【技术实现步骤摘要】
本专利技术涉及智能农业信息处理，尤其涉及一种玉米缺失性状数据填充和产量测算方法、装置、电子设备及存储介质。
技术介绍
1、玉米作为中国第一大粮食作物，玉米产量对粮食安全和农业政策的制定具有重要意义。其中影响玉米产量的因素十分复杂，温度、降水、土壤、湿度等多种气象因素，以及这些气象因素之间的相互作用都会显著的影响玉米产量。而且玉米生长过程中的性状表现（如株高，穗长，穗位高，行粒数等）也能很大程度上反映出玉米产量。
2、近年来，机器学习和深度学习技术在作物产量预测领域的应用取得了显著进展。具体来说，包括多层感知器、长短期记忆网络和卷积神经网络等模型已被开发用于精确预测产量。尽管这些模型在特定地区取得了良好的预测效果，但它们通常基于某一固定区域的数据进行训练和测试，限制了模型的泛化能力和在不同地理环境中的应用。同时，不同玉米种植地点之间存在空间关联性，且玉米的不同性状之间也有内在联系。当前的预测模型往往未充分考虑这种空间关联和性状间关系。同时，玉米性状数据的采集存在数据缺失和样本不平衡的问题，这些问题若未得到妥善解决，将影响预测结果的准确性。
技术实现思路
1、本专利技术提供一种玉米缺失性状数据填充和产量测算方法及装置，用以解决相关技术中往往未充分考虑空间关联和性状间关系以及玉米性状数据的采集存在数据缺失和样本不平衡等问题。
2、本专利技术提供一种玉米缺失性状数据填充和产量测算方法，包括如下步骤：
3、获取玉米种植数据，并将所述玉米种植数据转换为二部图
4、基于所述二部图数据结构构建二部图神经网络，获得玉米缺失性状数据填充和产量测算模型；
5、利用梯度平衡机制构建所述玉米缺失性状数据填充和产量测算模型的损失函数，并利用玉米种植数据训练集对构建损失函数的玉米缺失性状数据填充和产量测算模型进行训练，获得训练完成的玉米缺失性状数据填充和产量测算模型；
6、利用所述训练完成的玉米缺失性状数据填充和产量测算模型对待检测数据进行预测，得到预测结果。
7、根据本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，获取玉米种植数据，并将所述玉米种植数据转换为二部图数据结构，包括：
8、收集玉米种植地点气象数据与玉米性状数据，利用编码方式初始化每个节点的数值，并将原始表格中的数据转换为边的权重，得到二部图数据结构。
9、根据本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，利用编码方式初始化每个节点的数值，并将原始表格中的数据转换为边的权重，包括：
10、收集玉米育种过程中的种植地气象特征、玉米株高、穗位、生育期、产量相关特征，构建原始数据集；
11、将所述原始数据集的特征名称作为二部图数据结构的第一类节点，将所述原始数据集的种植数据编号作为二部图数据结构的第二类节点，并将原始数据集中的数据值作为二部图数据结构中边的权重；
12、将所述第一类节点和所述第二类节点中的数值使用热编码方式进行初始化，获得二部图数据结构。
13、根据本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，基于所述二部图数据结构构建二部图神经网络，获得玉米测算模型，包括：
14、基于所述二部图数据结构构建由图更新层和预测层组成的二部图神经网络；
15、在所述图更新层中使用边嵌入更新节点特征，基于所述节点特征更新边的权重；
16、基于所述节点特征和所述边的权重为数据缺失值填充新的特征向量，将所述图更新层最后一层获取的节点特征输入所述预测层，获得玉米缺失性状数据填充和产量测算模型。
17、根据本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，还包括：
18、所述二部图神经网络由3层图更新层和1层预测层组成，利用边嵌入更新节点特征，基于节点特征反向更新边的权重，利用全连接层完成玉米缺失性状数据填充和产量测算模型的构建。
19、根据本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，利用梯度平衡机制构建所述玉米缺失性状数据填充和产量测算模型的损失函数，包括：利用梯度平衡机制嵌入绝对值误差损失函数，其计算公式为：
20、
21、其中，表示训练样本的个数，表示产量的估计值，表示产量的真实值，表示损失，用于衡量预测值和真实值之间的差异，为常数。
22、根据本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，还包括：构建图形化界面展示缺失性状填充结果和产量预测结果。
23、本专利技术还提供一种玉米缺失性状数据填充和产量测算装置，包括如下模块：
24、数据获取模块，获取玉米种植数据，并将所述玉米种植数据转换为二部图数据结构；
25、模型构建模块，基于所述二部图数据结构构建二部图神经网络，获得玉米缺失性状数据填充和产量测算模型；
26、模型训练模块，利用梯度平衡机制构建所述玉米缺失性状数据填充和产量测算模型的损失函数，并利用玉米种植数据训练集对构建损失函数的玉米缺失性状数据填充和产量测算模型进行训练，获得训练完成的玉米缺失性状数据填充和产量测算模型；
27、预测模块，利用所述训练完成的玉米缺失性状数据填充和产量测算模型对待检测数据进行预测，得到预测结果。
28、本专利技术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方法。
29、本专利技术还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种方法。
30、本专利技术提供的一种玉米缺失性状数据填充和产量测算方法，将原始数据特征名称以及种植数据编号分别作为二部图数据结构的两类节点，将包含缺失性状数据的原始数据表转化为二部图数据结构，构造二部图神经网络结构及基于梯度平衡机制的损失函数，通过计算估计值和真实值的差异，动态调整样本权重，有效降低因各种植地点间样本不平衡问题对模型性能的影响，提高农业生产效率和减少因传统方法产量估测偏差过大带来的损失。
本文档来自技高网...【技术保护点】
1.一种玉米缺失性状数据填充和产量测算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述获取玉米种植数据，并将所述玉米种植数据转换为二部图数据结构，包括：
3.根据权利要求2所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述利用编码方式初始化每个节点的数值，并将原始表格中的数据转换为边的权重，包括：
4.根据权利要求1所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述基于所述二部图数据结构构建二部图神经网络，获得玉米缺失性状数据填充和产量测算模型，包括：
5.根据权利要求4所述的玉米缺失性状数据填充和产量测算方法，其特征在于，还包括：
6.根据权利要求1所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述利用梯度平衡机制构建所述玉米缺失性状数据填充和产量测算模型的损失函数，包括：利用梯度平衡机制嵌入绝对值误差损失函数，其计算公式为：
7.根据权利要求1所述的玉米缺失性状数据填充和产量测算方法，其特征在于，还包括：构建图形化界面展
8.一种玉米缺失性状数据填充和产量测算装置，其特征在于，包括：
9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法。
...【技术特征摘要】
1.一种玉米缺失性状数据填充和产量测算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述获取玉米种植数据，并将所述玉米种植数据转换为二部图数据结构，包括：
3.根据权利要求2所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述利用编码方式初始化每个节点的数值，并将原始表格中的数据转换为边的权重，包括：
4.根据权利要求1所述的玉米缺失性状数据填充和产量测算方法，其特征在于，所述基于所述二部图数据结构构建二部图神经网络，获得玉米缺失性状数据填充和产量测算模型，包括：
5.根据权利要求4所述的玉米缺失性状数据填充和产量测算方法，其特征在于，还包括：
6.根据权利要求1所述的玉米缺失性状数据...
【专利技术属性】
技术研发人员：王开义，韩焱云，何旭良，王书锋，杨锋，赵向宇，张东峰，张祺，
申请(专利权)人：北京市农林科学院信息技术研究中心，
类型：发明
国别省市：
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。