玉米作物系数测算方法、装置、设备、介质及程序产品

本发明涉及农业生产，尤其涉及一种玉米作物系数测算方法、装置、设备、介质及程序产品。

背景技术：

1、作物系数是影响玉米需水量的一个核心计算参数，对玉米作物系数进行准确测算，有利于实施有效的灌溉策略，保证玉米的健康生长。

2、机器学习模型具有强大的适应性和泛化能力，无论环境如何变化，它都能迅速调整自身，因此，利用机器学习模型评估玉米的作物系数。然而，机器学习模型的分析对象主要是土壤传感器实时测量的含水量数据，导致玉米作物系数测算的准确性不高。

技术实现思路

1、本发明提供一种玉米作物系数测算方法、装置、设备、介质及程序产品，用以解决现有技术中玉米作物系数测算的准确性不高的缺陷，实现提高玉米作物系数测算的准确性。

2、本发明提供一种玉米作物系数测算方法，包括：

3、在玉米处于苗期到穗期的生长阶段时，将第一环境数据、第一表层土壤含水量和冠层覆盖率进行合并后，分别输入到随机森林模型、xgboost模型和第一深度神经网络模型，得到所述随机森林模型对应的作物系数的测算结果、所述xgboost模型对应的作物系数的测算结果和所述第一深度神经网络模型对应的作物系数的测算结果；

4、对所述随机森林模型对应的作物系数的测算结果、所述xgboost模型对应的作物系数的测算结果和所述第一深度神经网络模型对应的作物系数的测算结果进行投票融合，得到苗期到穗期对应的第一作物系数的测算结果；

5、在玉米处于花粒期到收获期的生长阶段时，将第二环境数据、第二表层土壤含水量和叶面积指数进行合并后，分别输入到支持向量机、梯度提升决策树模型和第二深度神经网络模型，得到所述支持向量机对应的作物系数的测算结果、所述梯度提升决策树模型对应的作物系数的测算结果和所述第二深度神经网络模型对应的作物系数的测算结果；

6、对所述支持向量机对应的作物系数的测算结果、所述梯度提升决策树模型对应的作物系数的测算结果和所述第二深度神经网络模型对应的作物系数的测算结果，进行投票融合，得到花粒期到收获期对应的第二作物系数的测算结果。

7、在一些实施例中，在所述将第一环境数据、第一表层土壤含水量和冠层覆盖率进行合并之前，还包括：

8、获取玉米处于苗期到穗期的生长阶段时的第一冠层图像；

9、将所述第一冠层图像输入到训练好的第一空间金字塔注意力网络模型，得到所述冠层覆盖率的测算结果；

10、将所述第一冠层图像输入到训练好的第二空间金字塔注意力网络模型，得到所述第一表层土壤含水量的测算结果。

11、在一些实施例中，所述方法还包括：

12、对所述第一冠层图像进行冠层覆盖率和表层土壤含水量的标注，得到冠层图像样本；

13、基于冠层图像样本，分别对所述第一空间金字塔注意力网络模型和所述第二空间金字塔注意力网络模型进行训练，得到所述训练好的第一空间金字塔注意力网络模型和所述训练好的第二空间金字塔注意力网络模型。

14、在一些实施例中，在所述将第二环境数据、第二表层土壤含水量和叶面积指数进行合并之前，还包括：

15、获取玉米处于花粒期到收获期的生长阶段时的第二冠层图像；

16、将所述第二冠层图像，输入到训练好的第三空间金字塔注意力网络模型，得到所述叶面积指数的测算结果。

17、在一些实施例中，在所述将第二环境数据、第二表层土壤含水量和叶面积指数进行合并之前，还包括：

18、以所述第一环境数据和所述第一表层土壤含水量为对象，基于多元线性回归模型，构建环境数据与表层土壤含水量之间的关系模型；

19、基于所述关系模型和所述第二环境数据，得到所述第二表层土壤含水量的测算结果。

20、在一些实施例中，所述第一环境数据和第二环境数据均包括：日平均温度、日平均相对湿度、日平均风速和日降水量数据。

21、本发明还提供一种玉米作物系数测算装置，包括：

22、第一输入模块，用于在玉米处于苗期到穗期的生长阶段时，将第一环境数据、第一表层土壤含水量和冠层覆盖率进行合并后，分别输入到随机森林模型、xgboost模型和第一深度神经网络模型，得到所述随机森林模型对应的作物系数的测算结果、所述xgboost模型对应的作物系数的测算结果和所述第一深度神经网络模型对应的作物系数的测算结果；

23、第一投票模块，用于对所述随机森林模型对应的作物系数的测算结果、所述xgboost模型对应的作物系数的测算结果和所述第一深度神经网络模型对应的作物系数的测算结果进行投票融合，得到苗期到穗期对应的第一作物系数的测算结果；

24、第二输入模块，用于在玉米处于花粒期到收获期的生长阶段时，将第二环境数据、第二表层土壤含水量和叶面积指数进行合并后，分别输入到支持向量机、梯度提升决策树模型和第二深度神经网络模型，得到所述支持向量机对应的作物系数的测算结果、所述梯度提升决策树模型对应的作物系数的测算结果和所述第二深度神经网络模型对应的作物系数的测算结果；

25、第二投票模块，用于对所述支持向量机对应的作物系数的测算结果、所述梯度提升决策树模型对应的作物系数的测算结果和所述第二深度神经网络模型对应的作物系数的测算结果，进行投票融合，得到花粒期到收获期对应的第二作物系数的测算结果。

26、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述玉米作物系数测算方法。

27、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述玉米作物系数测算方法。

28、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述玉米作物系数测算方法。

29、本发明提供的玉米作物系数测算方法、装置、设备、介质及程序产品，考虑了玉米的不同生长阶段，在不同生长阶段全面融合了土壤、作物生长状况以及环境因素的多元素信息，从多维度全面考量对玉米生长造成影响的因素，并采用多个机器学习模型进行作物系数测算，采取投票融合策略，将各个机器学习模型的测算结果进行叠加，生成最终的测算结果，不仅能够充分利用每个模型的优势，而且能够显著降低单一模型产生的测算偏差，提升了玉米作物系数的测算准确性。

技术特征：

1.一种玉米作物系数测算方法，其特征在于，包括：

2.根据权利要求1所述的玉米作物系数测算方法，其特征在于，在所述将第一环境数据、第一表层土壤含水量和冠层覆盖率进行合并之前，还包括：

3.根据权利要求2所述的玉米作物系数测算方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的玉米作物系数测算方法，其特征在于，在所述将第二环境数据、第二表层土壤含水量和叶面积指数进行合并之前，还包括：

5.根据权利要求1所述的玉米作物系数测算方法，其特征在于，在所述将第二环境数据、第二表层土壤含水量和叶面积指数进行合并之前，还包括：

6.根据权利要求1所述的玉米作物系数测算方法，其特征在于，所述第一环境数据和第二环境数据均包括：日平均温度、日平均相对湿度、日平均风速和日降水量数据。

7.一种玉米作物系数测算装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可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程序时实现如权利要求1至6任一项所述玉米作物系数测算方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述玉米作物系数测算方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述玉米作物系数测算方法。

技术总结本发明提供一种玉米作物系数测算方法、装置、设备、介质及程序产品，涉及农业生产技术领域，所述方法包括：在玉米处于苗期到穗期的生长阶段时，将第一环境数据、第一表层土壤含水量和冠层覆盖率进行合并后，分别输入到随机森林模型、XGBoost模型和第一深度神经网络模型进行投票融合，得到苗期到穗期对应的第一作物系数的测算结果；在玉米处于花粒期到收获期的生长阶段时，将第二环境数据、第二表层土壤含水量和叶面积指数进行合并后，分别输入到支持向量机、梯度提升决策树模型和第二深度神经网络模型进行投票融合，得到花粒期到收获期对应的第二作物系数的测算结果。本发明提升了玉米作物系数的测算准确性。技术研发人员：张钟莉莉,谢伟明,李晶晶,史凯丽,吕芯悦,阚晓晴受保护的技术使用者：北京市农林科学院智能装备技术研究中心技术研发日：技术公布日：2024/8/27