下一时刻的农作物生长状态异常时，发出生长状态的异常告警信息；所述生长状态的异常告警信息用于提示对所述待检测区域的生长环境和生长操作进行调整，以调整所述待检测区域的农作物生长状态。4.根据权利要求2所述的方法，其特征在于，所述农作物种植数据包括下述至少一项：温度、湿度、降雨量、风力、空气、光照、地形、土壤化学物质浓度、土壤酸碱度、施肥量、灌水量、培育方式、除病虫害方式、生长周期、长相、株型、叶片形状、开花状态、开花整齐度、叶青素含量、天冬酰胺含量、淀粉活性和酶活性；所述农作物生长状态数据包括下述至少一项：生长周期、长相、株型、叶片形状、开花状态、开花整齐度、叶青素含量、天冬酰胺含量、淀粉活性和酶活性。5.根据权利要求1所述的方法，其特征在于，所述对所述农作物种植数据进行计算，得到所述特征数据的权重，并对所述特征数据进行筛选，更新所述农作物种植数据，包括：计算各所述特征数据的特征值，根据特征值对各所述特征数据进行筛选，得到至少一个目标特征；其中，所述农作物种植数据包括多个特征组；不同特征组对应的特征不同；同一特征组的特征数据对应的特征相同；根据...

【专利技术属性】
技术研发人员：任滨，郑新立，
申请(专利权)人：浙江天演维真网络科技股份有限公司，
类型：发明
国别省市：