-
公开(公告)号：CN119558467A
公开(公告)日：2025-03-04
申请号：CN202411616025.4
申请日：2024-11-13
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/04 , G06Q50/02 , G06V20/10 , G06V10/44 , G06V10/62 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提出一种基于线性时序特征与多尺度注意力的作物估产方法和装置，包括：构建包括线性时间特征提取模块和多尺度注意力特征模块的估产模型，获取由多个地块的历史年份作物产量及每个地块对应的遥感图像序列构成的训练数据，且每个地块已标注产量标签；线性时间特征模块将训练数据中地块的历史年份作物产量和相应的年份视作一个时间序列，通过线性回归提取时间序列的环境模式特征；多尺度注意力特征模块利用不同尺度的注意力机制，提取训练数据中遥感图像序列的遥感特征；环境模式特征和遥感特征送入多层感知器的解码器，得到预测产量。
-
公开(公告)号：CN117952264B
公开(公告)日：2025-05-13
申请号：CN202410121863.8
申请日：2024-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/04 , G06Q50/02 , G06V20/10 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/082
Abstract: 本发明提出一种空间自适应的作物产量预测方法和系统，包括：获取多光谱序列；多光谱特征融合层为光谱序列中每张图片的特征进行降维，得到降维特征，分别对降维特征进行平均池化和最大池化得到两组池化向量，根据池化向量得到注意力权重，注意力权重用于加权降维特征，产生两张新特征图，提取新特征图的特征，得到作物生长特征；将由训练数据中每张图片的作物生长特征构成的输入序列输入作物生长时序性特征提取层，作物生长时序性特征提取层利用多头自注意力从各时间段的输入序列中提取作物生长过程的时序特征，根据时序特征预测作物产量。
-
公开(公告)号：CN117952264A
公开(公告)日：2024-04-30
申请号：CN202410121863.8
申请日：2024-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/04 , G06Q50/02 , G06V20/10 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/082
Abstract: 本发明提出一种空间自适应的作物产量预测方法和系统，包括：获取多光谱序列；多光谱特征融合层为光谱序列中每张图片的特征进行降维，得到降维特征，分别对降维特征进行平均池化和最大池化得到两组池化向量，根据池化向量得到注意力权重，注意力权重用于加权降维特征，产生两张新特征图，提取新特征图的特征，得到作物生长特征；将由训练数据中每张图片的作物生长特征构成的输入序列输入作物生长时序性特征提取层，作物生长时序性特征提取层利用多头自注意力从各时间段的输入序列中提取作物生长过程的时序特征，根据时序特征预测作物产量。
-
公开(公告)号：CN118070951A
公开(公告)日：2024-05-24
申请号：CN202410145423.6
申请日：2024-02-01
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/04 , G06Q50/02 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于注意力机制的大面积自适应作物产量预测方法和系统，包括：获取作物时序数据，作物时序数据为各时间点对应的生长环境数据；构建包括长短时记忆层、时间注意力层、特征注意力层和全连接层的作物产量预测模型；将作物时序数据输入长短时记忆层，得到作物生长二维特征矩阵，沿时间维度和特征维度将作物生长二维特征矩阵分别输入时间注意力层、特征注意力层，以为作物生长二维特征矩阵加权，加权后送入全连接层，得到预测产量；根据预测产量和实际产量构建损失函数训练作物产量预测模型，使特征注意力层学习环境因素对作物产量的影响权重的差异性；将待预测的作物时序数据输入训练完成后的作物产量预测模型，得到作物产量预测结果。
-
-
-
Search Results
4
records
(took 0.041 seconds)
