本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域及金融科技領(lǐng)域，尤其涉及一種基于視覺圖像的產(chǎn)量預(yù)測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、水稻作為主要的糧食作物之一，水稻產(chǎn)量的準(zhǔn)確預(yù)估對(duì)于農(nóng)業(yè)生產(chǎn)決策、資源調(diào)配以及市場(chǎng)供應(yīng)都具有重要的參考價(jià)值。傳統(tǒng)的水稻的產(chǎn)量預(yù)估依賴于人工測(cè)量和估算，不僅效率低下，而且容易受到主觀因素及采樣誤差的影響，降低了準(zhǔn)確率。

2、因此，如何解決傳統(tǒng)水稻產(chǎn)量預(yù)估效率以及準(zhǔn)確率低下，成為目前亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種基于視覺圖像的產(chǎn)量預(yù)測(cè)方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在解決傳統(tǒng)水稻產(chǎn)量預(yù)估效率以及準(zhǔn)確率低下的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，所述產(chǎn)量預(yù)測(cè)方法包括以下步驟：

3、基于圖像采集模塊，獲取目標(biāo)區(qū)域的目標(biāo)類型水稻在各個(gè)生長(zhǎng)階段的階段圖像；

4、基于特征提取模塊，提取所述目標(biāo)類型水稻在各個(gè)階段圖像對(duì)應(yīng)的階段圖像特征；

5、基于產(chǎn)量預(yù)測(cè)模塊、各個(gè)階段圖像特征以及各個(gè)階段圖像對(duì)應(yīng)的環(huán)境參數(shù)，對(duì)所述目標(biāo)類型水稻的目標(biāo)產(chǎn)量進(jìn)行預(yù)估。

6、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種基于視覺圖像的產(chǎn)量預(yù)測(cè)裝置，所述基于視覺圖像的產(chǎn)量預(yù)測(cè)裝置包括：

7、階段圖像獲取模塊，用于基于圖像采集模塊，獲取目標(biāo)區(qū)域的目標(biāo)類型水稻在各個(gè)生長(zhǎng)階段的階段圖像；

8、階段特征提取模塊，用于基于特征提取模塊，提取所述目標(biāo)類型水稻在各個(gè)階段圖像對(duì)應(yīng)的階段圖像特征；

9、目標(biāo)產(chǎn)量預(yù)估模塊，用于基于產(chǎn)量預(yù)測(cè)模塊、各個(gè)階段圖像特征以及各個(gè)階段圖像對(duì)應(yīng)的環(huán)境參數(shù)，對(duì)所述目標(biāo)類型水稻的目標(biāo)產(chǎn)量進(jìn)行預(yù)估。

10、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括處理器、存儲(chǔ)器、以及存儲(chǔ)在所述存儲(chǔ)器上并可被所述處理器執(zhí)行的基于視覺圖像的產(chǎn)量預(yù)測(cè)程序，其中所述基于視覺圖像的產(chǎn)量預(yù)測(cè)程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法的步驟。

11、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有基于視覺圖像的產(chǎn)量預(yù)測(cè)程序，其中所述基于視覺圖像的產(chǎn)量預(yù)測(cè)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法的步驟。

12、本申請(qǐng)?zhí)峁┮环N基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，所述方法基于圖像采集模塊，獲取目標(biāo)區(qū)域的目標(biāo)類型水稻在各個(gè)生長(zhǎng)階段的階段圖像；基于特征提取模塊，提取所述目標(biāo)類型水稻在各個(gè)階段圖像對(duì)應(yīng)的階段圖像特征；基于產(chǎn)量預(yù)測(cè)模塊、各個(gè)階段圖像特征以及各個(gè)階段圖像對(duì)應(yīng)的環(huán)境參數(shù)，對(duì)所述目標(biāo)類型水稻的目標(biāo)產(chǎn)量進(jìn)行預(yù)估。通過上述方式，本申請(qǐng)首先通過圖像采集模塊對(duì)目標(biāo)區(qū)域的目標(biāo)類型水稻的各個(gè)階段的圖像進(jìn)行自動(dòng)采集，減少了人工操作，提高了預(yù)估效率，然后通過特征提取模塊對(duì)采集的各個(gè)階段圖像進(jìn)行特征提取，并基于提取的各個(gè)階段圖像特征進(jìn)行所述目標(biāo)類型水稻的產(chǎn)量預(yù)估，最后通過深度學(xué)習(xí)算法生成的產(chǎn)量預(yù)測(cè)模塊結(jié)合水稻各個(gè)階段圖像對(duì)水稻產(chǎn)量進(jìn)行預(yù)估，在提高了水稻的識(shí)別效率的同時(shí)，提高了水稻產(chǎn)量的預(yù)估準(zhǔn)確率。

技術(shù)特征：

1.一種基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述產(chǎn)量預(yù)測(cè)方法包括以下步驟：

2.如權(quán)利要求1所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述基于特征提取模塊，提取所述目標(biāo)類型水稻在各個(gè)階段圖像對(duì)應(yīng)的階段圖像特征具體包括：

3.如權(quán)利要求2所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述產(chǎn)量預(yù)測(cè)方法還包括：

4.如權(quán)利要求1所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述產(chǎn)量預(yù)測(cè)方法還包括：

5.如權(quán)利要求1所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述基于產(chǎn)量預(yù)測(cè)模塊、各個(gè)階段圖像特征以及各個(gè)階段圖像對(duì)應(yīng)的環(huán)境參數(shù)，對(duì)所述目標(biāo)類型水稻的目標(biāo)產(chǎn)量進(jìn)行預(yù)估之前，還包括：

6.如權(quán)利要求1所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述基于特征提取模塊，提取所述目標(biāo)類型水稻在各個(gè)階段圖像對(duì)應(yīng)的階段圖像特征之前，還包括：

7.如權(quán)利要求1-6中任一項(xiàng)所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，其特征在于，所述圖像采集模塊為無人機(jī)、手持相機(jī)和/或固定攝像頭，所述基于圖像采集模塊，獲取目標(biāo)區(qū)域的目標(biāo)類型水稻在各個(gè)生長(zhǎng)階段的階段圖像具體包括：

8.一種基于視覺圖像的產(chǎn)量預(yù)測(cè)裝置，其特征在于，所述基于視覺圖像的產(chǎn)量預(yù)測(cè)裝置包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括處理器、存儲(chǔ)器、以及存儲(chǔ)在所述存儲(chǔ)器上并可被所述處理器執(zhí)行的基于視覺圖像的產(chǎn)量預(yù)測(cè)程序，其中所述基于視覺圖像的產(chǎn)量預(yù)測(cè)程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有基于視覺圖像的產(chǎn)量預(yù)測(cè)程序，其中所述基于視覺圖像的產(chǎn)量預(yù)測(cè)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的基于視覺圖像的產(chǎn)量預(yù)測(cè)方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)涉及數(shù)據(jù)處理領(lǐng)域，本申請(qǐng)?zhí)峁┮环N基于視覺圖像的產(chǎn)量預(yù)測(cè)方法，所述方法獲取目標(biāo)區(qū)域的目標(biāo)類型水稻在各個(gè)生長(zhǎng)階段的階段圖像；提取所述目標(biāo)類型水稻在各個(gè)階段圖像對(duì)應(yīng)的階段圖像特征；基于各個(gè)階段圖像特征以及各個(gè)階段圖像對(duì)應(yīng)的環(huán)境參數(shù)，對(duì)所述目標(biāo)類型水稻的目標(biāo)產(chǎn)量進(jìn)行預(yù)估。首先通過圖像采集模塊對(duì)目標(biāo)區(qū)域的目標(biāo)類型水稻的各個(gè)階段的圖像進(jìn)行自動(dòng)采集，減少了人工操作，提高了預(yù)估效率，并基于各個(gè)階段圖像特征進(jìn)行所述目標(biāo)類型水稻的產(chǎn)量預(yù)估，最后通過深度學(xué)習(xí)算法生成的產(chǎn)量預(yù)測(cè)模塊結(jié)合水稻各個(gè)階段圖像對(duì)水稻產(chǎn)量進(jìn)行預(yù)估，在提高了水稻的識(shí)別效率的同時(shí)，提高了水稻產(chǎn)量的預(yù)估準(zhǔn)確率。

技術(shù)研發(fā)人員：李遠(yuǎn)超
受保護(hù)的技術(shù)使用者：中國(guó)平安財(cái)產(chǎn)保險(xiǎn)股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6