[发明专利]一种基于神经网络的作物生长模型选择方法及装置

摘要

本公开公开了一种基于神经网络的作物生长模型选择方法及装置，从机器学习的角度来模拟当前的作物生长模型，同时构建作物的综合模型库，从而，对当前作物没有生长模型的，可以在经过试种后得到作物生长过程数据，通过模型库的模拟验证得到最匹配的生长模型，再结合神经网络技术来实现基于作物生长模型的机器学习库，最后通过神经网络来预测哪种模型最符合农业生产的需求，可以生成一些种植面积小的、种植效益相对较弱的农作物或者没有合适的生长模型的其他植物的生长数据，生长模型生成其模拟种植数据以供无土栽培、大棚养殖、智能农业的数据作为农业信息化、自动化的数据源，并且可供农户进行种植的数据参考。

主权项

1.一种基于神经网络的作物生长模型选择方法，其特征在于，所述方法包括以下步骤：构建模型库阶段：步骤A，读取DSSAT模型中的作物生长模型和模型参数；步骤B，根据模型参数通过生长模型获取植物生长数据；步骤C，使用植物生长数据训练神经网络，得到植物神经网络模型；步骤D，将训练好的植物神经网络模型加入模型库；通过模型库获取未知作物生长模型数据阶段：步骤1，试种未知生长的作物时根据训练神经网络生长模型的参数有选择的记录当前试种时作物所产生的试种数据；步骤2，将试种数据输入到模型库中，得到神经网络模型输出；步骤3，对未知生长模型的作物与模型库产生的神经网络模型输出的对应的作物进行生长模型复用可行性验证；步骤4，将通过验证的生长模型在模型库中记录。