[发明专利]融合模型构建方法、融合模型使用方法、装置和电子设备

权利要求书

1.一种融合模型构建方法，其特征在于，所述方法包括：

接收目标作物群对应的影像数据；

对所述影像数据和所述目标作物群的领域知识进行结合，将结合结果作为遥感分类知识；

根据所述目标作物群的所述遥感分类知识构建静态知识图谱；

根据各个时间点的所述静态知识图谱，构建动态知识图谱；

在深度学习模型中导入所述动态知识图谱；

根据所述知识图谱对所述深度学习模型进行训练，以对所述动态知识图谱与所述深度学习模型进行融合，得到融合模型，其中，所述融合模型用于对所述目标作物群的作物类型进行分类。

2.根据权利要求1所述的方法，其特征在于，所述根据所述 目标作物群的所述 遥感分类知识构建静态知识图谱，包括：

获取所述遥感分类知识中所述目标作物群的作物类型；

计算得到所述作物类型中任意两个作物类型之间的分类相似度；

根据所述分类相似度获取每一个所述作物类型对应的关系子图；

根据多个所述关系子图，构建静态知识图谱。

3.根据权利要求2所述的方法，其特征在于，所述计算得到所述作物类型中任意两个作物类型之间的分类相似度，包括：

基于第一表达式计算所述作物类型中任意两个作物类型之间的分类相似度，所述第一表达式包括：

其中，assocB(c_i,c_j)表示所述作物类型中第i类型与第j类型的分类相似度，C_ij表示所述第i类型划分为所述第j类型的概率，N表示所述作物类型的类型数量。

4.根据权利要求1所述的方法，其特征在于，所述根据各个时间点的所述静态知识图谱，构建动态知识图谱，包括：

根据所述遥感分类知识，确定对应的时间数据；

根据所述时间数据计算各个时间点中归一化植被指数的时序相似性；

将所述时序相似性添加到对应的所述静态知识图谱中，以对各个时间点的所述静态知识图谱进行更新，得到动态知识图谱。

5.一种融合模型使用方法，其特征在于，所述方法包括：

根据权利要求1-4中任意一项所述的融合模型构建方法中得到的融合模型进行数据聚合，得到聚合信息；

根据所述聚合信息进行数据输出，根据输出结果确定目标作物群中作物类型的分类结果。

6.根据权利要求5所述的方法，其特征在于，所述根据输出结果确定目标作物群中作物类型的分类结果之后，所述方法还包括：

根据所述分类结果进行制图，得到制图数据。

7.一种融合模型构建装置，其特征在于，所述装置包括：

结合模块，用于接收目标作物群对应的影像数据，并对所述影像数据和所述目标作物群的领域知识进行结合，将结合结果作为遥感分类知识；

静态模块，用于根据所述目标作物群的所述遥感分类知识构建静态知识图谱；

动态模块，用于根据各个时间点的所述静态知识图谱，构建动态知识图谱；

融合模块，用于在深度学习模型中导入所述动态知识图谱，并根据所述知识图谱对所述深度学习模型进行训练，以对所述动态知识图谱与所述深度学习模型进行融合，得到融合模型，其中，所述融合模型用于对所述目标作物群的作物类型进行分类。

8.一种融合模型使用装置，其特征在于，所述装置包括：

聚合模块，用于根据权利要求1-4中任意一项所述的融合模型构建方法中得到的融合模型进行数据聚合，得到聚合信息；

输出模块，用于根据所述聚合信息进行数据输出，根据输出结果确定目标作物群中作物类型的分类结果。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行权利要求1-6中任一项所述方法中的步骤。