【技术实现步骤摘要】
本专利技术涉及数据分析，尤其涉及一种基于3dsrc_r的储粮温度场预测方法及系统。
技术介绍
1、图像超分辨率(super-resolution，sr)是计算机视觉领域一个经典的问题，研究的是如何将低分辨率图像(low resolution，lr)转化为高分辨率图像(high resolution，hr)。对比传统sr算法，基于cnn的超分辨率算法—srcnn模型结构简单、推理速度快以及重建质量高。
2、目前的储粮温度预测过程，主要采用传统的差值算法，如线性插值法(trilinear)、最近邻插值法(nearest)、普通克里金插值法(ok)和径向基函数插值法(rbf)等常用的方法尚不能满足利用粮堆内温度传感器测量的散点数据，生成更精细温度场矩阵，更直观且精确地监测储粮环境的温度分布的要求。
3、因此，提出一种基于3dsrc_r的储粮温度场预测方法及系统，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于3dsrc_r的储粮温度场预测方法及系统，能够利用粮堆内温度传感器测量的散点数据，生成更精细温度场矩阵，为更直观且精确地监测储粮环境的温度分布提供了新的途径。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于3dsrc_r的储粮温度场预测方法，包括以下步骤：
4、s1.获取数据：获取粮食测温点三维空间低分辨率数据，对三维空间低分辨率数据进行插值重
5、s2.数据处理：对得到的三维空间高分辨率数据进行处理，并构建三维温度空间数据集；
6、s3.数据生成：将三维温度空间数据集生成输入数据集和目标数据集；
7、s4.模型训练：将输入数据集输入3dsrc_r模型，经过若干次训练后，得到训练好的3dsrc_r模型；
8、s5.温度预测：将目标数据集输入训练好的3dsrc_r模型，得到储粮温度场的预测结果。
9、上述的方法，可选的，s1中获取的粮食测温点三维空间低分辨率数据固定为4×6×6尺寸，三维空间高分辨率数据固定为8×12×12尺寸。
10、上述的方法，可选的，s2中对得到的三维空间高分辨率数据进行数据筛选处理；根据数据筛选后的每条三维空间高分辨率数据中记录的所有测温点，构建温度空间数据集。
11、上述的方法，可选的，s3中将三维温度空间数据集生成输入数据集和目标数据集的具体内容为：对三维温度空间数据集中的每个样本按照步长为3进行切割，形成固定尺寸为4×6×6的小样本，多个小样本组成固定尺寸的三维温度空间小样本集，利用最近邻插值法将小样本扩展至8×12×12的尺寸，添加正态分布噪音，形成目标数据集；
12、对8×12×12尺寸的目标数据集进行下采样，得到4×6×6尺寸的抽样数据集，作为输入数据集。
13、上述的方法，可选的，s4中3dsrc_r模型包括块析出与表示模块、基于内部残差的非线性映射模块、基于外部残差的重构模块。
14、上述的方法，可选的，块析出与表示模块，通过三线性插值法将三维空间低分辨率数据的空间维度放大，获得与三维空间高分辨率数据空间维度相同的三维低分辨率空间数据，引入三维卷积神经网络在三维空间中提取和表示数据的特征；
15、基于内部残差的非线性映射模块设置为三个三维残差卷积块的叠加；
16、基于外部残差的重构模块，包括两个部分：一是对输入数据集的输入数据进行反卷积操作，扩展空间维度和特征空间范围；二是对经过块析出与表示模块、基于内部残差的非线性映射模块处理后得到的结果进行卷积操作，进一步对输入数据的空间特征进行提取和降维；将这两部分结果相加并进行信息融合，得到输入数据重构后的结果。
17、一种基于3dsrc_r的储粮温度场预测系统，应用上述任一项的一种基于3dsrc_r的储粮温度场预测方法，包括：获取数据模块、数据处理模块、数据生成模块、模型训练模块、温度预测模块；
18、获取数据模块，与数据处理模块的输入端连接，用于获取粮食测温点三维空间低分辨率数据，对三维空间低分辨率数据进行插值重构得到三维空间高分辨率数据；
19、数据处理模块，与数据划分模块的输入端连接，用于对得到的三维空间高分辨率数据进行处理，并构建三维温度空间数据集；
20、数据生成模块，与模型训练模块的输入端连接，用于将三维温度空间数据集生成输入数据集和目标数据集；
21、模型训练模块，与温度预测模块的输入端连接，用于将输入数据集输入3dsrc_r模型，经过若干次训练后，得到训练好的3dsrc_r模型；
22、温度预测模块，用于将目标数据集输入训练好的3dsrc_r模型，得到储粮温度场的预测结果。
23、经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种基于3dsrc_r的储粮温度场预测方法及系统，具有以下有益效果：本专利技术3dsrc_r模型能够利用粮堆内温度传感器测量的散点数据，生成更精细温度场矩阵，为更直观且精确地监测储粮环境的温度分布提供了新的途径；相较于传统的线性插值、最近邻插值、克里金插值和径向基函数插值，本专利技术3dsrc_r模型在测试中有更出色的表现，具备实际应用的潜力。
本文档来自技高网...【技术保护点】
1.一种基于3DSRC_R的储粮温度场预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于3DSRC_R的储粮温度场预测方法，其特征在于，
3.根据权利要求1所述的一种基于3DSRC_R的储粮温度场预测方法，其特征在于，
4.根据权利要求1所述的一种基于3DSRC_R的储粮温度场预测方法，其特征在于，
5.根据权利要求1所述的一种基于3DSRC_R的储粮温度场预测方法，其特征在于，
6.根据权利要求5所述的一种基于3DSRC_R的储粮温度场预测方法，其特征在于，
7.一种基于3DSRC_R的储粮温度场预测系统，其特征在于，应用权利要求1-6任一项所述的一种基于3DSRC_R的储粮温度场预测方法，包括：获取数据模块、数据处理模块、数据生成模块、模型训练模块、温度预测模块；
【技术特征摘要】
1.一种基于3dsrc_r的储粮温度场预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于3dsrc_r的储粮温度场预测方法，其特征在于，
3.根据权利要求1所述的一种基于3dsrc_r的储粮温度场预测方法，其特征在于，
4.根据权利要求1所述的一种基于3dsrc_r的储粮温度场预测方法，其特征在于，
5.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。