CN119445312A 基于智能一体化预制泵站的作物灌溉需求预测方法 （山东省水利科学研究院）

基于智能一体化预制泵站的作物灌溉需求本发明涉及一种基于智能一体化预制泵站农作物灌溉需求数据集中农作物图像经过多尺2S2.所述农作物灌溉需求数据集中农作物图像经过多尺度视觉特征融合模块进行处S3.所述农作物灌溉需求数据集中环境特征经过环境特征表征及融合模块，得到环境2.根据权利要求1所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征所述农作物灌溉需求数据包括不同生长时期的农作物图像、环境特征对标注后的农作物图像进行预处理操作，得到能够被计算机识别并3.根据权利要求2所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征所述农作物灌溉需求数据集中图像p;输入到颜色特征提取单元中，通过颜色直方图对,,其中，H(i,j,k)表示在第(ij,k)个区间的像素数量，C(x,y)表示图像p;在位置(x,y)处的像4.根据权利要求3所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征3度图像，所述灰度图像经过高斯滤波器进行平滑处理，得到滤波后的图像IC，然后通过,,,,其中，f(x,y)表示边缘特征提取中位置(x,y)经过滤波处理后的结果，G(i,j)表示高斯滤5.根据权利要求4所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征所述农作物灌溉需求数据集中图像p;输入到形状特征提取单元中，通过局部二值模式,n(p-p)的值为1，否者为,其中，s(0表示图像的直方图，A(·)表示用于判定LBP(x,y)是否等于l表示的指示函4,,6.根据权利要求5所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征所述高维综合特征提取单元为ResNet所述农作物灌溉需求数据集中图像p;输入到高维综合特征提取单元中，得到高维综合,7.根据权利要求6所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征,,,8.根据权利要求7所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征壤湿度特征x3；将每天的温度特征、湿度特征、土壤湿度特征构造成一个三维向量5所述三维向量通过长短时记忆神经网络LSTM模型中进行前7天时间的环境特征表。9.根据权利要求8所述的基于智能一体化预制泵站的作物灌溉需求预测方法，其特征6灌排项目中应用较少，本项目旨在探索智能一体化预制泵站在农业灌排项目中的应用前S2.所述农作物灌溉需求数据集中农作物图像经过多尺度视觉特征融合模块进行7S3.所述农作物灌溉需求数据集中环境特征经过环境特征表征及融合模块，得到,,其中，H(ij,k)表示在第(ij,k)个区间的像素数量，C(x,y)表示图像p;在位置(x,y)处边缘进行分类，G(x,y)>Thigh则标记为强边缘，Tiow<G(x,y)<Thigh则标记为弱边缘，,8,,,其中，f(x,y)表示边缘特征提取中位置(x,y)经过滤波,sgn(p-p)sgn(p-p)表示用于判断pc与pn之间的大小值的指示函数，当pn>p时，,其中，s(0表示图像的直方图，A(·)表示用于判定LBP(x,y)是否等于l表示的指,,,9,,,其中，cos(r,rz)表示特征ri与ResNet34神经网络提取的高维综合特征T4之间的的土壤湿度特征x3；将每天的温度特征、湿度特征、土壤湿度特征构造成一个三维向量所述三维向量X(O通过长短时记忆神经网络LSTM模型中进行前7天时间的环境特。预测属于第k个灌溉策略类别的概率，是灌溉策略类别k的平均预测概率，到的该照片拍摄前7天的环境特征拼接得到融合视觉与环境特征的多尺度融合特征；晚期[0019]S2.所述农作物灌溉需求数据集中农作物图像经过多尺度视觉特征融合模块进行具体地，颜色特征提取：所述农作物灌溉需求,,,其中，H(ij,k)表示在第(ij,k)个区间的像素数量，C(x,y)表示图像p;在位置(x,y)处,,,,其中，f(x,y)表示边缘特征提取中位置(x,y)经过滤波,n(p-p)n(p-p)的值为1，否者为,其中，s(0表示图像的直方图，A(·)表示用于判定LBP(x,y)是否等于l表示的指,,,,,,其中，cos(r,rz)表示特征ri与ResNet34神经网络提取的高维综合特征T4之间的[0024]S3.所述农作物灌溉需求数据集中环境特征所述三维向量X(O通过长短时记忆神经网络LSTM模型中进行前7天时间的环境特预测属于第k个灌溉策略类别的概率，是灌溉策略类别k的平均预测概率，块，用训练集提取的融合视觉特征与环境特征的多尺度融合特征训练不同类型的决策器，用训练好的决策器进行决策。表1展示了本发明方法以及几个单独决策器在测试集上的性明提出的