本發(fā)明涉及用于預(yù)測(cè)目的的數(shù)據(jù)處理，尤其涉及一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、根長(zhǎng)密度（root?length?density，rld）是描述根系在土壤中的空間分布的重要參數(shù)，它反映根系對(duì)土壤資源的利用效率，也影響作物的抗逆性和適應(yīng)性。因此，準(zhǔn)確預(yù)測(cè)溫室番茄的根長(zhǎng)密度，對(duì)于優(yōu)化根區(qū)環(huán)境，提高水肥利用效率，實(shí)現(xiàn)溫室番茄的節(jié)水高產(chǎn)，具有重要的理論意義和實(shí)際價(jià)值。

2、然而，由于根系生長(zhǎng)在土壤中，不易直接觀測(cè)和測(cè)量，傳統(tǒng)的根長(zhǎng)密度測(cè)定方法通常需要對(duì)土壤進(jìn)行開(kāi)挖、清洗、分析等繁瑣的步驟，不僅耗時(shí)耗力，而且會(huì)破壞根系和土壤的結(jié)構(gòu)，影響作物的正常生長(zhǎng)。因此，開(kāi)發(fā)一種快速、準(zhǔn)確、無(wú)損的溫室番茄根長(zhǎng)密度預(yù)測(cè)方法，是當(dāng)前農(nóng)業(yè)科學(xué)研究的一個(gè)迫切需求和挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)中溫室番茄根長(zhǎng)密度預(yù)測(cè)精度低的技術(shù)問(wèn)題。

2、本發(fā)明提供一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，包括如下步驟。

3、獲取根長(zhǎng)密度影響因素?cái)?shù)據(jù)；

4、將所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)輸入至預(yù)訓(xùn)練的根長(zhǎng)密度預(yù)測(cè)模型中，獲取所述根長(zhǎng)密度預(yù)測(cè)模型輸出的根長(zhǎng)密度預(yù)測(cè)值，所述根長(zhǎng)密度預(yù)測(cè)模型是基于根長(zhǎng)密度預(yù)測(cè)值和每個(gè)根長(zhǎng)密度影響因素的注意力權(quán)重訓(xùn)練得到的，所述根長(zhǎng)密度預(yù)測(cè)值是基于隱含特征確定的，所述隱含特征是基于半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)和深度可分離圖卷積網(wǎng)絡(luò)確定的。

5、在一些實(shí)施例中，所述根長(zhǎng)密度預(yù)測(cè)模型的訓(xùn)練步驟，包括：

6、獲取無(wú)標(biāo)注數(shù)據(jù)集和有標(biāo)注數(shù)據(jù)集，所述無(wú)標(biāo)注數(shù)據(jù)集是基于根長(zhǎng)密度影響因素?cái)?shù)據(jù)確定的，所述有標(biāo)注數(shù)據(jù)集是基于根長(zhǎng)密度影響因素?cái)?shù)據(jù)和根長(zhǎng)密度值確定的；

7、基于所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)對(duì)所述無(wú)標(biāo)注數(shù)據(jù)集和所述有標(biāo)注數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)生成合成數(shù)據(jù)，所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)是基于條件變量訓(xùn)練得到的，所述條件變量用于提高所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)的多樣性；

8、基于所述深度可分離圖卷積網(wǎng)絡(luò)從所述合成數(shù)據(jù)中提取隱含特征；

9、基于深度殘差網(wǎng)絡(luò)將所述隱含特征轉(zhuǎn)換為根長(zhǎng)密度預(yù)測(cè)值，并基于多頭自注意力機(jī)制和所述隱含特征確定每個(gè)根長(zhǎng)密度影響因素的注意力權(quán)重；

10、基于所述根長(zhǎng)密度預(yù)測(cè)值和每個(gè)根長(zhǎng)密度影響因素的注意力權(quán)重，通過(guò)反向傳播和自適應(yīng)矩估計(jì)更新所述根長(zhǎng)密度預(yù)測(cè)模型的模型參數(shù)。

11、在一些實(shí)施例中，所述獲取無(wú)標(biāo)注數(shù)據(jù)集和有標(biāo)注數(shù)據(jù)集，包括：

12、獲取根長(zhǎng)密度影響因素?cái)?shù)據(jù)和根長(zhǎng)密度影響因素?cái)?shù)據(jù)對(duì)應(yīng)的根長(zhǎng)密度值，所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)包括土壤水分含量、溫室溫度、溫室光照強(qiáng)度和土壤肥料含量，所述根長(zhǎng)密度值是基于根系掃描圖像數(shù)據(jù)確定的；

13、基于所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)確定無(wú)標(biāo)注數(shù)據(jù)集，并基于所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)和所述根長(zhǎng)密度值確定有標(biāo)注數(shù)據(jù)集。

14、在一些實(shí)施例中，所述基于所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)對(duì)所述無(wú)標(biāo)注數(shù)據(jù)集和所述有標(biāo)注數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)生成合成數(shù)據(jù)，包括：

15、基于所述無(wú)標(biāo)注數(shù)據(jù)集和所述有標(biāo)注數(shù)據(jù)集對(duì)所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

16、基于訓(xùn)練后的半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)將所述無(wú)標(biāo)注數(shù)據(jù)集和條件變量進(jìn)行合成，得到合成數(shù)據(jù)。

17、在一些實(shí)施例中，所述基于所述無(wú)標(biāo)注數(shù)據(jù)集和所述有標(biāo)注數(shù)據(jù)集對(duì)所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

18、基于所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)中的生成器將所述無(wú)標(biāo)注數(shù)據(jù)集和條件變量合成，得到合成數(shù)據(jù)，并基于所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)中的判別器將所述有標(biāo)注數(shù)據(jù)集和條件變量合成，得到真實(shí)數(shù)據(jù)；

19、基于所述合成數(shù)據(jù)、所述真實(shí)數(shù)據(jù)和二元交叉熵?fù)p失，得到合成損失和真實(shí)損失，并基于所述合成損失和所述真實(shí)損失優(yōu)化所述判別器；

20、基于所述合成數(shù)據(jù)和二元交叉熵?fù)p失，得到對(duì)抗損失和重構(gòu)損失，并基于所述對(duì)抗損失和所述重構(gòu)損失優(yōu)化所述生成器。

21、在一些實(shí)施例中，所述基于所述深度可分離圖卷積網(wǎng)絡(luò)從所述合成數(shù)據(jù)中提取隱含特征，包括：

22、基于所述深度可分離圖卷積網(wǎng)絡(luò)中的深度卷積和點(diǎn)卷積從所述合成數(shù)據(jù)中提取隱含特征，所述深度卷積是指在每個(gè)節(jié)點(diǎn)上進(jìn)行卷積操作，所述點(diǎn)卷積是指在每個(gè)鄰居節(jié)點(diǎn)上進(jìn)行卷積操作。

23、在一些實(shí)施例中，所述方法還包括：

24、基于元學(xué)習(xí)優(yōu)化所述根長(zhǎng)密度預(yù)測(cè)模型的模型參數(shù)。

25、在一些實(shí)施例中，所述基于元學(xué)習(xí)優(yōu)化所述根長(zhǎng)密度預(yù)測(cè)模型的模型參數(shù)，包括：

26、將多個(gè)不同的溫室場(chǎng)景的數(shù)據(jù)作為元學(xué)習(xí)數(shù)據(jù)；

27、基于所述元學(xué)習(xí)數(shù)據(jù)優(yōu)化所述根長(zhǎng)密度預(yù)測(cè)模型的模型參數(shù)。

28、本發(fā)明還提供一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)裝置，包括如下模塊：

29、第一獲取模塊，用于獲取根長(zhǎng)密度影響因素?cái)?shù)據(jù)；

30、第二獲取模塊，用于將所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)輸入至預(yù)訓(xùn)練的根長(zhǎng)密度預(yù)測(cè)模型中，獲取所述根長(zhǎng)密度預(yù)測(cè)模型輸出的根長(zhǎng)密度預(yù)測(cè)值，所述根長(zhǎng)密度預(yù)測(cè)模型是基于根長(zhǎng)密度預(yù)測(cè)值和每個(gè)根長(zhǎng)密度影響因素的注意力權(quán)重訓(xùn)練得到的，所述根長(zhǎng)密度預(yù)測(cè)值是基于隱含特征確定的，所述隱含特征是基于半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)和深度可分離圖卷積網(wǎng)絡(luò)確定的。

31、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述任一種所述溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法。

32、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法。

33、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法。

34、本發(fā)明提供的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，將根長(zhǎng)密度影響因素?cái)?shù)據(jù)輸入至預(yù)訓(xùn)練的根長(zhǎng)密度預(yù)測(cè)模型中，通過(guò)半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)和深度可分離圖卷積網(wǎng)絡(luò)可以得到根長(zhǎng)密度預(yù)測(cè)值，能夠提高對(duì)溫室番茄根長(zhǎng)密度的預(yù)測(cè)精度。

技術(shù)特征：

1.一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述根長(zhǎng)密度預(yù)測(cè)模型的訓(xùn)練步驟，包括：

3.根據(jù)權(quán)利要求2所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述獲取無(wú)標(biāo)注數(shù)據(jù)集和有標(biāo)注數(shù)據(jù)集，包括：

4.根據(jù)權(quán)利要求2所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述基于所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)對(duì)所述無(wú)標(biāo)注數(shù)據(jù)集和所述有標(biāo)注數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)生成合成數(shù)據(jù)，包括：

5.根據(jù)權(quán)利要求4所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述基于所述無(wú)標(biāo)注數(shù)據(jù)集和所述有標(biāo)注數(shù)據(jù)集對(duì)所述半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

6.根據(jù)權(quán)利要求2所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述基于所述深度可分離圖卷積網(wǎng)絡(luò)從所述合成數(shù)據(jù)中提取隱含特征，包括：

7.根據(jù)權(quán)利要求2所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述方法還包括：

8.根據(jù)權(quán)利要求7所述的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法，其特征在于，所述基于元學(xué)習(xí)優(yōu)化所述根長(zhǎng)密度預(yù)測(cè)模型的模型參數(shù)，包括：

9.一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)裝置，其特征在于，包括：

10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法。

技術(shù)總結(jié)
本發(fā)明提供一種溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，涉及用于預(yù)測(cè)目的的數(shù)據(jù)處理技術(shù)領(lǐng)域，所述方法包括：獲取根長(zhǎng)密度影響因素?cái)?shù)據(jù)；將所述根長(zhǎng)密度影響因素?cái)?shù)據(jù)輸入至預(yù)訓(xùn)練的根長(zhǎng)密度預(yù)測(cè)模型中，獲取所述根長(zhǎng)密度預(yù)測(cè)模型輸出的根長(zhǎng)密度預(yù)測(cè)值，所述根長(zhǎng)密度預(yù)測(cè)模型是基于根長(zhǎng)密度預(yù)測(cè)值和每個(gè)根長(zhǎng)密度影響因素的注意力權(quán)重訓(xùn)練得到的。本發(fā)明提供的溫室番茄根長(zhǎng)密度的預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，將根長(zhǎng)密度影響因素?cái)?shù)據(jù)輸入至預(yù)訓(xùn)練的根長(zhǎng)密度預(yù)測(cè)模型中，通過(guò)半監(jiān)督對(duì)抗生成網(wǎng)絡(luò)和深度可分離圖卷積網(wǎng)絡(luò)可以得到根長(zhǎng)密度預(yù)測(cè)值，能夠提高對(duì)溫室番茄根長(zhǎng)密度的預(yù)測(cè)精度。

技術(shù)研發(fā)人員：康藝凡,于景鑫,黃媛,楊英茹,高欣娜,武猛,李海杰,杜亞茹,黃家旋,武陽(yáng)陽(yáng),杜鵬飛
受保護(hù)的技術(shù)使用者：石家莊市農(nóng)林科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21