CN119396237A 基于农业大数据的智能化控制系统及方法 （北京佳格天地科技有限公司）

本申请公开了一种基于农业大数据的智能由作物传感器采集的所述多个预定时间点的农土壤指标数据和所述多个预定时间点的农作物的生长状态参数进行特征提取和特征交互以得到土壤作物生长状态交互特征向量；基于所述土壤作物生长状态交互特征向量，生成灌溉控2获取由土壤传感器采集的预定时间段内多个预定时间点的土壤对所述多个预定时间点的土壤指标数据和所述多个预定时间点的农作物的生长状态其中，对所述多个预定时间点的土壤指标数据和所述多个预将所述多个预定时间点的土壤指标数据按照时间维度和指标样本维度排列为土壤指分别对所述土壤指标全时序输入矩阵和所述生长状态参数全时序输入矩阵进行全时序关联分析以得到土壤指标时序关联特征向量和生长对所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量进行特征交互土壤指标全时序输入矩阵和所述生长状态参数全时序输入矩阵进行全时序关联分析以得将所述土壤指标全时序输入矩阵通过基于第一卷积神经网络模型的土壤指标时序特将所述生长状态参数全时序输入矩阵通过基于第二卷积神经网络模型的生长状态时将所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量输入深度特征将所述土壤指标生长状态细粒度特征交互矩阵输入基于外部知识引导的注意力网络分别将所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关联特征向量和优对所述优化后的土壤指标时序关联特征向量和所述优化后的生长状态时序关联特征3指标时序关联特征向量和所述生长状态时序关联特征向量输入深度特征耦合网络以得到土壤指标时序关联特征向量和所述生长状态时序关联特征向量输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关联特征向量和优化后的生长状态时序对所述土壤指标时序关联特征向量进行线性变换以得到土壤指标时序语义查询特征壤指标时序语义查询特征向量、所述土壤指标时序语义值特征向量和所述键矩阵输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关对所述生长状态时序关联特征向量进行线性变换以得到生长状态时序语义查询特征长状态时序语义查询特征向量、所述生长状态时序语义值特征向量和所述键矩阵输入Transformer引导的细粒度特征增强模块以得到优化后的生长状态时将所述土壤作物生长状态交互特征向量通过分类器以得到分类结果，所述分类结果数据获取模块，用于获取由土壤传感器采集的预定时间段内多特征提取和特征交互模块，用于对所述多个预定时间个预定时间点的土壤指标数据和所述多个预定时间点的农作物的生长状态参数进行特征将所述多个预定时间点的土壤指标数据按照时间维度和指标样本维度排列为土壤指分别对所述土壤指标全时序输入矩阵和所述生长状态参数全时序输入矩阵进行全时序关联分析以得到土壤指标时序关联特征向量和生长4对所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量进行特征交互5[0003]传统的灌溉方法主要依靠人员根据经验来进行，但是随6所述多个预定时间点的土壤指标数据和所述多个预定时间点的农作物的生长状态参数进传感器采集的所述多个预定时间点的农作物的生长状态参数对所述多个预定时间点的土壤指标数据和所述多个预定时间点的农作物的生长状态参数进行特征提取和特征交互以[0012]将所述多个预定时间点的土壤指标数据按照时间维度和指标样本维度排列为土[0013]分别对所述土壤指标全时序输入矩阵和所述生长状态参数全时序输入矩阵进行全时序关联分析以得到土壤指标时序关联特征向量和生长状态时[0014]对所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量进行特征阵进行全时序关联分析以得到土壤指标时序关联特征向量和生长状态时序关联特征向量，过基于第二卷积神经网络模型的生长状态时序特征提取器以得到所述生长状态时序关联别将所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关联特征向量和优化后的生长7标时序关联特征向量和所述生长状态时序关联特征向量的转置向量进行相乘以得到土壤量输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关联特征向语义查询特征向量、所述土壤指标时序语义值特征向量和所述键矩阵输入Transformer引序关联特征向量进行线性变换以得到生长状态时序语义查询特征向量和生长状态时序语输入Transformer引导的细粒度特征增强模块以得到优化后的生长状态时序关联特征向所述土壤作物生长状态交互特征向量通过分类器以得到分类结果，所述分类结果用于表[0027]将所述多个预定时间点的土壤指标数据按照时间维度和指标样本维度排列为土[0028]分别对所述土壤指标全时序输入矩阵和所述生长状态参数全时序输入矩阵进行全时序关联分析以得到土壤指标时序关联特征向量和生长状态时[0029]对所述土壤指标时序关联特征向量和所述生长状态时序关联特征向量进行特征间点的土壤指标数据，由作物传感器采集的所述多个预定时间点的农作物的生长状态参8请实施例的基于农业大数据的智能化控制方法的流程图。图2为根据本申请实施例的基于9述多个预定时间点的土壤指标数据和所述多个预定时间点的农作物的生长状态参数进行[0044]在所述步骤130中，根据具体的灌溉需求和目标，选择合适的灌溉控制算法或模入矩阵和所述生长状态参数全时序输入矩阵进行全时序关联分析以得到土壤指标时序关参数全时序输入矩阵进行全时序关联分析以得到土壤指标时序关联特征向量和生长状态数全时序输入矩阵通过基于第二卷积神经网络模型的生长状态时序特征提取器以得到所输入矩阵通过基于第二卷积神经网络模型的生长状态时序特征提取器以得到生长状态时[0066]通过基于卷积神经网络模型的特征提取器对土壤指标和每次灌溉决策都是最优的。外部知识提供的指导可以帮助系统做出更加明智的灌溉决策，土壤指标时序关联特征向量和所述生长状态时序关联特征向量输入深度特征耦合网络以输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关联特征向量序关联特征向量输入深度特征耦合网络以得到土壤指标一生长状态细粒度特征交互矩阵，[0069]M,=V8V"[0073]M,=norm(M,8MK')8M,注意力可学习记忆参数矩阵和第二外部知识注意力可学习记忆参数矩阵，norm(-)表示归态时序关联特征向量输入Transformer引导的细粒度特征增强模块以得到优化后的土壤指关联特征向量进行线性变换以得到土壤指标时序语义查询特征向量和土壤指标时序语义入Transformer引导的细粒度特征增强模块以得到优化后的土壤指标时序关联特征向量；对所述生长状态时序关联特征向量进行线性变换以得到生长状态时序语义查询特征向量征向量和所述键矩阵输入Transformer引导的细粒度特征增强模块以得到优化后的生长状[0078]Vv=wv&v十b1v[0081]Vzv=wzv8vz+bzv土壤指标时序语义查询权重矩阵和土壤指标时序语义查询偏置向量，Wv和b1v分别表示土壤指标时序语义值权重矩阵和土壤指标时序语义值偏置向量，8为矩阵乘法，vq和vv分别为土壤指标时序语义查询特征向量和土壤指标时序语义值特征向量，为矩阵转置，d为MY的尺度，即矩阵的宽度乘以矩阵的高度，softmax()表示softma化后的土壤指标时序关联特征向量，wq和baa分别表示生长状态时序语义查询权重矩阵和生长状态时序语义查询偏置向量，W2v和bzv分别表示生长状态时序语义值权重矩阵和生长状态时序语义值偏置向量，vq和v2v分别为生长状态时序语义查询特征向量和生长状征向量以及相同的键矩阵进行类似的处理，系统同样增强了生长状态特征之间的内在联可以根据特征向量的特征表示学习到灌溉需求的模式，从而准确地判断是否需要进行灌特征向量分别表示土壤指标间时序关联模式特征和农作物的生长状态参数时序关联模式量和所述生长状态时序关联特征向量之间的参数样本维度不对称和局部编码模式差异会零特征值数目的以二为底的对数值的倒数和所述零特征值数目的倒数的以自然常数为底[0096]将所述土壤作物生长状态交互结构状态向量与所述第一土壤作物生长状态交[0097]将所述土壤作物生长状态交互结构状态向量的自相关矩阵分别与所述第二土壤作物生长状态交互表示值和权重超参数进行点乘以获得土壤作物生长状态交互回归[0098]将所述土壤作物生长状态交互信息表示向量与所述土壤作物生长状态交互回n是所述土壤作物生长状态交互特征向量中的零特征值数目，a是所述第[0105]V'=V38M述土壤作物生长状态交互回归理解矩阵，是所述土壤作物生长状态交互信息表示向壤作物生长状态交互特征向量的每个特征值以所述零特征值数目的倒数为指数的幂函土壤作物生长状态交互特征向量的特征分布整体信息复杂性的同时，促进其特征收敛的壤作物生长状态交互特征向量输入分类器得到的分类结果[0112]在本申请的一个实施例中，图3为根据本申请实施例的基于农业大数据的智能化取和特征交互模块220，用于对所述多个预定时间点的土壤指标数据和所述多个预定时间[0114]如上所述，根据本申请实施例的基于农