一种农作物长势预测方法及系统技术方案

本发明专利技术公开了了一种农作物长势预测方法及系统，包括：获取农业监测数据，并对所述农业监测数据进行预处理；基于所述农业监测数据进行特征提取和选择，获取与农作物生长相关的关键特征；基于卷积神经网络建立用于农作物长势预测的长势预测初始模型，并以所述关键特征为输入，以生长阶段为输出，对所述长势预测初始模型进行训练，以获取长势预测优化模型；将实时获取的农业大数据输入到所述长势预测优化模型中，获取农作物的生长态势预测结果。本发明专利技术利用了农业大数据中的作物生长数据，建立作物模型，并利用该模型来预测作物长势具有效率高、准确性高的优点，在农业生产中具有广阔的应用前景。

【技术实现步骤摘要】

本专利技术涉及农业，并且更具体地，涉及一种农作物长势预测方法及系统。

技术介绍

1、尽管农业大数据的获取和分析技术已经取得了一定的进步，但是其在作物生长势态预测方面的应用仍然存在诸多问题。例如，现有的作物生长势态预测方法缺乏精确性，不能有效利用农业大数据进行预测，因此对农业生产的指导作用有限。

2、传统的作物长势监测方法依赖农技人员眼观察作物实地调研,预测效果较差,无法实现实时和个性化。由于每年产生的环境和作物状况大数据达到万亿量级。如果能运用先进的深度学习方法对其进行挖掘分析,将有利于实现大数据驱动下的智慧农业。

3、因此，需要一种农作物长势预测方法。

技术实现思路

1、本专利技术提出一种农作物长势预测方法及系统，以解决如何对农作物的长势进行预测的问题。

2、为了解决上述问题，根据本专利技术的一个方面，提供了一种农作物长势预测方法，所述方法包括：

3、获取农业监测数据，并对所述农业监测数据进行预处理；

4、基于所述农业监测数据进行特征提取和选择，获本文档来自技高网...

【技术保护点】

1.一种农作物长势预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取农业监测数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述农业监测数据进行预处理，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法基于卷积神经网络,将单因素模型进行联合，以建立整体非线性多因素的用于农作物长势预测的长势预测初始模型；

5.根据权利要求4所述的方法，其特征在于，所述子卷积神经网络层包括混合卷积层；其中，所述混合卷积层包括：子输入层、子处理层和并行的五个子卷积分支；所述子输入层的输出端分别与所述并行...

【技术特征摘要】

1.一种农作物长势预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取农业监测数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述农业监测数据进行预处理，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法基于卷积神经网络,将单因素模型进行联合，以建立整体非线性多因素的用于农作物长势预测的长势预测初始模型；

5.根据权利要求4所述的方法，其特征在于，所述子卷积神经网络层包括混合卷积层；其中，所述混合卷积层包括：子输入层、子处理层和并行的五个子卷积分支；所述子输入层的输出端分别与所述并行的五个子卷积分支的输入端连

6.一种农作物...

【专利技术属性】
技术研发人员：程念胜，蔡钦智，文兆明，杨晓红，聂真知，梁华荣，
申请(专利权)人：航天信息股份有限公司，
类型：发明
国别省市：