-
公开(公告)号：CN118094112A
公开(公告)日：2024-05-28
申请号：CN202410467181.2
申请日：2024-04-18
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06F18/10 , G06F18/25 , G06F18/243 , G06F18/2321 , G06N3/042 , G06N3/045 , G06N3/0475 , G06Q50/02
Abstract: 本发明涉及数据处理技术领域，提供一种灌溉数据同化方法、装置、电子设备及存储介质，利用基于图神经网络的生成对抗网络的第一数据融合模型和基于图神经网络的元学习的第二数据融合模型，实现数据的高效和高质量的融合，提高数据融合的稳定性和多样性。利用基于图神经网络的注意力机制的第一数据同化模型和基于图神经网络的自适应优化的第二数据同化模型，实现数据同化模型的有效构建、优化和更新，可以实现自主的学习和优化能量，及时捕捉和适应灌溉系统的复杂性和变化性，满足灌溉管理和决策的实时性和精准性要求，进而提高数据同化模型的性能和效果，提升数据同化模型的智能程度。
-
公开(公告)号：CN117726051B
公开(公告)日：2024-05-10
申请号：CN202410176207.8
申请日：2024-02-08
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06Q10/04 , G06Q50/02 , G06F18/214
Abstract: 本申请公开了一种特色农作物产量预测方法、装置及存储介质，应用于神经网络学习技术领域，其中方法包括：获取农作物的生长数据，生长数据包括第一农作物的第一生长数据和第二农作物的第二生长数据；第一农作物的产量大于第二农作物的产量，和/或第一农作物的种植范围大于第二农作物的产量；基于第一生长数据对创建的初始产量预测模型进行训练，得到产量预测基础模型；基于第二生长数据和设定的自适应学习机制对产量预测基础模型的模型参数进行调整，得到产量预测模型；基于待预测第二农作物的生长数据和产量预测模型，得到待预测第二农作物的产量预测结果。本申请提供的方法和装置，提高了特色农作物的产量预测准确性和预测稳定性。
-
公开(公告)号：CN117688404B
公开(公告)日：2024-05-10
申请号：CN202410148394.9
申请日：2024-02-02
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06F18/22 , G06F18/211 , G06N3/092 , G06Q10/0631 , G06Q50/02
Abstract: 本发明涉及农业技术领域，尤其涉及一种智能施肥配方决策方法、装置、设备、介质及程序产品。本发明通过收获预测深度学习模型预测养分累积曲线和施肥效率曲线，并通过配方决策强化学习模型获得养分累积曲线和施肥效率曲线相匹配的施肥配方，实现综合考虑多因素对肥料效率和作物生长的影响，提取不同因素在施肥过程中作用的关键特征，通过养分累积曲线和施肥效率曲线两个指标相匹配，提高施肥配方决策的科学性，减少施肥配方的经验依赖，实现施肥配方的智能决策。
-
公开(公告)号：CN117972433A
公开(公告)日：2024-05-03
申请号：CN202410363178.6
申请日：2024-03-28
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本发明提供一种菇房温度预测模型的训练方法、菇房温度预测方法及装置，属于人工智能技术领域，包括：将训练样本中的菇房温度标签分解为若干个模态分量，并根据复杂度对模态分量进行高低频分类，并由所有高频模态分量构建高频温度标签，由所有低频模态分量构建低频温度标签，分别对并联构成菇房温度预测模型的两个子模型进行训练。本发明通过将训练样本中的菇房温度标签依据分解后的模态分量的复杂度划分为高、低频温度标签，充分挖掘了训练样本数据中的重要特征和隐藏结构，再将两种标签分别用于训练并联构成菇房温度预测模型的两个子模型，使模型能够更好学习和捕捉训练样本，模型训练的收敛速度更快，得到的预测模型精度更高、预测结果更准确。
-
公开(公告)号：CN117970985A
公开(公告)日：2024-05-03
申请号：CN202410371351.7
申请日：2024-03-29
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本申请提供一种基于知识图谱的营养液浓度调控方法、装置及存储介质，涉及施肥技术领域。该方法包括：根据番茄灌溉营养液EC值的影响因素数据构建营养液影响因素知识图谱；基于营养液影响因素知识图谱和作物生长数据库获取营养液EC值调控模型；作物生长数据库包含不同环境下植株的生长状态数据；利用营养液EC值调控模型对番茄营养液浓度进行调控。本申请提供的基于知识图谱的营养液浓度调控方法、装置及存储介质，基于建立的营养液影响因素知识图谱构建了能自适应且准确给出实时EC值的EC值调控模型，提高了营养液浓度动态调控的准确性，实现番茄品相稳定的长季节采收，提高番茄产量。
-
Patent Agency Ranking
公开(公告)号：CN117789037A
公开(公告)日：2024-03-29
申请号：CN202410185298.1
申请日：2024-02-19
Applicant: 北京市农林科学院智能装备技术研究中心 , 江苏省农业科学院
IPC: G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像识别技术领域，提供了一种作物生长期预测方法及装置，该方法包括：获取待测作物图像，待测作物图像包括至少一类作物；将待测作物图像输入至作物预测模型，得到作物类别预测结果和作物生长期预测结果；其中，作物预测模型基于以样本作物图像中各作物的微观特征、不同作物之间的种植间距和样本作物图像对应的时序信息为训练特征，以多任务学习损失函数为训练函数对目标分类网络进行多任务训练得到；多任务学习损失函数基于交叉熵损失函数和均方误差损失函数确定。本发明所述方法能够在作物苗期的早期阶段，准确地识别出不同种类的作物，提高了作物分类和生长预测的准确性，从而为温室农业的苗期管理提供了有力的支持。
-
公开(公告)号：CN117171487B
公开(公告)日：2024-02-02
申请号：CN202311452900.5
申请日：2023-11-03
Applicant: 北京市农林科学院智能装备技术研究中心 , 北京市农林科学院信息技术研究中心
IPC: G06F17/11 , G06Q10/063 , G06Q50/02
Abstract: 本发明提供一种肉牛热应激程度的确定方法、装置、设备及介质，属于肉牛生产领域，包括：输入目标牛群的牛舍环境数据、肉牛品种数据以及生产管理措施数据至预设热应激程度方程，获取目标热应激程度指数；从预设热应激程度指数与预设呼吸评分的映射关系中，确定出目标呼吸评分；从预设呼吸评分与预设热应激程度的映射关系中，确定出目标牛群的目标热应激程度。本发明打破了现有技术仅通过环境因素确定热应激程度的局限性，更符合肉牛养殖数字化和福利化的需求，同时解决了肉牛品种、生产管理措施无法与环境因素在同一公式中量化的问题，为生产中肉牛热应激程度确定提供了更准确的数据支持，进而有效降低肉牛热应激风险。
-
公开(公告)号：CN115981221A
公开(公告)日：2023-04-18
申请号：CN202310276109.7
申请日：2023-03-21
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G05B19/042 , E02B5/08
Abstract: 本发明涉及水联网全渠道控制技术领域，提供一种逐级优化的渠道灌溉闸门控制方法及系统。上述的逐级优化的渠道灌溉闸门控制方法，包括：确定本级闸门的当前流速；基于下一级对应闸门的总目标灌水量、所述本级闸门的所述当前流速以及所述本级闸门的总目标灌水量，确定下一级对应所述闸门的目标流速。本级闸门确定下一级闸门的目标流速，下一级闸门确定下下一级闸门的目标流速，以逐级控制的方式，动态调整各闸门的流速，能够使灌溉水精准高效的进入农田，避免渠头渠尾的灌溉差异；同时，按照目标灌水量所占比例调整下一级各闸门的流速，能够保证灌溉时长一致，减少灌溉时间。
-
公开(公告)号：CN119882852A
公开(公告)日：2025-04-25
申请号：CN202411906531.7
申请日：2024-12-23
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G05D11/13
Abstract: 本发明提供一种无土栽培基质水盐调控方法、装置及系统，属于无土栽培技术领域，包括：根据确定的基质总含水量和作物定植前的基质脱水体积，确定作物根区基质含水量；根据基质总含水量和基质溶液盐分浓度，确定基质盐分总重量；根据基质盐分总重量与基质干重，确定基质盐分含量；根据作物根区基质含水量和基质盐分含量，生成基质水盐灌溉策略。本发明提供的无土栽培基质水盐调控方法、装置及系统，通过模型算法获取作物根区基质水分、盐分状态和作物水分状况，同步区分诊断作物的胁迫程度，及时进行基质水盐管理精准决策，在保证作物正常生长的同时，提升营养液利用效率和能源利用率。
-
公开(公告)号：CN118364975A
公开(公告)日：2024-07-19
申请号：CN202410789777.4
申请日：2024-06-19
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本发明提供一种多源数据驱动混合机理学习模型的小麦产量预测方法，属于作物产量预测技术领域，该方法包括：获取小麦在不同生长阶段的图像、实测冠层覆盖度、实测生物量、模型运行数据和气象因子数据；对图像进行图像分割，获得第一冠层覆盖度CC；基于模型A运行数据获取模拟CC，对模拟CC进行数据同化获得第二CC，使用模型预测获得第三CC；基于模型B运行数据获取模拟叶面积指数LAI，并将第三CC转换为第一LAI，基于第一LAI对模拟LAI进行数据同化获得第二LAI，使用模型预测获得第一生物量；基于模型C运行数据获取第二模拟生物量，并基于第一生物量对第二模拟生物量进行数据同化获得第二生物量，使用模型获得预测产量。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.035 seconds)
