欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2023105193160
申请人: 江西师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-12-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于遥感技术和深度学习的农产品成熟度预测方法,其特征在于:包括以下步骤:步骤1,根据研究区域生成对应的研究任务,采集研究区域在预设时间内生成的图片数据集;

步骤2,基于生成的图片数据集构建深度学习模型,对深度学习模型进行评估并获得最优权重;

步骤3,再次采集研究区域在预设时间内生成的遥感信息数据集;

步骤4,根据遥感信息数据集筛选成熟影响因子,对成熟影响因子进行权重计算;

步骤5,根据成熟影响因子权重,构建不同成熟阶段的成熟需求量指数函数;

步骤6,收集待预测的研究区域在未来时间内的预测遥感信息数据集,计算出农产品成熟需求量指数函数;

步骤7,计算农产品成熟需求量指数函数后,将预测结果进行可视化;

步骤2具体为:

步骤21,深度学习模型采用YOLO目标检测算法,YOLO目标检测算法训练过程中需要进行设置训练参数和对深度学习模型进行优化操作;

步骤22,使用YOLO目标检测算法的深度学习模型,通过输入单个农产品的图片,深度学习模型判断出农产品的成熟状况,并返回对应的成熟值;

步骤3具体为:

步骤31,获取历史的覆盖整个单个农产品生长周期的遥感信息数据集,遥感信息数据集包括温度数据、降雨数据、湿度数据、日照强度,为逐小时均值数据;

步骤32,对遥感信息数据集进行预处理操作,预处理操作包括辐射校正、图像拼接、地理配准以及波段合成图像处理;

步骤33,将遥感信息数据集统一栅格化为30m分辨率,形成处理后的遥感信息数据集;

步骤4具体为:

设定自变量x和因变量y进行计算得一次函数y=kx+b1,计算遥感信息数据集影响因子与成熟度之间的关系,将影响因子累积量m为自变量 x,单个农产品成熟度变化量平均值n为因变量 y,代入y=kx+b1,计算可得k与b1的值,即n=km+b1,解得k=n/m,b1=0,即一次函数关系为y=n/m·x;

即解得遥感信息数据集中的单个信息数据和单个农产品的成熟度增长呈正相关性,单个信息数据视为成熟影响因子;解得遥感信息数据集中的单个信息数据和单个农产品的成熟度增长不正相关性,单个信息数据不视为成熟影响因子;

步骤5具体为:成熟需求量指数函数如公式(1)所示:(1);

其中,MDI为成熟需求量,b为单个农产品初始成熟度,c为单个农产品目标成熟度;为成熟影响因子的总数;为第i个成熟影响因子的权重;表示第i个成熟影响因子的累积值;通过成熟需求量指数函数能够求出单个农产品的不同初始成熟度到目标成熟度需求量;

步骤6具体为:

步骤61,待预测的研究区域即为需要预测单个农产品成熟度的区域,预测遥感信息数据集是通过步骤4筛选成熟影响因子;

步骤62,采集单个农产品图片,综合分析每张单个农产品图片的农产品信息和坐标信息,通过坐标信息获取单个农产品的真实地理坐标,通过深度学习模型预测农产品成熟度;

步骤63,根据成熟影响因子和成熟度情况确定成熟需求量指数函数;

步骤7具体为:根据预测遥感信息数据集中的温度数据、降雨数据、湿度数据、日照强度的累积值代入成熟需求量指数函数计算出单个农产品的成熟度和时间的关系;根据单个农产品的真实地理坐标和成熟度制作成熟情况分布图, 成熟情况分布图反映出不同地区的农产品成熟情况,同时根据需要产生不同类型分布图。

2.根据权利要求1所述的基于遥感技术和深度学习的农产品成熟度预测方法,其特征在于:步骤1中根据研究区域生成对应的研究任务,采集研究区域在预设时间内生成的图片数据集;具体为:步骤11,在研究区域内采集大量的单个农产品图片数据集,单个农产品图片数据集包括不同品种、不同成熟度、不同光照条件下的图片,采集的单个农产品图片覆盖各种场景;

步骤12,对采集的单个农产品图片进行预处理操作,预处理操作包括图像缩放、图像裁剪、归一化操作,保证单个农产品图片的数据一致性和可用性;

步骤13,同时采集每日的单个农产品数据,采集的单个农产品数据包括日期和成熟度数据,基于成熟度数据对单个农产品数据进行标记成熟状况;

步骤14,对成熟状况按照0‑100进行赋值,定义0表示完全不熟,100表示完全成熟。

3.一种用于实现权利要求1所述的基于遥感技术和深度学习的农产品成熟度预测方法的农产品成熟度预测系统,其特征在于:设有采集装置和服务器装置;

采集装置包括第一通讯模块、拍摄模块、GPS模块、雷达模块和第一存储模块;服务器装置包括第二通讯模块、预处理模块、深度学习模块和第二存储模块;

采集装置的第一通讯模块和服务器装置的第二通讯模块进行通讯;

拍摄模块用于采集单个农产品图片;

GPS模块用于采集单个农产品的坐标信息;

雷达模块用于采集单个农产品的信息;

第一存储模块用于存储采集装置的信息;

预处理模块用于对采集的单个农产品图片进行预处理操作和对遥感信息数据集进行预处理操作;

深度学习模块即使用YOLO目标检测算法的深度学习模型;

第二存储模块用于服务器装置的信息。