[发明专利]一种农作物种类识别模型的建立方法、贷款额度评估方法

权利要求书

1.一种农作物种类识别模型的建立方法，其特征在于，包括：

从农作物高光谱图像样本集中获取训练样本集以及对应的农作物标签；

根据初始模型、训练样本集以及对应农作物标签，训练获得第一分类模型；

根据第一剩余训练样本集和所述第一分类模型对训练样本集进行更新，获得更新后的训练样本集以及对应农作物标签；其中，所述第一剩余训练样本集是从所述农作物高光谱图像样本集中去除用于训练第一分类模型的训练样本集之后获得的；

根据更新后的训练样本集以及对应的农作物标签，训练获得第二分类模型；

将所述第二分类模型作为第一分类模型重新对训练样本集进行更新，并重新训练获得第二分类模型直到满足训练结束条件，并将训练结束时获得的第二分类模型作为农作物种类识别模型。

2.根据权利要求1所述的方法，其特征在于，所述根据第一剩余训练样本集和所述第一分类模型对训练样本集进行更新，获得更新后的训练样本集包括：

根据第一剩余训练样本集和所述第一分类模型，获得所述第一剩余训练样本集中每个样本对应的农作物标签；

根据所述第一剩余训练样本集中各个样本对应的农作物标签，从所述第一剩余训练样本集中获取第一更新训练集；

若所述第一更新训练集对应的样本数量大于等于补充阈值，根据所述第一更新训练集更新训练样本集。

3.根据权利要求2所述的方法，其特征在于，还包括：

若所述第一更新训练集对应的样本数量小于补充阈值，则从第二剩余训练样本集中获取第二更新训练集，以使得所述第一更新训练集对应的样本数量与所述第二更新训练集对应的样本数量之和大于等于补充阈值；其中，所述第二剩余训练样本集是从所述第一剩余训练样本集中去除所述第一更新训练集获得的；

根据所述第一更新训练集和所述第二更新训练集更新训练样本集，获得更新后的训练样本集。

4.根据权利要求3所述的方法，其特征在于，所述从第二剩余训练样本集中获取第二更新训练集包括：

根据所述第二剩余训练样本集以及第一分类模型，获得所述第二剩余训练样本集中每个样本对应的熵值；

获取所述第二剩余训练样本集中熵值较大的样本构成所述第二更新训练集。

5.根据权利要求2或3所述的方法，其特征在于，所述根据所述第一剩余训练样本集中各个样本对应的农作物标签，从所述第一剩余训练样本集中获取第一更新训练集包括：

根据所述第一剩余训练样本集中各个样本对应的农作物标签，获得每种农作物标签对应的样本数量；

根据各种农作物标签对应的样本数量，获得每种农作物标签对应的频率；

根据各种农作物标签对应的频率以及频率阈值，获得筛选标签数量和筛选样本数量；其中，筛选标签数量是指频率小于频率阈值的农作物标签的数量；筛选样本数量是指频率小于频率阈值的农作物标签对应的样本的总数量；

若判断获知所述筛选样本数量小于等于所述补充阈值，则获取频率小于频率阈值的农作物标签对应的所有样本构成所述第一更新训练集；

若判断获知所述筛选样本数量大于所述补充阈值，则根据筛选标签数量和样本筛选规则从频率小于频率阈值的农作物标签对应的所有样本中筛选出补充阈值个样本构成所述第一更新训练集。

6.根据权利要求5所述的方法，其特征在于，所述样本筛选规则包括：

若所述筛选标签数量等于1，则从频率小于频率阈值的农作物标签对应的样本中随机选择设定数量的样本构成所述第一更新训练集；

若所述筛选标签数量大于等于2，则从频率小于频率阈值的农作物标签对应的所有样本中优先选择对应频率较小的农作物标签对应的样本构成所述第一更新训练集。