[发明专利]一种冬小麦产量预测方法及装置

说明书

本发明实施例提供一种冬小麦产量预测方法及装置，该方法包括采集冬小麦苗期冠层的目标图像；将所述目标图像输入至长短时记忆神经网络模型，输出所述目标图像对应的冬小麦产量预测结果；其中，所述长短时记忆神经网络模型是基于样本图像以及所述样本图像对应的冬小麦产量预测结果进行训练后得到的。本发明通过采集冬小麦苗期冠层的目标图像，将目标图像输入至预先建立的长短时记忆神经网络模型，输出所述目标图像对应的冬小麦产量预测结果，实现了在冬小麦早期准确预测产量。与人工计算产量的方法费时费力相比，本发明提供的冬小麦产量预测方法的计算效率更高，提高了产量预测结果的准确性。

技术领域

本发明实施例涉及冬小麦育种和深度学习技术领域，尤其涉及一种冬小 麦产量预测方法及装置。

背景技术

冬小麦产量估算对于掌握冬小麦产量情况，及时准确制定生产管理措施 和提高产量具有重要实际意义。传统的冬小麦产量估测方法主要依靠农民经 验判断，其可靠性难以保证；基于气候分析及遥感等方法，适用于大尺度的 产量预测，而针对中小田块尺度的估算，其精细程度和适用性有待进一步提 升。

因此，如何设计一种能够在冬小麦早期准确估算产量的方法，成为亟待 解决的问题。

发明内容

针对传统人工计算产量的方法费时费力，且受到主观因素的影响，难以 取得客观、准确的计算结果的缺陷。本发明实施例提供一种冬小麦产量预测 方法及装置。

第一方面，本发明实施例提供一种冬小麦产量预测方法，包括：

采集冬小麦苗期冠层的目标图像；

将所述目标图像输入至长短时记忆神经网络模型，输出所述目标图像对 应的冬小麦产量预测结果；其中，所述长短时记忆神经网络模型是基于样本 图像以及所述样本图像对应的冬小麦产量预测结果进行训练后得到的。

进一步地，在将所述图像特征输入至长短时记忆神经网络模型，所述方 法还包括：

采集若干冬小麦苗期冠层样本图像；

根据样本图像以及所述样本图像对应的冬小麦产量预测结果进行训练， 获得长短时记忆神经网络模型。

进一步地，所述根据样本图像以及所述样本图像对应的冬小麦产量预测 结果进行训练，获得长短时记忆神经网络模型具体包括：

根据采集的若干冬小麦苗期冠层样本图像，构建初始数据集；

采用旋转扩充和/或翻转扩充的数据扩充方式，对所述初始数据集中的数 据量进行扩充，得到输入数据集；

将输入数据集中各个样本图像作为初始模型的输入，将每一样本图像对 应的冬小麦产量预测结果作为初始模型的输出，对初始模型进行训练，获得 长短时记忆神经网络模型。

进一步地，所述长短时记忆神经网络模型包括依次连接的输入层、处理 模块、全连接层和输出层；

所述处理模块用于对输入数据集进行特征提取，输出目标特征图；所述 全连接层用于将所述目标特征图转化为一维向量，所述输出层用于根据所述 一维向量输出所述冬小麦的产量预测结果。

进一步地，所述处理模块包括依次连接的第一处理单元、第二处理单元、 第三处理单元和第四处理单元；

所述第一处理单元、第二处理单元和第三处理单元均包括依次连接的卷 积层、批处理层、修正线性单元ReLU层和池化层，所述第四处理单元包括 依次连接的卷积层、批处理层和修正线性单元ReLU层。

进一步地，所述处理模块的四个处理单元基于梯度下降算法依次对所述 输入数据集进行处理和传递，直到所述第四处理单元的修正线性单元ReLU 层输出目标特征图；