本申請(qǐng)涉及光合參數(shù)預(yù)測(cè)領(lǐng)域，特別是涉及一種基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、特定光強(qiáng)下的光合速率、spad（soil?and?plant?analyzer?development，葉綠素相對(duì)含量）、葉綠素a、葉綠素b和葉片氮含量是評(píng)估作物光合效率的關(guān)鍵指標(biāo)。實(shí)現(xiàn)這些光合參數(shù)的快速、無(wú)損檢測(cè)，不僅是解析作物高光效生理機(jī)制的重要前提，也是培育高光效作物、提高作物產(chǎn)量的核心手段。傳統(tǒng)的光合參數(shù)測(cè)量方法通常依賴于手動(dòng)操作，使用多種設(shè)備分別進(jìn)行測(cè)量。這些方法不僅操作復(fù)雜、費(fèi)時(shí)費(fèi)力，且部分手段為有損檢測(cè)，對(duì)測(cè)量對(duì)象造成一定破壞。此外，這些方法對(duì)操作人員的專業(yè)技能要求較高，限制了在大規(guī)模作物檢測(cè)中的應(yīng)用。

2、隨著表型組學(xué)的發(fā)展，高光譜成像技術(shù)逐漸成為作物生理性狀檢測(cè)的有效工具。高光譜成像設(shè)備通過(guò)傳感器獲取從可見(jiàn)光到近紅外光譜的連續(xù)窄帶光譜數(shù)據(jù)，能夠捕捉到大量的空間和光譜細(xì)節(jié)，為植物的生理性狀提供了無(wú)損檢測(cè)手段。該技術(shù)使得植物一些肉眼不可見(jiàn)的生理參數(shù)能夠被快速獲取，大幅提升了檢測(cè)效率。

3、然而，基于傳統(tǒng)機(jī)器學(xué)習(xí)的光譜分析方法在光合參數(shù)預(yù)測(cè)過(guò)程中，對(duì)人工特征工程依賴性較強(qiáng)。研究人員通常需要進(jìn)行大量的試驗(yàn)來(lái)選擇合適的光譜預(yù)處理方法和預(yù)測(cè)模型。這種過(guò)程不僅耗時(shí)耗力，而且存在預(yù)處理誤用的風(fēng)險(xiǎn)，可能導(dǎo)致模型的預(yù)測(cè)精度下降。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的是提供一種基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品，以提高作物光合參數(shù)的預(yù)測(cè)精度。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝巳缦路桨福?/p>

3、第一方面，本申請(qǐng)?zhí)峁┝艘环N基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，包括：

4、獲取待預(yù)測(cè)作物的高光譜數(shù)據(jù)立方體；所述高光譜數(shù)據(jù)立方體包括所有波段的二維圖像；所述二維圖像上每個(gè)像素點(diǎn)的值是高光譜傳感器的數(shù)字強(qiáng)度值；

5、根據(jù)所述高光譜數(shù)據(jù)立方體，確定所述待預(yù)測(cè)作物的高光譜反射率；

6、根據(jù)所述高光譜反射率，利用光合參數(shù)預(yù)測(cè)模型，確定所述待預(yù)測(cè)作物的光合參數(shù)；所述光合參數(shù)包括特定光強(qiáng)下的光合速率、葉綠素相對(duì)含量、葉綠素a、葉綠素b和葉片氮含量；其中，所述光合參數(shù)預(yù)測(cè)模型是利用訓(xùn)練數(shù)據(jù)集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的；所述訓(xùn)練數(shù)據(jù)集包括訓(xùn)練用作物的高光譜反射率和對(duì)應(yīng)的光合參數(shù)；所述深度學(xué)習(xí)模型包括transformer模塊、inception模塊和解碼器；所述transformer模塊和所述inception模塊均與所述解碼器連接。

7、可選地，根據(jù)所述高光譜數(shù)據(jù)立方體，確定所述待預(yù)測(cè)作物的高光譜反射率，具體包括：

8、根據(jù)所述高光譜數(shù)據(jù)立方體，利用envi軟件識(shí)別感興趣區(qū)域；所述感興趣區(qū)域?yàn)槟繕?biāo)葉片所在區(qū)域；所述目標(biāo)葉片為所述待預(yù)測(cè)作物中進(jìn)行光合參數(shù)預(yù)測(cè)的葉片；

9、基于所述感興趣的區(qū)域內(nèi)所有像素點(diǎn)的數(shù)字強(qiáng)度值確定對(duì)應(yīng)像素點(diǎn)的反射率；

10、基于所述感興趣區(qū)域內(nèi)所有像素點(diǎn)的反射率確定待預(yù)測(cè)作物的高光譜反射率；所述高光譜反射率為所述感興趣區(qū)域內(nèi)所有像素點(diǎn)的反射率的平均值。

11、可選地，基于所述感興趣的區(qū)域內(nèi)所有像素點(diǎn)的數(shù)字強(qiáng)度值確定對(duì)應(yīng)像素點(diǎn)的反射率，具體包括：

12、利用公式確定像素點(diǎn)的反射率；

13、其中，為第p個(gè)像素點(diǎn)在空間位置和波長(zhǎng)處的反射率；為第p個(gè)像素點(diǎn)在空間位置和波長(zhǎng)處的數(shù)字強(qiáng)度值；為黑色參考板在空間位置和波長(zhǎng)處的數(shù)字強(qiáng)度值；為白色參考板在空間位置和波長(zhǎng)處的數(shù)字強(qiáng)度值；為白色參考板在空間位置和波長(zhǎng)處的反射率。

14、可選地，所述transformer模塊包括依次連接的自注意力層、前饋網(wǎng)絡(luò)層和歸一化層；所述前饋網(wǎng)絡(luò)層包括兩個(gè)全連接層。

15、可選地，所述inception模塊包括第一分支、第二分支、第三分支和第四分支；

16、所述第一分支包括3個(gè)卷積層；所述第二分支包括2個(gè)卷積層；所述第三分支包括1個(gè)最大池化層和1個(gè)卷積層；所述第四分支包括1個(gè)卷積層。

17、可選地，所述解碼器包括依次連接的3個(gè)全連接層。

18、可選地，利用訓(xùn)練數(shù)據(jù)集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到光合參數(shù)預(yù)測(cè)模型，具體包括：

19、獲取訓(xùn)練數(shù)據(jù)集；

20、將所述訓(xùn)練用作物的高光譜反射率輸入至當(dāng)前深度學(xué)習(xí)模型，得到訓(xùn)練用作物的光合參數(shù)預(yù)測(cè)值；

21、根據(jù)所述訓(xùn)練用作物的光合參數(shù)預(yù)測(cè)值和所述訓(xùn)練用作物的高光譜反射率對(duì)應(yīng)的光合參數(shù)，利用多任務(wù)損失函數(shù)，確定損失函數(shù)值；

22、判斷是否達(dá)到結(jié)束訓(xùn)練條件；所述結(jié)束訓(xùn)練條件為所述損失函數(shù)值小于設(shè)定值；

23、若是，則將當(dāng)前深度學(xué)習(xí)模型作為所述光合參數(shù)預(yù)測(cè)模型；

24、若否，則基于所述損失函數(shù)值調(diào)整當(dāng)前深度學(xué)習(xí)模型的網(wǎng)絡(luò)參數(shù)，并返回“將所述訓(xùn)練用作物的高光譜反射率輸入至當(dāng)前深度學(xué)習(xí)模型，得到訓(xùn)練用作物的光合參數(shù)預(yù)測(cè)值”。

25、第二方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述中任一項(xiàng)所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法。

26、第三方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任一項(xiàng)所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法。

27、第四方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任一項(xiàng)所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法。

28、根據(jù)本申請(qǐng)?zhí)峁┑木唧w實(shí)施例，本申請(qǐng)具有了以下技術(shù)效果：

29、本申請(qǐng)?zhí)峁┝艘环N基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品，獲取待預(yù)測(cè)作物的高光譜數(shù)據(jù)立方體；根據(jù)高光譜數(shù)據(jù)立方體，確定待預(yù)測(cè)作物的高光譜反射率；根據(jù)高光譜反射率，利用光合參數(shù)預(yù)測(cè)模型，確定待預(yù)測(cè)作物的光合參數(shù)；光合參數(shù)包括特定光強(qiáng)下的光合速率、葉綠素相對(duì)含量、葉綠素a、葉綠素b和葉片氮含量；光合參數(shù)預(yù)測(cè)模型是利用訓(xùn)練數(shù)據(jù)集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的。本申請(qǐng)中利用光合參數(shù)的真值和對(duì)應(yīng)的高光譜反射率確定光合參數(shù)預(yù)測(cè)模型，可快速、無(wú)損、準(zhǔn)確地確定作物的多個(gè)光合參數(shù)。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，根據(jù)所述高光譜數(shù)據(jù)立方體，確定所述待預(yù)測(cè)作物的高光譜反射率，具體包括：

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，基于所述感興趣的區(qū)域內(nèi)所有像素點(diǎn)的數(shù)字強(qiáng)度值確定對(duì)應(yīng)像素點(diǎn)的反射率，具體包括：

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，所述transformer模塊包括依次連接的自注意力層、前饋網(wǎng)絡(luò)層和歸一化層；所述前饋網(wǎng)絡(luò)層包括兩個(gè)全連接層。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，所述inception模塊包括第一分支、第二分支、第三分支和第四分支；

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，所述解碼器包括依次連接的3個(gè)全連接層。

7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法，其特征在于，利用訓(xùn)練數(shù)據(jù)集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到光合參數(shù)預(yù)測(cè)模型，具體包括：

8.一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法。

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了一種基于深度學(xué)習(xí)的作物光合參數(shù)預(yù)測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品，涉及光合參數(shù)預(yù)測(cè)領(lǐng)域，該方法包括獲取待預(yù)測(cè)作物的高光譜數(shù)據(jù)立方體；根據(jù)高光譜數(shù)據(jù)立方體，確定待預(yù)測(cè)作物的高光譜反射率；根據(jù)高光譜反射率，利用光合參數(shù)預(yù)測(cè)模型，確定待預(yù)測(cè)作物的光合參數(shù)；光合參數(shù)包括特定光強(qiáng)下的光合速率、葉綠素相對(duì)含量、葉綠素a、葉綠素b和葉片氮含量；光合參數(shù)預(yù)測(cè)模型是利用訓(xùn)練數(shù)據(jù)集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的。本申請(qǐng)中利用光合參數(shù)的真值和對(duì)應(yīng)的高光譜反射率確定光合參數(shù)預(yù)測(cè)模型，可快速、無(wú)損、準(zhǔn)確地確定作物的多個(gè)光合參數(shù)。

技術(shù)研發(fā)人員：王敏娟,張夢(mèng)琪,張美玲,朱新廣
受保護(hù)的技術(shù)使用者：中國(guó)農(nóng)業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/3/10