应用于数字农业的制造技术

本发明专利技术提供的应用于数字农业的

【技术实现步骤摘要】
应用于数字农业的AI预测处理方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种应用于数字农业的
AI
预测处理方法及系统
。

技术介绍

[0002]AI
预测处理在数字农业中有广泛应用，以下是一些常见的应用领域：气象预测：利用
AI
算法分析大量气象数据，预测天气变化和极端天气事件，帮助农民决策种植时间
、
灌溉管理等；病虫害预测：通过监测作物生长环境和传感器数据，应用
AI
模型预测病虫害爆发风险，提前采取相应措施，减少作物损失和农药使用；作物生长预测：结合影像识别技术和机器学习算法，对作物生长情况进行监测和预测，帮助农民确定最佳收获时间
、
优化施肥和管理策略；水资源管理：利用
AI
模型分析土壤湿度
、
降雨量等数据，预测农田水需求，实现智能灌溉和水资源合理利用；市场需求预测：通过分析市场数据和消费者行为，应用
AI
算法预测农产品需求趋势，帮助农民调整种植规模和选择适销对路的品种；农产品质量检测：利用图像识别和机器学习技术，对农产品进行质量检测和分级，提高市场竞争力
。
[0003]其中，基于
AI
预测，还可以实现基于农产品生长记录的农产品质量预测，但是，存在着预测处理的效果相对不佳的问题
。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种应用于数字农业的
AI
预测处理方法及系统，以在改善数字农业中预测处理的效果相对不佳的问题
。
[0005]为实现上述目的，本专利技术实施例采用如下技术方案：一种应用于数字农业的
AI
预测处理方法，包括：依据样本农产品数据，对候选农产品预测网络进行网络更新，形成目标农产品预测网络，所述样本农产品数据中具有样本农产品的生长过程描述数据；获取到目标农产品生长记录和预测目标事项，所述目标农产品生长记录用于对目标农产品的生长过程进行描述，所述预测目标事项用于引导：基于预先确定的多个参考农产品质量对加载到的农产品生长记录进行农产品质量预测，以及，输出所述加载到的农产品生长记录的参考农产品质量和相应的质量确定缘由；基于所述目标农产品生长记录和所述预测目标事项，确定出相应的目标农产品数据组合，所述目标农产品数据组合中的目标农产品生长记录，作为所述加载到的农产品生长记录；通过所述目标农产品预测网络，基于所述目标农产品数据组合，对所述目标农产品生长记录进行预测处理，输出所述目标农产品具有的参考农产品质量和相应的质量确定缘由，所述目标农产品具有的参考农产品质量用于反映所述目标农产品的质量预测结果，所述质量确定缘由用于反映预测出该质量预测结果的理由
。
[0006]在一些优选的实施例中，在上述应用于数字农业的
AI
预测处理方法中，所述依据样本农产品数据，对候选农产品预测网络进行网络更新，形成目标农产品预测网络的步骤，包括：提取到候选农产品预测网络对应的样本农产品数据，所述样本农产品数据包括样本农产品生长记录
、
所述样本农产品生长记录对应的样本农产品质量和相应的质量确定缘由，所述样本农产品生长记录的样本农产品质量属于预先确定的多个参考农产品质量中的一个，所述样本农产品生长记录用于对样本农产品的生长过程进行描述；确定出所述候选农产品预测网络的预测目标事项；依据所述预测目标事项和所述样本农产品数据，确定出用于更新所述候选农产品预测网络的样本农产品数据组合，所述样本农产品数据中的样本农产品生长记录作为加载到的农产品生长记录；依据所述样本农产品数据组合，将所述候选农产品预测网络进行网络更新处理，以及，基于更新后的候选农产品预测网络，得到目标农产品预测网络
。
[0007]在一些优选的实施例中，在上述应用于数字农业的
AI
预测处理方法中，所述依据所述预测目标事项和所述样本农产品数据，确定出用于更新所述候选农产品预测网络的样本农产品数据组合的步骤，包括：对所述预测目标事项和所述样本农产品数据中的样本农产品生长记录进行合并，形成对应的第一农产品合并数据，所述样本农产品生长记录至少用于对所述样本农产品的生长过程中的土壤湿度
、
气温
、
施肥量
、
生长时间
、
虫情
、
光照
、
降雨
、
空气成分含量
、
农产品外观特征进行描述；对所述样本农产品数据中的样本农产品质量和所述样本农产品数据中的质量确定缘由进行合并，形成对应的第二农产品合并数据，所述样本农产品质量至少包括优质
、
一般和次品，所述质量确定缘由至少包括土壤湿度
、
气温
、
施肥量
、
虫情
、
光照
、
降雨
、
空气成分含量各因素对应的局部缘由；基于所述第一农产品合并数据和所述第二农产品合并数据，确定出用于更新所述候选农产品预测网络的样本农产品数据组合；并且，所述依据所述样本农产品数据组合，将所述候选农产品预测网络进行网络更新处理，以及，基于更新后的候选农产品预测网络，得到目标农产品预测网络的步骤，包括：通过所述候选农产品预测网络，基于所述样本农产品数据组合中的第一农产品合并数据，将所述样本农产品数据中的样本农产品生长记录进行质量预测，输出对应的农产品质量预测数据，所述农产品质量预测数据包括所述样本农产品生长记录具有的参考农产品质量和相应的质量确定缘由；基于所述农产品质量预测数据与所述样本农产品数据组合中的第二农产品合并数据之间的区别，对所述候选农产品预测网络的网络参数进行更新，得到目标农产品预测网络
。
[0008]在一些优选的实施例中，在上述应用于数字农业的
AI
预测处理方法中，所述样本农产品数据组合是对所述预测目标事项和所述样本农产品数据进行合并处理形成的一个数据集，且在所述通过所述候选农产品预测网络，基于所述样本农产品数据组合中的第一
农产品合并数据，将所述样本农产品数据中的样本农产品生长记录进行质量预测，输出对应的农产品质量预测数据的步骤以前；所述依据所述样本农产品数据组合，将所述候选农产品预测网络进行网络更新处理，以及，基于更新后的候选农产品预测网络，得到目标农产品预测网络的步骤，还包括：将所述样本农产品数据组合进行数据分割，形成第一数量个农产品数据片段；基于所述第一数量个农产品数据片段的先后关系，利用所述第一数量个农产品数据片段中的前第二数量个农产品数据片段，确定出网络加载数据，以及，利用所述第一数量个农产品数据片段中第一个农产品数据片段以外的第二数量个农产品数据片段，确定出所述网络加载数据对应的网络期望数据，所述第一数量和所述第二数量之间的差值等于1；通过所述候选农产品预测网络，将所述网络加载数据按照农产品数据片段的粒度依本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于数字农业的
AI
预测处理方法，其特征在于，包括：依据样本农产品数据，对候选农产品预测网络进行网络更新，形成目标农产品预测网络，所述样本农产品数据中具有样本农产品的生长过程描述数据；获取到目标农产品生长记录和预测目标事项，所述目标农产品生长记录用于对目标农产品的生长过程进行描述，所述预测目标事项用于引导：基于预先确定的多个参考农产品质量对加载到的农产品生长记录进行农产品质量预测，以及，输出所述加载到的农产品生长记录的参考农产品质量和相应的质量确定缘由；基于所述目标农产品生长记录和所述预测目标事项，确定出相应的目标农产品数据组合，所述目标农产品数据组合中的目标农产品生长记录，作为所述加载到的农产品生长记录；通过所述目标农产品预测网络，基于所述目标农产品数据组合，对所述目标农产品生长记录进行预测处理，输出所述目标农产品具有的参考农产品质量和相应的质量确定缘由，所述目标农产品具有的参考农产品质量用于反映所述目标农产品的质量预测结果，所述质量确定缘由用于反映预测出该质量预测结果的理由
。2.
如权利要求1所述的应用于数字农业的
AI
预测处理方法，其特征在于，所述依据样本农产品数据，对候选农产品预测网络进行网络更新，形成目标农产品预测网络的步骤，包括：提取到候选农产品预测网络对应的样本农产品数据，所述样本农产品数据包括样本农产品生长记录
、
所述样本农产品生长记录对应的样本农产品质量和相应的质量确定缘由，所述样本农产品生长记录的样本农产品质量属于预先确定的多个参考农产品质量中的一个，所述样本农产品生长记录用于对样本农产品的生长过程进行描述；确定出所述候选农产品预测网络的预测目标事项；依据所述预测目标事项和所述样本农产品数据，确定出用于更新所述候选农产品预测网络的样本农产品数据组合，所述样本农产品数据中的样本农产品生长记录作为加载到的农产品生长记录；依据所述样本农产品数据组合，将所述候选农产品预测网络进行网络更新处理，以及，基于更新后的候选农产品预测网络，得到目标农产品预测网络
。3.
如权利要求2所述的应用于数字农业的
AI
预测处理方法，其特征在于，所述依据所述预测目标事项和所述样本农产品数据，确定出用于更新所述候选农产品预测网络的样本农产品数据组合的步骤，包括：对所述预测目标事项和所述样本农产品数据中的样本农产品生长记录进行合并，形成对应的第一农产品合并数据，所述样本农产品生长记录至少用于对所述样本农产品的生长过程中的土壤湿度
、
气温
、
施肥量
、
生长时间
、
虫情
、
光照
、
降雨
、
空气成分含量
、
农产品外观特征进行描述；对所述样本农产品数据中的样本农产品质量和所述样本农产品数据中的质量确定缘由进行合并，形成对应的第二农产品合并数据，所述样本农产品质量至少包括优质
、
一般和次品，所述质量确定缘由至少包括土壤湿度
、
气温
、
施肥量
、
虫情
、
光照
、
降雨
、
空气成分含量各因素对应的局部缘由；基于所述第一农产品合并数据和所述第二农产品合并数据，确定出用于更新所述候选
农产品预测网络的样本农产品数据组合；并且，所述依据所述样本农产品数据组合，将所述候选农产品预测网络进行网络更新处理，以及，基于更新后的候选农产品预测网络，得到目标农产品预测网络的步骤，包括：通过所述候选农产品预测网络，基于所述样本农产品数据组合中的第一农产品合并数据，将所述样本农产品数据中的样本农产品生长记录进行质量预测，输出对应的农产品质量预测数据，所述农产品质量预测数据包括所述样本农产品生长记录具有的参考农产品质量和相应的质量确定缘由；基于所述农产品质量预测数据与所述样本农产品数据组合中的第二农产品合并数据之间的区别，对所述候选农产品预测网络的网络参数进行更新，得到目标农产品预测网络
。4.
如权利要求3所述的应用于数字农业的
AI
预测处理方法，其特征在于，所述样本农产品数据组合是对所述预测目标事项和所述样本农产品数据进行合并处理形成的一个数据集，且在所述通过所述候选农产品预测网络，基于所述样本农产品数据组合中的第一农产品合并数据，将所述样本农产品数据中的样本农产品生长记录进行质量预测，输出对应的农产品质量预测数据的步骤以前；所述依据所述样本农产品数据组合，将所述候选农产品预测网络进行网络更新处理，以及，基于更新后的候选农产品预测网络，得到目标农产品预测网络的步骤，还包括：将所述样本农产品数据组合进行数据分割，形成第一数量个农产品数据片段；基于所述第一数量个农产品数据片段的先后关系，利用所述第一数量个农产品数据片段中的前第二数量个农产品数据片段，确定出网络加载数据，以及，利用所述第一数量个农产品数据片段中第一个农产品数据片段以外的第二数量个农产品数据片段，确定出所述网络加载数据对应的网络期望数据，所述第一数量和所述第二数量之间的差值等于1；通过所述候选农产品预测网络，将所述网络加载数据按照农产品数据片段的粒度依次进行预测输出，形成对应的预测输出结果，所述预测输出结果包括预测输出的第二数量个农产品数据片段，所述预测输出结果中的第
a
个农产品数据片段是基于所述网络加载数据中的前
a
个农产品数据片段预测输出的，
a
小于或等于所述第二数量；基于所述网络期望数据和所述预测输出结果之间的区别，对所述候选农产品预测网络的网络参数进行更新，得到经过初步更新后...

【专利技术属性】
技术研发人员：王聪，崔馨，王晓奇，许晋明，许绍民，
申请(专利权)人：中国铁塔股份有限公司吉林省分公司，
类型：发明
国别省市：