技术特征：
1.一种作物长势预测方法，其特征在于，包括：基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；将所述原始三维点云数据集、所述无损二维图像数据集和气象因素数据进行融合，构建各个原始作物生长参数多维深度学习模型；通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型；通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。2.根据权利要求1所述的作物长势预测方法，其特征在于，所述通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型，包括：通过各个所述原始作物生长参数多维深度学习模型对不同作物的生长参数时空特异性进行反演，得到不同作物在不同播种时间后的生长参数；根据所述不同作物在不同播种时间后的生长参数，确定各个所述原始作物生长参数多维深度学习模型的生物量实际值与模型计算值的各个吻合程度值；基于各个所述吻合程度值，确定各个所述原始作物生长参数多维深度学习模型中的最优作物生长参数多维深度学习模型。3.根据权利要求1所述的作物长势预测方法，其特征在于，所述通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布，包括：通过所述最优作物生长参数多维深度学习模型结合不同作物的无损二维图像数据集，对不同作物整个生育阶段单航次数据进行特征提取，得到不同作物在不同生育期的多时相的特征信息；根据所述不同作物在不同生育期的多时相的特征信息进行评估，得到不同作物的生长参数的时空分布。4.根据权利要求3所述的作物长势预测方法，其特征在于，所述根据所述不同作物在不同生育期的多时相的特征信息进行评估，得到不同作物的生长参数的时空分布，包括：将所述不同作物在不同生育期的多时相的特征信息确定为输出层不同时间点的输入特征进行计算，得到不同作物的最终生长参数；确定不同作物所在预设区域的位置信息，并根据不同作物的最终生长参数及其位置信息，确定整个所述预设区域的不同作物的生长参数的时空分布。5.根据权利要求1所述的作物长势预测方法，其特征在于，所述基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集，包括：获取航拍相机的成像参数，并基于所述成像参数获取图像回溯矩阵；基于所述成像参数和所述图像回溯矩阵，获取所述三维点云数据集的无损二维图像数据集。6.根据权利要求5所述的作物长势预测方法，其特征在于，所述基于所述成像参数和所述图像回溯矩阵，获取所述三维点云数据集的无损二维图像数据集，包括：基于所述成像参数和所述图像回溯矩阵，获取初始无损二维图像数据集；
将所述初始无损二维图像数据集输入至预先构建的图像优化模型，获取所述图像优化模型输出的无损二维图像数据集；其中，所述图像优化模型是基于所述无损二维图像数据集的颜色信息和所述颜色信息对应的最优超参数确定的。7.一种作物长势预测装置，其特征在于，包括：图像获取模块，用于基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；模型构建模块，用于将所述原始三维点云数据集、所述无损二维图像数据集和气象因素数据进行融合，构建各个原始作物生长参数多维深度学习模型；模型确定模块，用于通过各个所述原始作物生长参数多维深度学习模型结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型；结果预测模块，用于通过所述最优作物生长参数多维深度学习模型对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述作物长势预测方法。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述作物长势预测方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述作物长势预测方法。
技术总结
本申请提供一种作物长势预测方法、装置、设备及介质，其中方法包括：基于图像回溯算法确定原始三维点云数据集的无损二维图像数据集；将原始三维点云数据集、无损二维图像数据集和气象因素数据进行融合，以及结合不同作物的生长参数时空特异性进行反演，得到最优作物生长参数多维深度学习模型，以对不同作物的生长参数信息进行评估，得到不同作物的生长参数的时空分布。本申请根据图像回溯算法确定原始三维点云数据集的无损二维图像数据集，以得到更准确的特征，再通过原始三维点云数据集、无损二维图像数据集和气象因素数据，构建最优作物生长参数多维深度学习模型，以得到不同作物的生长参数的时空分布，提高作物的长势参数预测结果的准确性。测结果的准确性。测结果的准确性。
技术研发人员：马韫韬 车荧璞 李保国
受保护的技术使用者：中国农业大学
技术研发日：2022.06.06
技术公布日：2022/8/30