买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华中农业大学申请的专利一种基于深度学习的区域尺度作物产量近实时预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115730523B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211502780.0，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的区域尺度作物产量近实时预测方法是由曾玲琳;李昊翔;彭国樟;胡顺;史志华设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种基于深度学习的区域尺度作物产量近实时预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的区域尺度作物产量近实时预测方法，包括：获取目标像元产量相关变量的源数据，计算目标区域的产量相关变量；将源数据处理为相应的特征变量，生成模型训练集和测试集；根据作物产量累计的特点构建合适的LSTM模型，将训练集中的特征变量时间序列导入模型进行训练，得到产量预测模型；以R2和均方根误差RMSE作为评估标准，将测试集的特征变量导入产量预测模型进行验证，得到最优模型。本发明解决了现有的产量估计方法因产量和环境变量之间随作物物候期变化的复杂非线性关系受到的限制，同时也解决了目前方法中难以对产量进行近实时准确预测的问题。

本发明授权一种基于深度学习的区域尺度作物产量近实时预测方法在权利要求书中公布了：1.一种基于深度学习的区域尺度作物产量近实时预测方法，其特征在于，包括如下步骤： 步骤一、获取目标作物的产量相关变量：根据作物产量积累的过程特点，确定目标作物的产量相关变量，获取源数据并经过预处理后，计算得到自作物生长季以来到不同生长阶段的产量相关变量，包括物候，单波段，水分胁迫，温度，辐射传输变量； 步骤二、基于深度学习的产量近实时预测模型的构建：构建基于深度学习的作物产量估计模型，并对模型的结构进行优化； 步骤三、基于深度学习的作物产量近实时预测模型的训练：将步骤一中获取的产量相关变量作为输入数据，以历史作物产量统计数据作为输出，生成训练集样本对作物产量估计模型进行训练，获取模型的优化参数，得到训练后的模型并使用验证集对模型进行验证，以决定系数R2和均方根误差RMSE两种主要的模型性能评价指标来评估模型，得到优化后的模型； 步骤四、作物产量近实时预测：将自作物生长季以来待测作物产量区域相关特征变量的近实时时序数据作为步骤三中得到的模型的输入，并输出预测结果，获取作物近实时预测结果； 根据作物产量积累的过程特点，确定目标作物的产量相关变量，获取源数据并经过预处理后，计算得到产量相关变量，包括物候，单波段，水分胁迫，温度，辐射传输变量； 步骤一中获取目标作物的产量相关变量，包括： 通过掩膜数据提取得到目标作物像元，通过遥感获取产量相关变量源数据后经预处理得到自作物生长季以来的产量相关变量，包括关键物候期，单波段反射率，水分胁迫，温度，辐射传输变量； 统一源数据的时空分辨率，将源数据计算为特征变量即产量相关变量，然后按物候阶段整合产量相关变量，最后计算产量相关变量在产量统计数据的区域尺度上的平均值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中农业大学，其通讯地址为：430000 湖北省武汉市洪山区狮子山街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。