[发明专利]农作物品种适宜性评价方法、装置、设备及存储介质

权利要求书

1.一种农作物品种适宜性评价方法，其特征在于，包括：

获取待评价的目标农作物的品种试验数据，以及所述目标农作物对应的种植区域的环境气象数据；

将所述品种试验数据和所述环境气象数据输入品种适宜性评价模型，获得所述品种适宜性评价模型输出的评价结果；

其中，所述品种适宜性评价模型是基于图卷积神经网络构建的，所述评价结果用于表征所述目标农作物的品种和所述种植区域之间的适宜性；

在所述将所述品种试验数据和所述环境气象数据输入品种适宜性评价模型，获得所述品种适宜性评价模型输出的评价结果之前，所述方法还包括：

获取目标农作物样本的品种试验数据样本，以及所述目标农作物样本对应的种植区域的环境气象数据样本；

基于所述品种试验数据样本和所述环境气象数据样本，构建训练数据集；

将所述训练数据集中的每一条样本数据分别作为一个节点，构建图结构数据，所述每一条样本数据中包括所述品种试验数据样本和所述环境气象数据样本；

利用所述图结构数据训练初始品种适宜性评价模型，获得训练完成的所述品种适宜性评价模型；

所述品种试验数据样本中包括作物性状特征；

所述基于所述品种试验数据样本和所述环境气象数据样本，构建训练数据集，包括：

基于所述品种试验数据样本中的所述作物性状特征，确定所述品种试验数据样本对应的目标农作物的生育期起止时间；

基于所述生育期起止时间，确定所述环境气象数据样本中的目标环境气象数据样本，所述目标环境气象数据样本是所述生育期起止时间内的环境气象数据样本；

基于所述品种试验数据样本和所述目标环境气象数据样本，构建所述训练数据集。

2.根据权利要求1所述的农作物品种适宜性评价方法，其特征在于，所述训练数据集中的每一条样本数据携带有品种适宜性评价标签；

所述将所述训练数据集中的每一条样本数据分别作为一个节点，构建图结构数据，包括：

基于数据相关性分析方法，确定所述训练数据集中的每一条样本数据中的目标特征数据，所述目标特征数据是与所述品种适宜性评价标签的相关性最大的前第一预设数目个特征数据；

分别将所述每一条样本数据中的目标特征数据作为一个关键特征集合；

分别将每一个关键特征集合作为一个节点，构建所述图结构数据。

3.根据权利要求2所述的农作物品种适宜性评价方法，其特征在于，所述分别将每一个关键特征集合作为一个节点，构建所述图结构数据，包括：

分别将每一个关键特征集合作为一个节点，并确定所有所述节点中的任意一个目标节点与除所述目标节点之外的其他节点之间的距离，并基于各所述距离，确定与所述目标节点距离最小的前第二预设数目个节点；

建立所述目标节点与所述第二预设数目个节点中的每一个节点之间的双向边；

在确定对所有所述节点中的每一个目标节点建立对应的双向边之后，完成所述图结构数据的构建。

4.根据权利要求2所述的农作物品种适宜性评价方法，其特征在于，所述基于数据相关性分析方法，确定所述训练数据集中的每一条样本数据中的目标特征数据，包括：

利用皮尔逊Pearson相关系数，确定所述训练数据集中的所有样本数据中的各特征数据分别与各所述样本数据相对应的品种适宜性评价标签的相关性；

基于各所述相关性，确定所述训练数据集中的每一条样本数据中的所述目标特征数据。

5.根据权利要求1所述的农作物品种适宜性评价方法，其特征在于，在所述将所述训练数据集中的每一条样本数据分别作为一个节点，构建图结构数据之前，所述方法还包括：

对所述训练数据集进行预处理操作；

其中，所述预处理操作包括以下任意一项或多项：

异常值处理、缺失值处理和数据标准化。