System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及标签生成领域,且更为具体地,涉及一种基于核算单位的商品碳标签生成方法及系统。
技术介绍
1、随着全球气候变化的加剧,碳中和成为各国共同的目标。碳中和是指通过减少温室气体排放或增加碳汇,使温室气体的排放量和吸收量达到平衡的过程。农业是温室气体的重要排放源,也是碳汇的重要组成部分。农业碳中和是指通过改进农业生产方式,提高农业生态系统的碳固定能力,降低农业生产过程中的温室气体排放,实现农业系统的碳平衡或负排放的目标。
2、为了实现农业碳中和,需要对农作物的碳排放量进行准确的监测和评估。传统的农作物碳排放量评估方法主要依赖于现场测量和经验模型,存在测量范围有限、测量成本高、测量精度低等问题。因此,期望一种基于大数据的智能方法,其能够实现对农作物的碳排放量进行自动评估,以便对碳足迹进行全程可信监测与精准管理。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于核算单位的商品碳标签生成方法及系统,其通过实时监测采集农作物在不同生长阶段的环境监测数据和生长状态监测图像,并在后端引入数据处理和图像分析算法,以此来进行这些数据的协同分析,以对农作物在不同生长阶段的碳排放量进行检测,并生成碳标签。这有助于消费者了解商品的碳排放情况,并促使企业采取减排措施,推动低碳经济的发展。
2、根据本申请的一个方面,提供了一种基于核算单位的商品碳标签生成方法,其包括:
3、获取被监测农作物在第一生长阶段内多个预定时间点的监测数据和生长状态
4、将所述多个预定时间点的监测数据按照时间维度和样本维度排列为环境参数时序输入矩阵后通过基于第一深度神经网络模型的环境参数时序特征提取器以得到环境参数时序特征向量;
5、通过基于第二深度神经网络模型的图像特征提取器分别对所述多个预定时间点的生长状态监测图像进行特征提取以得到生长状态图像语义特征向量的序列;
6、将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列进行特征嵌入分析以得到碳中和语义特征;
7、基于所述碳中和语义特征,确定第一阶段的碳排放量。
8、根据本申请的另一个方面,提供了一种基于核算单位的商品碳标签生成系统,其包括:
9、信息采集模块,用于获取被监测农作物在第一生长阶段内多个预定时间点的监测数据和生长状态监测图像,其中,所述监测数据包括空气温度、空气湿度、光照强度、二氧化碳浓度、土壤温度和土壤湿度;
10、环境参数时序特征提取模块,用于将所述多个预定时间点的监测数据按照时间维度和样本维度排列为环境参数时序输入矩阵后通过基于第一深度神经网络模型的环境参数时序特征提取器以得到环境参数时序特征向量;
11、生长状态语义特征提取模块,用于通过基于第二深度神经网络模型的图像特征提取器分别对所述多个预定时间点的生长状态监测图像进行特征提取以得到生长状态图像语义特征向量的序列;
12、特征嵌入分析模块,用于将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列进行特征嵌入分析以得到碳中和语义特征;
13、碳排放量结果生成模块,用于基于所述碳中和语义特征,确定第一阶段的碳排放量。
14、与现有技术相比,本申请提供的一种基于核算单位的商品碳标签生成方法及系统,其通过实时监测采集农作物在不同生长阶段的环境监测数据和生长状态监测图像,并在后端引入数据处理和图像分析算法,以此来进行这些数据的协同分析,以对农作物在不同生长阶段的碳排放量进行检测,并生成碳标签。这有助于消费者了解商品的碳排放情况,并促使企业采取减排措施,推动低碳经济的发展。
本文档来自技高网...【技术保护点】
1.一种基于核算单位的商品碳标签生成方法,其特征在于,包括:
2.根据权利要求1所述的基于核算单位的商品碳标签生成方法,其特征在于,所述第一深度神经网络模型为第一卷积神经网络模型,所述第二深度神经网络模型为第二卷积神经网络模型。
3.根据权利要求2所述的基于核算单位的商品碳标签生成方法,其特征在于,将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列进行特征嵌入分析以得到碳中和语义特征,包括:将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列通过特征嵌入模块以得到碳中和语义特征向量作为所述碳中和语义特征。
4.根据权利要求3所述的基于核算单位的商品碳标签生成方法,其特征在于,将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列通过特征嵌入模块以得到碳中和语义特征向量作为所述碳中和语义特征,包括:
5.根据权利要求4所述的基于核算单位的商品碳标签生成方法,其特征在于,基于所述碳中和语义特征,确定第一阶段的碳排放量,包括:将所述碳中和语义特征向量通过解码器以得到解码值,所述解码值用于表示第一阶段的碳排放量
6.根据权利要求5所述的基于核算单位的商品碳标签生成方法,其特征在于,将所述碳中和语义特征向量通过解码器以得到解码值,所述解码值用于表示第一阶段的碳排放量,包括:
7.根据权利要求6所述的基于核算单位的商品碳标签生成方法,其特征在于,将所述优化碳中和语义特征向量通过所述解码器以得到解码值,所述解码值用于表示第一阶段的碳排放量,包括:
8.一种基于核算单位的商品碳标签生成系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于核算单位的商品碳标签生成方法,其特征在于,包括:
2.根据权利要求1所述的基于核算单位的商品碳标签生成方法,其特征在于,所述第一深度神经网络模型为第一卷积神经网络模型,所述第二深度神经网络模型为第二卷积神经网络模型。
3.根据权利要求2所述的基于核算单位的商品碳标签生成方法,其特征在于,将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列进行特征嵌入分析以得到碳中和语义特征,包括:将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列通过特征嵌入模块以得到碳中和语义特征向量作为所述碳中和语义特征。
4.根据权利要求3所述的基于核算单位的商品碳标签生成方法,其特征在于,将所述环境参数时序特征向量和所述生长状态图像语义特征向量的序列通过特征嵌入模...
【专利技术属性】
技术研发人员:唐恒,高紧涛,唐毓,徐赟,
申请(专利权)人:杭州松延科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。