【技术实现步骤摘要】
本专利技术涉及农业信息处理 ，尤其涉及一种品种适应性评价结果预测方法和装置。
技术介绍
1、在农业生产中，选择适宜的品种对于提高产量和质量至关重要。随着我国农作物品种审定制度的改革，绿色通道和联合体等自主试验渠道的引入，使得农作物审定品种呈现出“井喷”式增长。众多新品种加之复杂多样的种植环境与气候变化，给农作物品种精准定位与种植带来了巨大的困难，如何科学合理地确定作物品种的最佳适宜种植区域成为了一个亟待解决的问题。
2、现有技术中，常用的品种适宜种植区定位方法大多是构建在统计模型或者传统的机器学习模型基础之上的。例如，统计模型可以基于过往大量的种植数据进行简单的统计分析，传统机器学习模型可以运用一些常规的分类、回归算法等去判断品种适宜种植的区域。
3、然而，这些传统模型自身存在明显的不足，它们的学习能力比较有限。品种与环境之间实际上存在着非常复杂的相互作用关系，这些复杂的互作关系是多维度且非线性的。统计模型和传统机器学习模型很难充分捕捉、理解并利用好这些复杂的关系，导致在确定品种适宜种植区时可能不够精准，无法全面...
【技术保护点】
1.一种品种适应性评价结果预测方法，其特征在于，包括：
2.根据权利要求1所述的品种适应性评价结果预测方法，其特征在于，所述获取品种与环境的第一知识图谱，包括：
3.根据权利要求1所述的品种适应性评价结果预测方法，其特征在于，所述基于所述第二知识图谱，对条件变分自编码器模型进行训练，在每次训练迭代中采样一个由所述条件变分自编码器模型生成的不同隐向量作为附加输入，得到品种适应性评价结果预测模型，包括：
4.根据权利要求3所述的品种适应性评价结果预测方法，其特征在于，所述将所述输入数据输入所述条件变分自编码器模型的编码器，得到隐向量，包
5...
【技术特征摘要】
1.一种品种适应性评价结果预测方法，其特征在于，包括：
2.根据权利要求1所述的品种适应性评价结果预测方法，其特征在于，所述获取品种与环境的第一知识图谱，包括：
3.根据权利要求1所述的品种适应性评价结果预测方法，其特征在于，所述基于所述第二知识图谱，对条件变分自编码器模型进行训练，在每次训练迭代中采样一个由所述条件变分自编码器模型生成的不同隐向量作为附加输入，得到品种适应性评价结果预测模型，包括：
4.根据权利要求3所述的品种适应性评价结果预测方法，其特征在于，所述将所述输入数据输入所述条件变分自编码器模型的编码器，得到隐向量，包括：
5.一种品种适应性评价结果预测装置，其特征在于，包括：获取模块和处理模块；
6.根据权利要求5所述的品种适应性评价结果预测装置，其特征在于，所述获取模块，用于获取目标品种在多个环境下的种植数据，所述种植数据包括种植区域是否种植所述目标品种、所述种植区域的气象数据和所述种植区域的土壤数据；
7.根据权...
【专利技术属性】
技术研发人员：韩焱云，王开义，张祺，杨锋，刘忠强，张秋思，
申请(专利权)人：北京市农林科学院信息技术研究中心，
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。