植物生长状态预测方法、装置、计算机设备及存储介质与流程
本申请涉及人工智能,应用于金融科技场景,尤其涉及一种植物生长状态预测方法、装置、计算机设备及存储介质。
背景技术:
1、农业是维持社会运转的重要产业,针对于农作物的生长状态评估是维持农业健康发展的重要一环。
2、相关技术中,一种方式是通过农业技术人员通过肉眼观察农作物生长状态,或者是手持便携式仪器进行株高、叶面积等指标,结合经验判断生长趋势。另一种方式是通过温度、湿度、降雨量、日照时数等宏观气象数据,结合统计学模型来综合判断出农作物的生长状态。
3、但是第一种方式过渡依赖于人工,导致农作物的生长状态测量效率低。另一种方式存在数据不准确的问题,导致农作物的生长状态测量不准。在金融科技场景中,由于无法准确高效的确定出农作物的生长状态,会导致无法及时准确地提供相应的农业金融保障服务。
技术实现思路
1、本申请提供一种植物生长状态预测方法、装置、计算机设备及存储介质,能够精准高效地确定出植物的生长状态。
2、第一方面,提供了一种植物生长状态预测方法,包括:
3、在预设采样时间段内,获取植物对应的二维图像数据、光谱图像数据、遥感图像数据,以及所述植物所处环境的环境数据;
4、确定所述预设采样时间段中的多个采样时间,并对每个所述采样时间下的所述二维图像数据、所述光谱图像数据、所述遥感图像数据和所述环境数据进行数据融合,得到每个所述采样时间下的融合数据;
5、根据所述多个采样时间的时间顺序对每个所述采样时间下的融合数据进行排列,得到融合数据序列;
6、将所述融合数据序列输入到预训练的植物生长状态评估模型中,输出所述植物对应的至少一个生长状态评估指标;
7、根据所述至少一个生长状态评估指标确定出所述植物的生长状态评分。
8、第二方面,提供了植物生长状态预测装置,包括:
9、采集模块,用于在预设采样时间段内,获取植物对应的二维图像数据、光谱图像数据、遥感图像数据,以及所述植物所处环境的环境数据;
10、融合模块,用于确定所述预设采样时间段中的多个采样时间,并对每个所述采样时间下的所述二维图像数据、所述光谱图像数据、所述遥感图像数据和所述环境数据进行数据融合,得到每个所述采样时间下的融合数据;
11、排序模块,用于根据所述多个采样时间的时间顺序对每个所述采样时间下的融合数据进行排列,得到融合数据序列;
12、预测模块,用于将所述融合数据序列输入到预训练的植物生长状态评估模型中,输出所述植物对应的至少一个生长状态评估指标;
13、评分模块,用于根据所述至少一个生长状态评估指标确定出所述植物的生长状态评分。
14、第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述植物生长状态预测方法的步骤。
15、第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述植物生长状态预测方法的步骤。
16、在本申请实施例中提供的植物生长状态预测方法、装置、计算机设备及存储介质所实现的方案中,通过在预设采样时间段内,获取植物对应的二维图像数据、光谱图像数据、遥感图像数据,以及植物所处环境的环境数据;确定预设采样时间段中的多个采样时间,并对每个采样时间下的二维图像数据、光谱图像数据、遥感图像数据和环境数据进行数据融合,得到每个采样时间下的融合数据;根据多个采样时间的时间顺序对每个采样时间下的融合数据进行排列,得到融合数据序列;将融合数据序列输入到预训练的植物生长状态评估模型中,输出植物对应的至少一个生长状态评估指标;根据至少一个生长状态评估指标确定出植物的生长状态评分。
17、以此,通过在预设采样时间段内,获取植物对应的二维图像数据、光谱图像数据、遥感图像数据,以及植物所处环境的环境数据。这样可以获取植物对应的多维度数据。然后确定预设采样时间段中的多个采样时间,并对每个采样时间下的二维图像数据、光谱图像数据、遥感图像数据和环境数据进行数据融合,得到每个采样时间下的融合数据。通过多维度的数据融合得到的融合数据,能够提供更加丰富的植物生长相关的数据信息。再根据多个采样时间的时间顺序对每个采样时间下的融合数据进行排列,得到融合数据序列。融合数据序列能够反映出植物按照时间先后生长的过程。最后将融合数据序列输入到预训练的植物生长状态评估模型中,输出植物对应的至少一个生长状态评估指标;根据至少一个生长状态评估指标确定出植物的生长状态评分。通过多指标融合生成的植物生长状态评分,能够精准的反映出植物的整体生长状态。
18、相对于相关技术中依赖于人工或者宏观气象数据预测植物的生长状态的方案而言,本申请中能够结合二维图像数据、光谱图像数据、遥感图像数据和环境数据来生成综合性的融合数据,并按照时间顺序生成融合数据序列,从而实现依赖长期捕获的融合数据序列以及预训练的植物生长状态评估模型,准确高效的预测出植物的生长状态。
1.一种植物生长状态预测方法,其特征在于,包括:
2.根据权利要求1所述的植物生长状态预测方法,其特征在于,所述对每个所述采样时间下的所述二维图像数据、所述光谱图像数据、所述遥感图像数据和所述环境数据进行数据融合,得到每个所述采样时间下的融合数据,包括:
3.根据权利要求2所述的植物生长状态预测方法,其特征在于,所述对每个所述采样时间下的所述光谱比值、所述目标二维图像数据、所述光谱图像数据、所述遥感图像数据和所述环境数据进行数据融合,得到每个所述采样时间下的融合数据,包括:
4.根据权利要求1所述的植物生长状态预测方法,其特征在于,所述至少一个生长状态评估指标包括所述植物对应的预测生物量、预测损失生物量、生长趋势评分和生长风险评分;
5.根据权利要求4所述的植物生长状态预测方法,其特征在于,在根据所述至少一个生长状态评估指标确定出所述植物的生长状态评分之后,还包括:
6.根据权利要求1所述的植物生长状态预测方法,其特征在于,所述预训练的植物生长状态评估模型包括特征提取模块和多个输出模块;
7.根据权利要求1所述的植物生长状态预测方法,其特征在于,在所述将所述融合数据序列输入到预训练的植物生长状态评估模型中,输出所述植物对应的至少一个生长状态评估指标之前,还包括:
8.一种植物生长状态预测装置,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至7中任意一项所述的植物生长状态预测方法。
10.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并能够在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任意一项所述的植物生长状态预测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com