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！

申请/专利权人：云南瀚哲科技有限公司

摘要：本发明涉及耕地质量检测技术领域，具体而言，涉及基于机器学习的耕地土壤水分状况评估与质量分级方法，该方法的步骤包括：获取耕地的多源历史数据，并执行几何校正、辐射定标及大气校正，形成训练数据集及测试数据集；基于训练数据集对土壤水分含量评估指标模型进行训练，并计算测试数据集与预测的土壤水分含量评估指标之间的损失值，同时通过设定目标函数对土壤水分含量评估指标模型进行优化；通过完成训练的土壤水分含量评估指标模型计算耕地的土壤水分含量指标预测值，对耕地的土壤水分含量指标预测值进行量化计算，并基于设定判断逻辑，对土壤水分状况的综合评估值进行综合评估和分级，生成耕地的质量分布图。

主权项：1.基于机器学习的耕地土壤水分状况评估与质量分级方法，其特征在于，该方法的步骤包括：获取耕地的多源历史数据，对耕地的多源历史数据进行几何校正、辐射定标及大气校正，以构建训练数据集及测试数据集；基于训练数据集对预设的土壤水分含量评估指标模型进行训练，并计算测试数据集与预测的土壤水分含量评估指标之间的损失值，同时通过设定目标函数对土壤水分含量评估指标模型进行优化，输出完成训练的土壤水分含量评估指标模型；通过完成训练的土壤水分含量评估指标模型计算耕地的土壤水分含量指标预测值，对耕地的土壤水分含量指标预测值进行量化计算，得到土壤水分状况的综合评估值，并基于设定判断逻辑，对土壤水分状况的综合评估值进行综合评估和分级，生成耕地的质量分布图；所述耕地的多源历史数据，其具体包括：设定分辨率遥感影像数据、土壤理化性质数据及气象数据；所述土壤水分含量评估指标模型，其具体为R-CNN模型，由输入层、卷积层、区域建议层、RoI池化层、全连接层及输出层所构成，其中，Rol池化层引入通道注意力及空间注意力；所述输入层的计算公式为： 其中，为遥感影像数据，H、W、C分别为遥感影像的高度、宽度和波段数，为土壤理化性质数据，N为样本数，为气象数据，、分别为土壤理化性质数据和气象数据的特征维度；所述卷积层的计算公式为： 其中，、为卷积层的权重和偏置，为激活函数；所述区域建议层的计算公式为： 其中，为区域建议层的权重，R为生成的候选区域集合；所述RoI池化层的计算公式为： 其中，为池化后的特征图，、分别为通道注意力的权重,为sigmoid激活函数，为的卷积操作，为逐元素相乘，为展平操作；所述全连接层的计算公式为： 其中，、为全连接层的权重和偏置；所述输出层的计算公式为： 其中，、为输出层的权重和偏置；所述通过设定目标函数对土壤水分含量评估指标模型进行优化，其具体以土壤水分含量评估指标模型的综合性能最优为优化目标，其计算公式为： 其中，为目标函数，t为时间步，其取值范围为1到T，T为总的时间步数，n为样本编号，取值范围为1到N，N为总的样本数量，为在时间步t下，土壤水分含量评估指标模型对第n个样本的土壤水分含量预测值，即，为预测效用函数，用于衡量土壤水分含量评估指标模型预测值的准确性，为资源成本函数，用于衡量获取和处理第n个样本数据所需的资源成本，为在时间步t和t-1之间，土壤水分含量评估指标模型对第n个样本的预测值的变化量的绝对值，用于衡量预测结果的稳定性，为输出层参数的正则化项，用于控制土壤水分含量评估指标模型复杂度，即；所述对耕地的土壤水分含量指标预测值进行量化计算，得到土壤水分状况的综合评估值，其具体为：通过完成训练的土壤水分含量评估指标模型计算获取耕地的土壤水分含量的预测值；通过归一化将耕地的土壤水分含量的预测值映射到[0,1]区间，得到量化值；将量化值带入指数加权算法进行计算，得到土壤水分状况的综合评估值；所述将量化值带入指数加权算法进行计算，其具体计算公式为： 其中，为土壤水分含量的最优值，、为调节参数。

全文数据：

权利要求：

百度查询： 云南瀚哲科技有限公司 基于机器学习的耕地土壤水分状况评估与质量分级方法