本申請涉及智能管理技術領域，其具體地公開了一種基于溫度和海拔的烤煙栽培管理方法，其基于機器學習技術，通過對煙田過去一年的生態環境數據進行分析和建模，以預測該煙田適宜栽培烤煙的推薦日期。這樣，綜合考慮不同季節和氣候條件對烤煙生長的影響，對于不同地理位置的煙田進行針對性的栽培時間管理，從而提高烤煙的品質和產量。
【技術實現步驟摘要】
本申請涉及智能管理，且更為具體地，涉及一種基于溫度和海拔的烤煙栽培管理方法。
技術介紹
1、煙葉品質是一種多因素、多變化，難定量的特征特性，是遺傳因素、生態環境和栽培技術共同作用的結果，其中生態環境對它的影響很大，雖然部分生態因素可以通過栽培技術和工程技術在一定程度上改變，但多數因素是很難改變的。其中，海拔的高低與烤煙的生長發育和產量、品質有密切的關系，這主要是由于地勢對溫度、光照、土壤、降水等氣候條件產生影響進而影響到煙葉的質量。
2、據研究表明，烤煙在栽培期、生長期和成熟期對于溫度、光照和降水等生態環境有著不同的需求，而生態環境隨著季節變換也一直在發生變化，大部分煙農在烤煙栽培時只對當前氣溫進行粗略評估，生產出的烤煙品質較低。
3、因此，期待一種基于溫度和海拔的烤煙栽培管理方法，能夠基于生態環境的變化，對于不同地理位置的煙田進行針對性的栽培時間管理。
技術實現思路
1、為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種基于溫度和海拔的烤煙栽培管理方法，其基于機器學習技術，通過對煙田過去一年的生態環境數據進行分析和建模，以預測該煙田適宜栽培烤煙的推薦日期。這樣，綜合考慮不同季節和氣候條件對烤煙生長的影響，對于不同地理位置的煙田進行針對性的栽培時間管理，從而提高烤煙的品質和產量。
2、相應地，根據本申請的一個方面，提供了一種基于溫度和海拔的烤煙栽培管理方法，其包括：
3、獲取煙田過去一年內每天的平均溫度、降水量和日照時長；</p>4、將所述各天的平均溫度、所述各天的降水量和所述各天的日照時長分別按照時間維度排列為溫度輸入向量、降水量輸入向量和日照時長輸入向量；
5、將所述溫度輸入向量、所述降水量輸入向量和所述日照時長輸入向量分別通過包含全連接層和一維卷積層的時序編碼器以得到溫度時序特征向量、降水量時序特征向量和日照時長時序特征向量；
6、基于高斯密度圖對所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量進行融合以得到融合特征矩陣；
7、將所述融合特征矩陣通過包含多個混合卷積層的卷積神經網絡模型以得到解碼特征矩陣；
8、對所述解碼特征矩陣進行基于局部特征分布的密度域概率化以得到優化解碼特征矩陣；
9、將所述優化解碼特征矩陣通過解碼器以得到解碼值，所述解碼值用于表示該煙田一年中適宜栽培烤煙的推薦日期。
10、在上述基于溫度和海拔的烤煙栽培管理方法中，將所述溫度輸入向量通過包含全連接層和一維卷積層的時序編碼器以得到溫度時序特征向量，包括：將所述溫度輸入向量進行基于最大值的歸一化處理以得到歸一化后溫度輸入向量；使用所述時序編碼器的全連接層對所述歸一化后溫度輸入向量進行全連接編碼以提取所述歸一化后溫度輸入向量中各個位置的特征值的高維隱含特征；使用所述時序編碼器的一維卷積層對所述歸一化后溫度輸入向量進行一維編碼以提取所述歸一化后溫度輸入向量中各個位置的特征值間的關聯的高維隱含關聯特征。
11、在上述基于溫度和海拔的烤煙栽培管理方法中，基于高斯密度圖對所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量進行融合以得到融合特征矩陣，包括：以如下高斯公式來構造所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量的高斯密度圖；其中，所述高斯公式為：
12、
13、其中，μ是所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量之間的按位置均值向量，而σ是所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量中各個位置的特征值之間的方差，表示高斯密度概率函數，x表示高斯密度圖的變量；以及，對所述高斯密度圖中各個位置的高斯分布進行高斯離散化處理以得到所述融合特征矩陣。
14、在上述基于溫度和海拔的烤煙栽培管理方法中，所述卷積神經網絡模型的各個混合卷積層包括并行的第一卷積分支結構、第二卷積分支結構、第三卷積分支結構和第四卷積分支結構，以及，與所述第一至第四卷積分支結構連接的多尺度融合結構，其中，所述第一卷積分支使用具有第一尺寸的第一卷積核，所述第二卷積分支使用具有第一尺寸且具有第一空洞率的第二卷積核、所述第三卷積分支使用具有第一尺寸且具有第二空洞率的第三卷積核、所述第四卷積分支使用具有第一尺寸且具有第三空洞率的第四卷積核。
15、在上述基于溫度和海拔的烤煙栽培管理方法中，將所述融合特征矩陣通過包含多個混合卷積層的卷積神經網絡模型以得到解碼特征矩陣，包括：使用所述卷積神經網絡模型的各個混合卷積層在層的正向傳遞中分別對輸入數據進行：使用所述具有第一尺寸的第一卷積核對所述融合特征矩陣進行卷積編碼以得到第一尺度特征圖；使用所述具有第一空洞率的第二卷積核對所述融合特征矩陣進行卷積編碼以得到第二尺度特征圖；使用所述具有第二空洞率的第三卷積核對所述融合特征矩陣進行卷積編碼以得到第三尺度特征圖；使用所述具有第三空洞率的第四卷積核對所述融合特征矩陣進行卷積編碼以得到第四尺度特征圖，其中，所述第一卷積核、所述第二卷積核、所述第三卷積核和所述第四卷積核具有相同的尺寸，且所述第二卷積核、所述第三卷積核和所述第四卷積核具有不同的空洞率；將所述第一尺度特征圖、所述第二尺度特征圖、所述第三尺度特征圖和所述第四尺度特征圖進行沿通道維度的聚合以得到聚合特征圖；對所述聚合特征圖進行沿通道維度的池化處理以生成池化特征圖；對所述池化特征圖進行激活處理以生成激活特征圖；其中，所述包含多個混合卷積層的卷積神經網絡模型的最后一層的輸出為所述解碼特征矩陣。
16、在上述基于溫度和海拔的烤煙栽培管理方法中，對所述解碼特征矩陣進行基于局部特征分布的密度域概率化以得到優化解碼特征矩陣，包括：對所述解碼特征矩陣進行塊狀切分以得到多個解碼子塊特征矩陣；對所述多個解碼子塊特征矩陣分別進行均值池化以得到多個解碼子塊全局語義特征向量；計算所述多個解碼子塊全局語義特征向量的全局按位置均值向量以得到解碼全局語義樞軸特征向量；計算所述多個解碼子塊全局語義特征向量中各個解碼子塊全局語義特征向量與所述解碼全局語義樞軸特征向量之間的交叉熵以得到由多個交叉熵值組成的局部特征分布相對密度語義特征向量；將所述局部特征分布相對密度語義特征向量輸入softmax激活函數以得到局部特征分布相對密度概率化特征向量；以所述局部特征分布相對密度概率化特征向量中各個位置的特征值對所述各個解碼子塊特征矩陣進行加權以得到多個加權后解碼子塊特征矩陣；將所述多個加權后解碼子塊特征矩陣進行拼接以得到所述優化解碼特征矩陣。
17、在上述基于溫度和海拔的烤煙栽培管理方法中，將所述優化解碼特征矩陣通過解碼器以得到解碼值，所述解碼值用于表示該煙田一年中適宜栽培烤煙的推薦日期，包括：使用所述解碼器以如下解碼公式對所述優化解碼特征矩陣進行解碼回歸以得到所述用于表示該煙田一年中適宜栽培烤煙的推薦日期的解碼值，其中，所述解碼公式為：其中，x是所述優化解本文檔來自技高網
...
【技術保護點】
1.一種基于溫度和海拔的烤煙栽培管理方法，其特征在于，包括：
2.根據權利要求1所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，將所述溫度輸入向量通過包含全連接層和一維卷積層的時序編碼器以得到溫度時序特征向量，包括：
3.根據權利要求2所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，基于高斯密度圖對所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量進行融合以得到融合特征矩陣，包括：
4.根據權利要求3所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，所述卷積神經網絡模型的各個混合卷積層包括并行的第一卷積分支結構、第二卷積分支結構、第三卷積分支結構和第四卷積分支結構，以及，與所述第一至第四卷積分支結構連接的多尺度融合結構，其中，所述第一卷積分支使用具有第一尺寸的第一卷積核，所述第二卷積分支使用具有第一尺寸且具有第一空洞率的第二卷積核、所述第三卷積分支使用具有第一尺寸且具有第二空洞率的第三卷積核、所述第四卷積分支使用具有第一尺寸且具有第三空洞率的第四卷積核。
5.根據權利要求4所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，將所述融合特征矩陣通過包含多個混合卷積層的卷積神經網絡模型以得到解碼特征矩陣，包括：使用所述卷積神經網絡模型的各個混合卷積層在層的正向傳遞中分別對輸入數據進行：
6.根據權利要求5所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，對所述解碼特征矩陣進行基于局部特征分布的密度域概率化以得到優化解碼特征矩陣，包括：
7.根據權利要求6所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，將所述優化解碼特征矩陣通過解碼器以得到解碼值，所述解碼值用于表示該煙田一年中適宜栽培烤煙的推薦日期，包括：使用所述解碼器以如下解碼公式對所述優化解碼特征矩陣進行解碼回歸以得到所述用于表示該煙田一年中適宜栽培烤煙的推薦日期的解碼值，其中，所述解碼公式為：其中，x是所述優化解碼特征矩陣，Y是所述解碼值，W是權重矩陣，表示矩陣乘法。
8.一種基于溫度和海拔的烤煙栽培管理系統，其特征在于，包括：
9.根據權利要求8所述的基于溫度和海拔的烤煙栽培管理系統，其特征在于，所述時序編碼模塊，包括：
10.根據權利要求9所述的基于溫度和海拔的烤煙栽培管理系統，其特征在于，所述高斯融合模塊，包括：
...
【技術特征摘要】
1.一種基于溫度和海拔的烤煙栽培管理方法，其特征在于，包括：
2.根據權利要求1所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，將所述溫度輸入向量通過包含全連接層和一維卷積層的時序編碼器以得到溫度時序特征向量，包括：
3.根據權利要求2所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，基于高斯密度圖對所述溫度時序特征向量、所述降水量時序特征向量和所述日照時長時序特征向量進行融合以得到融合特征矩陣，包括：
4.根據權利要求3所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，所述卷積神經網絡模型的各個混合卷積層包括并行的第一卷積分支結構、第二卷積分支結構、第三卷積分支結構和第四卷積分支結構，以及，與所述第一至第四卷積分支結構連接的多尺度融合結構，其中，所述第一卷積分支使用具有第一尺寸的第一卷積核，所述第二卷積分支使用具有第一尺寸且具有第一空洞率的第二卷積核、所述第三卷積分支使用具有第一尺寸且具有第二空洞率的第三卷積核、所述第四卷積分支使用具有第一尺寸且具有第三空洞率的第四卷積核。
5.根據權利要求4所述的基于溫度和海拔的烤煙栽培管理方法，其特征在于，將所述融...
【專利技術屬性】
技術研發人員：張明發，袁小康，劉勇軍，巢進，張勝，張樂奇，張一揚，陳前鋒，滕凱，
申請(專利權)人：湖南省煙草公司湘西自治州公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。