公开(公告)号：CN116432849B

公开(公告)日：2024-03-26

申请号：CN202310420571.X

申请日：2023-04-19

Applicant: 哈尔滨工业大学

Inventor： 王玲 ,  周思岐 ,  任荣荣 ,  吴国龙 ,  刘劼

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06F16/29 ,  G06Q50/02 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于初级生产力数据同化的叶面积指数预测方法，属于叶面积指数预测技术领域。为解决农作物的叶面积指数进行准确的预测的问题。本发明采集空气湿度数据、温度数据、植被吸收光合有效辐射数据，采集初级生产力数据，对植被进行拍照，构建初级生产力预测数据集、初级生产力实测数据集，利用集合卡尔曼滤波进行数据同化，得到初级ENKF同化的初级生产力数据集，利用LSTM神经网络进行训练，得到最终ENKF同化的初级生产力数据集；将光量子通量密度、最终ENKF同化的初级生产力数据集、植物照片利用LSTM神经网络进行训练，训练后的LSTM神经网络模型用于对叶面积指数预测。本发明对于不同种类的作物具有兼容性和可泛化性。

公开(公告)号：CN116432849A

公开(公告)日：2023-07-14

申请号：CN202310420571.X

申请日：2023-04-19

Applicant: 哈尔滨工业大学

Inventor： 王玲 ,  周思岐 ,  任荣荣 ,  吴国龙 ,  刘劼

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06F16/29 ,  G06Q50/02 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于初级生产力数据同化的叶面积指数预测方法，属于叶面积指数预测技术领域。为解决农作物的叶面积指数进行准确的预测的问题。本发明采集空气湿度数据、温度数据、植被吸收光合有效辐射数据，采集初级生产力数据，对植被进行拍照，构建初级生产力预测数据集、初级生产力实测数据集，利用集合卡尔曼滤波进行数据同化，得到初级ENKF同化的初级生产力数据集，利用LSTM神经网络进行训练，得到最终ENKF同化的初级生产力数据集；将光量子通量密度、最终ENKF同化的初级生产力数据集、植物照片利用LSTM神经网络进行训练，训练后的LSTM神经网络模型用于对叶面积指数预测。本发明对于不同种类的作物具有兼容性和可泛化性。

公开(公告)号：CN116403048B

公开(公告)日：2024-03-26

申请号：CN202310407119.X

申请日：2023-04-17

Applicant: 哈尔滨工业大学

Inventor： 王玲 ,  李俊生 ,  任荣荣 ,  吴国龙 ,  刘劼

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/084 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/42 ,  G06V10/80

Abstract: 一种基于多模态数据融合的农作物生长估计模型构建方法，属于农作物识别技术领域。为解决农作物生长过程中针对多种农作物普遍适用且估计准确的问题。本发明构建农作物图像训练集、农作物图像测试集、传感器数据训练集，传感器数据测试集；利用线性投影方法，将农作物图像训练集中的农作物图像输入卷积神经网络进行图像特征提取，利用传感器感知机方法，将传感器数据训练集中的传感器数据输入多层感知机神经网络进行传感器数据特征提取，利用Transformer编码器融合后进行拼接处理，然后经过池化、线性变换后输出为农作物生长评价指标，进行多模态数据融合的农作物生长估计。本发明适用于多种作物，大大减少了重新训练网络的时间。

公开(公告)号：CN116403048A

公开(公告)日：2023-07-07

申请号：CN202310407119.X

申请日：2023-04-17

Applicant: 哈尔滨工业大学

Inventor： 王玲 ,  李俊生 ,  任荣荣 ,  吴国龙 ,  刘劼

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/084 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/42 ,  G06V10/80

Abstract: 一种基于多模态数据融合的农作物生长估计模型构建方法，属于农作物识别技术领域。为解决农作物生长过程中针对多种农作物普遍适用且估计准确的问题。本发明构建农作物图像训练集、农作物图像测试集、传感器数据训练集，传感器数据测试集；利用线性投影方法，将农作物图像训练集中的农作物图像输入卷积神经网络进行图像特征提取，利用传感器感知机方法，将传感器数据训练集中的传感器数据输入多层感知机神经网络进行传感器数据特征提取，利用Transformer编码器融合后进行拼接处理，然后经过池化、线性变换后输出为农作物生长评价指标，进行多模态数据融合的农作物生长估计。本发明适用于多种作物，大大减少了重新训练网络的时间。