基于GIS的智慧农业产量预测评估方法及系统技术方案

本发明专利技术公开了一种基于GIS的智慧农业产量预测评估方法和系统。按照地理信息系统绘制图形。基于所述第一农业土壤图和第二农业土壤图，通过农作物生长卷积网络，得到第一预测农作物生长图和第二预测农作物生长图。输入中间农作物生长卷积网络，提取特征，得到多个中间农作物生长图。将第一预测农作物生长图、第二预测农作物生长图和多个中间农作物生长图，预测农作物生长情况，得到农业产量。通过两个时间点之间检测的农作物生长情况，得到中间的农作物生长情况。通过中间的农作物生长程度更加精确的进行判断产量。能够减轻人工检测的困难，提升农业生产智能化、高效化，经营管理网络化、便捷化水平。便捷化水平。便捷化水平。

【技术实现步骤摘要】
基于GIS的智慧农业产量预测评估方法及系统


[0001]本专利技术涉及计算机
，具体而言，涉及一种基于GIS的智慧农业产量预测评估方法及系统。

技术介绍

[0002]简单来说GIS就是一堆坐标相关的数据的组织和渲染展示。GIS当中的基本数据元素，用图层来抽象表达某一类地物的集合，例如道路图层，河流图层，房屋图层的集合，例如一个公交站用一个点标注来表示。其主要特征是存储、管理、分析与位置有关的信息。
[0003]对于智慧农业，国内研究目前多集中于对3S技术的应用性研究，包括土地资源管理、生态环境分析、水利林业等自然资源监测等，基础性研究多于政策研究。研究了3S技术和物联网技术在农田信息获取中的相关应用，发现该技术帮助降低农业生产成本，实现农田信息快速获取，促进智慧农业发展。分析3S技术在土地资源管理中应用时提出，GIS技术通过对地理空间、时间和属性特征进行动态分析，对土地利用方案进行拟定，同时能够实现对土地资源规划制定、土地利用动态监测和土地规划勘察工作。GIS技术为实现多渠道信息采集、数据分析、实现多元化社会经济发展需求、提高土地资源利用效率有着重大影响。
[0004]智慧农业是实现农业现代化的重要途径，而GIS技术在智慧农业精细化管理中的应用前景极为广阔。主要体现在三个方面：(1)GIS技术能够实现农业的精细化管理，极大提高了农业管理效率；(2)GIS技术打造的智能化、精细化服务系统，打造出了一个互联互通、数据共享的农业业务决策和社会服务支持体系；(3)GIS系统结合了专家系统和地理信息系统的优势，整合农业要素，实现了数据自动采集和分析的专家决策支持系统。
[0005]数字农业空间信息平台等，是将地理信息系统(GIS)、遥感(RS)、全球定位系统(GPS)、计算机、自动化、通信和网络等技术与地理学、农学、生态学、植物生理学、土壤学等基础学科紧密地结合起来，形成一个包括对农作物、土地、土壤从宏观到微观的监测，农作物生长发育状况及其环境要素的现状进行定期的信息获取，以及动态分析和诊断预测，耕作措施和管理方案等在内的信息系统。
[0006]但是农作物的生长情况检测麻烦，为了预测产量而进行判断农作物生长变化情况需要检测大量的数据太过耗费人力和物力。

技术实现思路

[0007]本专利技术的目的在于提供了一种基于GIS的智慧农业产量预测评估方法及系统，用以解决现有技术中存在的上述问题。
[0008]第一方面，本专利技术实施例提供了一种基于GIS的智慧农业产量预测评估方法，包括：
[0009]获得两个农业土壤数据；所述农业土壤数据表示两个不同时间点不同位置的土壤情况和浇水施肥情况；
[0010]将所述两个农业土壤数据按照地理信息系统绘制图形，得到两个农业土壤图；所
述两个农业土壤图包括第一农业土壤图和第二农业土壤图；所述农业土壤图表示不同位置的土壤情况和浇水施肥情况；所述农业土壤图为三维矩阵；
[0011]基于所述第一农业土壤图和第二农业土壤图，通过农作物生长卷积网络，得到第一预测农作物生长图和第二预测农作物生长图；
[0012]将第一预测农作物生长图和第二预测农作物生长图输入中间农作物生长卷积网络，提取特征，得到多个中间农作物生长图；所述中间农作物生长图中的值表示中间时间对应的不同位置的农作物生长程度；
[0013]将第一预测农作物生长图、第二预测农作物生长图和多个中间农作物生长图，预测农作物生长情况，得到农业产量。
[0014]可选的，所述中间农作物生长卷积网络的训练方法，包括：
[0015]所述中间农作物生长卷积网络包括第一中间卷积网络、第二中间卷积网络、第三中间卷积网络和反卷积网络；
[0016]获得中间训练集；所述中间训练集包括多个训练中间数据和多个标注中间图；所述训练中间数据包括训练第一中间图和训练第二中间图；所述训练第一中间图表示第一时间点检测到的不同位置的农作物生长数据；所述训练第二中间图表示第二时间点检测到的不同位置的农作物生长数据；所述标注中间图包括第一时间点和第二时间点之间多个等分时间点的不同位置的农作物生长图；所述农作物生长图表示不同位置农作物生长发育状况；
[0017]获得中间个数；所述中间个数表示第一时间点和第二时间点之间多个等分时间点的个数；
[0018]将所述训练第一中间图输入第一中间卷积网络，提取特征，得到第一卷积特征图；所述第一卷积特征图为二维；
[0019]将所述训练第二中间图输入第二中间卷积网络，提取特征，得到第二卷积特征图；所述第二卷积特征图为二维；
[0020]将所述第一卷积特征图和第二卷积特征图进行叠加输入第三中间卷积网络，提取特征，得到第三卷积特征图；所述第二卷积特征图为三维；
[0021]将第三卷积特征图输入反卷积网络，得到中间农业特征图；所述中间农业特征图中的值表示训练第一检测向量和训练第二检测向量中间的时间点对应的农作物信息；
[0022]基于中间个数、所述中间农业特征图和多个标注中间数据进行损失求解，得到中间损失值；
[0023]获得中间农作物生长卷积网络当前的训练迭代次数以及预先设定的所述中间农作物生长卷积网络训练的最大迭代次数；
[0024]当所述中间损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的中间农作物生长卷积网络。
[0025]可选的，所述第一中间卷积网络的卷积核为三维卷积核；所述第一中间卷积网络的三维卷积核的高与训练第一中间图的高相同；所述第一中间卷积网络的三维卷积核以步长为1在一维方向和二维方向滑动；
[0026]所述第二中间卷积网络的卷积核为三维卷积核；所述第二中间卷积网络的卷积核的高与训练第一中间图的高相同；所述第二中间卷积网络的三维卷积核以步长为1在一维
方向和二维方向滑动；
[0027]所述第一中间卷积网络的三维卷积核的长与第二中间卷积网络的三维卷积核的长相同且小于训练第一中间图的长；所述第一中间卷积网络的三维卷积核的宽与第二中间卷积网络的三维卷积核的宽相同且小于训练第一中间图的宽；
[0028]所述第三中间卷积网络的三维卷积核的长与第一卷积特征图和第二卷积特征图的长相同；所述第三中间卷积网络的三维卷积核的长与第一卷积特征图和第二卷积特征图的宽相同；所述第三中间卷积网络的三维卷积核以步长为1在三维方向滑动。
[0029]可选的，所述反卷积网络的卷积核为三维卷积核；
[0030]所述反卷积网络的输出的中间农业特征图的第三维的个数为农作物信息个数与中间个数相乘之积。
[0031]可选的，所述基于中间个数、所述中间农业特征图和多个标注中间数据进行损失求解，得到中间损失值，包括；
[0032]将所述中间农业特征图的第三维的个数除以中间个数，得到分割长度；
[0033]将中间农业特征图以分割长度依次为对第三维进行均分，得到多个中间特征图；
[0034]将中间特征图和对应的标注中间图依次将相同的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于GIS的智慧农业产量预测评估方法，其特征在于，包括：获得两个农业土壤数据；所述农业土壤数据表示两个不同时间点不同位置的土壤情况和浇水施肥情况；将所述两个农业土壤数据按照地理信息系统绘制图形，得到两个农业土壤图；所述两个农业土壤图包括第一农业土壤图和第二农业土壤图；所述农业土壤图表示不同位置的土壤情况和浇水施肥情况；所述农业土壤图为三维矩阵；基于所述第一农业土壤图和第二农业土壤图，通过农作物生长卷积网络，得到第一预测农作物生长图和第二预测农作物生长图；将第一预测农作物生长图和第二预测农作物生长图输入中间农作物生长卷积网络，提取特征，得到多个中间农作物生长图；所述中间农作物生长图中的值表示中间时间对应的不同位置的农作物生长程度；将第一预测农作物生长图、第二预测农作物生长图和多个中间农作物生长图，预测农作物生长情况，得到农业产量。2.根据权利要求1所述的基于GIS的智慧农业产量预测评估方法，其特征在于，所述中间农作物生长卷积网络的训练方法，包括：所述中间农作物生长卷积网络包括第一中间卷积网络、第二中间卷积网络、第三中间卷积网络和反卷积网络；获得中间训练集；所述中间训练集包括多个训练中间数据和多个标注中间图；所述训练中间数据包括训练第一中间图和训练第二中间图；所述训练第一中间图表示第一时间点检测到的不同位置的农作物生长数据；所述训练第二中间图表示第二时间点检测到的不同位置的农作物生长数据；所述标注中间图包括第一时间点和第二时间点之间多个等分时间点的不同位置的农作物生长图；所述农作物生长图表示不同位置农作物生长发育状况；获得中间个数；所述中间个数表示第一时间点和第二时间点之间多个等分时间点的个数；将所述训练第一中间图输入第一中间卷积网络，提取特征，得到第一卷积特征图；所述第一卷积特征图为二维；将所述训练第二中间图输入第二中间卷积网络，提取特征，得到第二卷积特征图；所述第二卷积特征图为二维；将所述第一卷积特征图和第二卷积特征图进行叠加输入第三中间卷积网络，提取特征，得到第三卷积特征图；所述第二卷积特征图为三维；将第三卷积特征图输入反卷积网络，得到中间农业特征图；所述中间农业特征图中的值表示训练第一检测向量和训练第二检测向量中间的时间点对应的农作物信息；基于中间个数、所述中间农业特征图和多个标注中间数据进行损失求解，得到中间损失值；获得中间农作物生长卷积网络当前的训练迭代次数以及预先设定的所述中间农作物生长卷积网络训练的最大迭代次数；当所述中间损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的中间农作物生长卷积网络。3.根据权利要求2所述的一种基于GIS的智慧农业产量预测评估方法，其特征在于，所
述第一中间卷积网络的卷积核为三维卷积核；所述第一中间卷积网络的三维卷积核的高与训练第一中间图的高相同；所述第一中间卷积网络的三维卷积核以步长为1在一维方向和二维方向滑动；所述第二中间卷积网络的卷积核为三维卷积核；所述第二中间卷积网络的卷积核的高与训练第一中间图的高相同；所述第二中间卷积网络的三维卷积核以步长为1在一维方向和二维方向滑动；所述第一中间卷积网络的三维卷积核的长与第二中间卷积网络的三维卷积核的长相同且小于训练第一中间图的长；所述第一中间卷积网络的三维卷积核的宽与第二中间卷积网络的三维卷积核的宽相同且小于训练第一中间图的宽；所述第三中间卷积网络的三维卷积核的长与第一卷积特征图和第二卷积特征图的长相同；所述第三中间卷积网络的三维卷积核的长与第一卷积特征图和第二卷积特征图的宽相同；所述第三中间卷积网络的三维卷积核以步长为1在三维方向滑动。4.根据权利要求2所述的一种基于GIS的智慧农业产量预测评估方法，其特征在于，所述反卷积网络的卷积核为三维卷积核；所述反卷积网络的输出的中间农业特征图的第三维的个数为农作物信息个数与中间个数相乘之积。5.根据权利要求3所述的一种基于GIS的智慧农业产量预测评估方法，其特征在于，所述基于中间个数、所述中间农业特征图和多个标注中间数据进行损失求解，得到中间损失值，包括；将所述中间农业特征图的第三维的个数除以中间个数，得到分割长度；将中间农业特征图以分割长度依次为对第三维进行均分，得到多个中间特征图；将中间特征图和对应的标注中间图依次将相同的位置进行求取损失后求和，得到损失值；所述中间特征图和对应...

【专利技术属性】
技术研发人员：羌栋强，李玲，
申请(专利权)人：江苏商贸职业学院，
类型：发明
国别省市：