[发明专利]作物生长预测方法、装置、电子设备及存储介质

说明书

本发明提供一种作物生长预测方法、装置、电子设备及存储介质，涉及人工智能信息处理技术领域，方法包括：获取待预测作物的多组生长因素数据；将多组生长因素数据输入至特征提取层，得到多个生长特征向量；在多个生长特征向量中确定至少一个向量组，将至少一个向量组输入至特征组合层，分别对各个向量组中的生长特征向量进行融合，得到各个组合特征向量；将组合特征向量和多个生长特征向量输入至自注意力层，基于自注意力层执行注意力机制，为组合特征向量和多个生长特征向量分别配置对应的注意力权重，基于注意力权重得到预测特征向量；将预测特征向量输入至预测层，获取待预测作物的生长预测结果。本发明降低了作物生长预测时的人力成本。

技术领域

本发明涉及人工智能信息处理技术领域，尤其涉及一种作物生长预测方法、装置、电子设备及存储介质。

背景技术

在农业生产中，需要对作物的生长需求进行预测，提前准备作物所需的种植材料例如肥料、农药等，以提升作物的产量和质量。

在现有技术中，对作物的生长预测，大多是具备丰富经验的专业人员前往作物生长地，通过实地观察作物的生长情况，结合经验进行预测，这种依靠人工进行作物生长预测的方法需要耗费大量的人力成本。

发明内容

本发明提供一种作物生长预测方法、装置、电子设备及存储介质，旨在解决现有技术中作物生长预测需要耗费大量的人力成本的缺陷，实现对作物生长进行自动化预测，降低人力成本。

本发明提供一种作物生长预测方法，包括：

获取待预测作物的多组生长因素数据，每组所述生长因素数据反映所述待预测作物的生长过程中一种生长因素的变化信息；

将所述多组生长因素数据输入至已训练的预测模型，获取所述预测模型输出的所述待预测作物的生长预测结果；

其中，所述预测模型包括特征提取层、特征组合层、自注意力层以及预测层，所述将所述多组生长因素数据输入至已训练的预测模型，获取所述预测模型输出的所述待预测作物的生长预测结果，包括：

将所述多组生长因素数据输入至所述特征提取层，基于所述特征提取层分别对所述多组生长因素数据进行特征提取，得到多个生长特征向量；

在所述多个生长特征向量中确定至少一个向量组，所述向量组中包括至少两个所述生长特征向量，将所述至少一个向量组输入至所述特征组合层，基于所述特征组合层分别对各个所述向量组中的所述生长特征向量进行融合，得到各个组合特征向量；

将所述组合特征向量和所述多个生长特征向量输入至所述自注意力层，基于所述自注意力层执行注意力机制，为所述组合特征向量和所述多个生长特征向量分别配置对应的注意力权重，并基于所述注意力权重得到预测特征向量；

将所述预测特征向量输入至所述预测层，基于所述预测层获取所述待预测作物的生长预测结果。

根据本发明提供的一种作物生长预测方法，所述在所述多个生长特征向量中确定至少一个向量组，包括：

获取所述待预测作物的作物种类；

基于所述作物种类确定所述待预测作物对应的生长因素组合信息，所述生长因素组合信息中反映与所述待预测作物的生长相关的各个生长因素组合；

基于所述生长因素组合信息在所述多个生长特征向量中确定至少一个向量组，每个所述向量组中包括所述生长因素组合中的生长因素分别对应的所述生长特征向量。

根据本发明提供的一种作物生长预测方法，所述获取所述待预测作物的作物种类，包括：

将所述待预测作物的图像输入至已训练的分类模型，获取所述分类模型输出的所述作物种类；

其中，所述分类模型是基于多组第一训练数据训练得到的，每组训练数据包括样本待预测作物以及所述样本待预测作物对应的作物种类标签。

根据本发明提供的一种作物生长预测方法，所述特征组合层包括多个第一卷积核；所述基于所述特征组合层分别对各个所述向量组中的所述生长特征向量进行融合，得到各个组合特征向量，包括：