基于分形维数的产量预测方法、装置、设备及介质

本发明涉及作物产量预测领域，尤其涉及一种基于分形维数的产量预测方法、装置、设备及介质。

背景技术：

1、现有研究中，存在基于神经网络的产量预测方法，但其使用的多为传感器采集的环境数据，预测结果不够准确，而通过作物图像数据中所提取的长势信息能够分辨出其外观形状、纹理特征，这些特征虽然能够对产量预测产生一定影响，但由于果实的遮挡等原因，会对预测结果产生较大误差。

技术实现思路

1、本发明提供一种基于分形维数的产量预测方法、装置、设备及介质，用于解决现有技术中，作物产量预测不够准确的技术问题。

2、第一方面，本发明提供了一种基于分形维数的产量预测方法，包括：

3、根据番茄在当前生育期的番茄图像，获取所述当前生育期对应的产量预测特征，所述产量预测特征至少包括分形维数特征，所述分形维数特征为开花期对应的叶片分形维数特征以及花朵分形维数特征、坐果期对应的果实面积分形维数特征或成熟期对应的果实颜色分形维数特征；

4、输入所述产量预测特征至回归树模型，获取所述回归树模型输出的第一产量预测结果；输入所述产量预测特征至支持向量机回归模型，获取所述支持向量机回归模型输出的第二产量预测结果；输入所述产量预测特征至长短时记忆模型，获取所述长短时记忆模型输出的第三产量预测结果；

5、根据所述第一产量预测结果、所述第二产量预测结果以及所述第三产量预测结果，确定最终产量预测结果；

6、其中，所述回归树模型是根据样本预测特征以及第一样本产量预测结果训练得到的；所述支持向量机回归模型是根据所述样本预测特征以及第二样本产量预测结果训练得到的；所述长短时记忆模型是根据所述样本预测特征以及第三样本产量预测结果训练得到的。

7、根据本发明提供的基于分形维数的产量预测方法，在确定所述当前生育期为开花期的情况下，所述开花期所对应的产量预测特征还包括开花期基本表型特征以及开花期环境特征中的至少一种特征；所述开花期基本表型特征包括叶片数据特征、叶面积指数特征、叶片颜色特征、冠层覆盖度特征以及开花数量特征；所述开花期环境特征包括空气湿度特征以及光辐射特征。

8、根据本发明提供的基于分形维数的产量预测方法，在确定所述当前生育期为坐果期的情况下，所述坐果期所对应的产量预测特征还包括坐果期基本表型特征以及坐果期环境特征中的至少一种特征；所述坐果期基本表型特征包括果实数量特征以及果实大小特征；所述坐果期环境特征包括空气湿度特征。

9、根据本发明提供的基于分形维数的产量预测方法，在确定所述当前生育期为成熟期的情况下，所述成熟期所对应的产量预测特征还包括成熟期基本表型特征以及成熟期环境特征中的至少一种特征；所述成熟期基本表型特征包括果实数量特征以及果实大小特征；所述成熟期环境特征包括空气温度特征以及二氧化碳浓度特征。

10、根据本发明提供的基于分形维数的产量预测方法，在获取番茄在当前生育期所对应的产量预测特征之前，所述方法还包括：

11、对于每一生育期，根据预设目标检测模型以及预设图像分割模型，从所述生育期对应的原始图像中提取出与所述生育期对应的所有基本表型特征；根据环境传感器获取与所述生育期对应的所有环境特征；

12、从所述生育期对应的所有基本表型特征以及所有环境特征中，根据每一特征对产量预测的重要性程度，确定所述生育期对应的产量预测特征。

13、根据本发明提供的基于分形维数的产量预测方法，所述根据每一特征对产量预测的重要性程度，确定所述生育期对应的产量预测特征，包括：

14、对于每一预设模型，输入所述生育期对应的所有基本表型特征、所有环境特征以及所述生育期对应的预设产量结果至所述预设模型，获取所有基本表型特征以及所有环境特征中，每一特征对产量预测的重要性程度；

15、根据所述重要性程度对每一特征进行排序，获取每一预设模型对应的排序结果；

16、根据所述排序结果的先后顺序，确定每一排序结果中预设数量的目标特征；

17、融合所有预设模型对应的每一目标特征，确定所述生育期对应的产量预测特征；

18、预设模型包括随机森林模型、梯度提升决策树模型gbdt以及极端梯度提升模型xgboost。

19、根据本发明提供的基于分形维数的产量预测方法，所述根据番茄在当前生育期的番茄图像，获取所述当前生育期对应的产量预测特征，包括：

20、二值化处理所述番茄图像，获取二值化番茄图像；

21、对所述二值化番茄图像进行膨胀运算以及腐蚀运算，获取去噪后番茄图像；

22、在确定所述当前生育期为开花期的情况下，根据预设盒计数法处理所述去噪后番茄图像，获取叶片分形维数特征以及花朵分形维数特征；在确定所述当前生育期为坐果期的情况下，根据预设盒计数法处理所述去噪后番茄图像，获取果实面积分形维数特征；在确定所述当前生育期为成熟期的情况下，根据预设盒计数法处理所述去噪后番茄图像，获取果实颜色分形维数特征。

23、第二方面，提供了一种基于分形维数的产量预测装置，包括：

24、获取单元，所述获取单元用于根据番茄在当前生育期的番茄图像，获取所述当前生育期对应的产量预测特征，所述产量预测特征至少包括分形维数特征，所述分形维数特征为开花期对应的叶片分形维数特征以及花朵分形维数特征、坐果期对应的果实面积分形维数特征或成熟期对应的果实颜色分形维数特征；

25、输入单元，所述输入单元用于输入所述产量预测特征至回归树模型，获取所述回归树模型输出的第一产量预测结果；输入所述产量预测特征至支持向量机回归模型，获取所述支持向量机回归模型输出的第二产量预测结果；输入所述产量预测特征至长短时记忆模型，获取所述长短时记忆模型输出的第三产量预测结果；

26、确定单元，所述确定单元用于根据所述第一产量预测结果、所述第二产量预测结果以及所述第三产量预测结果，确定最终产量预测结果；

27、其中，所述回归树模型是根据样本预测特征以及第一样本产量预测结果训练得到的；所述支持向量机回归模型是根据所述样本预测特征以及第二样本产量预测结果训练得到的；所述长短时记忆模型是根据所述样本预测特征以及第三样本产量预测结果训练得到的。

28、第三方面，本发明还提供一种电子设备，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，所述处理器执行所述程序时实现所述的基于分形维数的产量预测方法。

29、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于分形维数的产量预测方法。

30、本发明提供了一种基于分形维数的产量预测方法、装置、设备及介质，根据番茄在当前生育期的番茄图像，获取所述当前生育期对应的产量预测特征，而不同的生育期对应获取不同的分形维数特征，包括开花期对应的叶片分形维数特征以及花朵分形维数特征、坐果期对应的果实面积分形维数特征或成熟期对应的果实颜色分形维数特征；然后分别输入所述产量预测特征至三个产量预测模型，获取第一产量预测结果、第二产量预测结果以及第三产量预测结果，最后融合这些产量预测结果，确定最终产量预测结果。本发明能够考虑到番茄图像具有自相关性，其分形维数可以表征作物的外观形状、纹理特征等，通过分析番茄作物整个生长周期中的叶、花、果的分形特征，结合环境参数和番茄表型特征来预测番茄的产量，从而提升作物产量预测的准确性。