[发明专利]基于多层级变量分析的作物产量预测方法和装置

权利要求书

1.一种基于多层级变量分析的作物产量预测方法，其特征在于，应用于控制终端，包括：

S1、向预设的飞行器终端发送图像采集指令，以利用使所述飞行器终端控制预设的飞行器上预设的图像采集设备对指定地面进行图像采集处理，以得到地面图像；其中所述指定地面上预先种植有农作物；

S2、向所述指定地面的地下预设的第一轨道车辆终端和第二轨道车辆终端同时发送行驶指令，以使所述第一轨道车辆终端控制所述第一轨道车辆沿预设的第一轨道前行，同时所述第二轨道车辆终端控制所述第二轨道车辆沿预设的第二轨道前行；其中，所述第一轨道车辆和所述第二轨道车辆均往第一方向行驶，所述第一轨道车辆的出发点与所述第二轨道车辆的出发点的连线垂直于所述第一方向；所述第一轨道车辆与所述第二轨道车辆之间的距离与行驶时间呈反比关系；所述第一轨道与所述第二轨道处于同一高度位置，所述第一轨道与所述第二轨道之间埋设有多个光线通道，所述光线通道的光线透过率能够受外界环境的影响而发生变化；

S3、向所述第一轨道车辆终端发送光线发射指令，以使所述第一轨道车辆终端控制所述第一轨道车辆上预设的光线生成设备分别通过所述多个光线通道向所述第二轨道车辆发送多束光线，并记录多束光线发射时的初始数据；

S4、向所述第二轨道车辆终端发送光线接收指令，以使所述第二轨道车辆终端控制所述第二轨道车辆上预设的光线传感器获取来自于所述第一轨道车辆并分别通过所述多个光线通道的所述多束光线，并记录多束光线接收时的最终数据；

S5、获取所述第一轨道车辆终端和所述第二轨道车辆终端分别发送的多束光线发射时的初始数据和多束光线接收时的最终数据；

S6、将所述地面图像、多束光线发射时的初始数据和多束光线接收时的最终数据输入预设的作物产量预测模型中进行处理，从而得到所述作物产量预测模型输出的预测产量；其中，所述作物产量预测模型基于神经网络模型，并利用训练数据训练而成，所述训练数据由已知产量的地区的地面图片、该地区的第一轨道车辆上的光线生成设备发射的光线数据和该地区的第二轨道车辆上的光线传感器接收到的光线数据构成。

2.根据权利要求1所述的基于多层级变量分析的作物产量预测方法，其特征在于，所述飞行器为无人机和卫星，所述向预设的飞行器终端发送图像采集指令，以利用使所述飞行器终端控制预设的飞行器上预设的图像采集设备对指定地面进行图像采集处理，以得到地面图像的步骤S1，包括：

S101、向无人机终端发送第一图像采集指令，以利用使所述无人机终端控制无人机上预设的图像采集设备对指定地面进行图像采集处理，以得到第一地面图像；

S102、向卫星终端发送第一图像采集指令，以利用使所述卫星终端控制卫星上预设的图像采集设备对指定地面进行图像采集处理，以得到第二地面图像；

所述作物产量预测模型为第一神经网络架构、第二神经网络架构和第三神经网络架构构成，所述第一神经网络架构和所述第二神经网络架构并联，并且所述第一神经网络架构、所述第二神经网络架构分别与所述第三神经网络架构串联；所述第一神经网络架构由第一卷积神经网络结构、第二卷积神经网络结构和BP神经网络结构构成，所述第一卷积神经网络结构和第二卷积神经网络结构并联，并且所述第一卷积神经网络结构、第二卷积神经网络结构分别与所述BP神经网络结构串联；

所述将所述地面图像、多束光线发射时的初始数据和多束光线接收时的最终数据输入预设的作物产量预测模型中进行处理，从而得到所述作物产量预测模型输出的预测产量的步骤S6，包括：

S601、将所述第一地面图像输入所述第一卷积神经网络结构中，以利用所述第一卷积神经网络结构中的卷积层、池化层和全连接层，将所述第一地面图像处理为第一一维特征向量；

S602、将所述第二地面图像输入所述第二卷积神经网络结构中，以利用所述第二卷积神经网络结构中的卷积层、池化层和全连接层，将所述第二地面图像处理为第二一维特征向量；

S603、根据所述第一一维特征向量和所述第二一维特征向量，生成二维关系矩阵；

S604、对所述二维关系矩阵进行矩阵维度变换与特征筛选处理，再输入所述BP神经网络结构中，从而得到所述BP神经网络结构输出的第一预测产量；

S605、将所述多束光线发射时的初始数据和多束光线接收时的最终数据输入所述第二神经网络架构中，从而得到所述第二神经网络架构输出的第二预测产量；

S606、将所述第一预测产量和所述第二预测产量输入所述第三神经网络架构中，从而得到所述第三神经网络架构根据权重分配输出的最终预测产量。