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！

摘要：本发明涉及番茄种植决策领域，具体涉及一种基于双分支网络的番茄种植决策方法及计算机装置。方案包括：多模态数据采集与融合；通过自注意力生成对抗网络对融合数据增强；通过Transformer‑CNN双分支网络进行特征提取；通过DDPG进行强化学习和决策。本发明在处理复杂结构和纹理图像时，自注意力层能更好地把握图像区域关系，生成更准确的自然数据，充分利用自注意力机制捕捉全局语义信息和长距离依赖关系，CNN提取局部特征和空间信息，实现多模态数据的有效融合与特征提取，然后运用DDPG算法解决连续动作空间问题，结合确定性策略和经验回放机制，极大地提高了番茄种植决策的准确性，本发明适用于番茄种植决策。

主权项：1.基于双分支网络的番茄种植决策方法，其特征在于，包括：S1、多模态数据采集；S2、多模态数据融合，所述多模态数据包含图像、气象以及土壤数据；S3、通过自注意力生成对抗网络对融合数据增强；S4、通过Transformer-CNN双分支网络进行特征提取；通过Transformer分支将图像、气象以及土壤数据融合获得的输入序列通过Transformer分支的编码器，利用自注意力机制和多头注意力捕捉全局语义信息和长距离依赖关系，得到包含全局特征的输出向量；通过CNN分支将图像、气象以及土壤数据以不同方式融合后作为输入，通过多个卷积层提取局部特征和空间信息，再经过池化层降低维度，最终得到包含局部特征和空间信息的输出向量；通过拼接、加权融合或注意力融合方式将两个分支的输出向量进行融合，再经过全连接层处理、添加Dropout和正则化项，得到最终用于后续任务的综合特征向量；S5、通过DDPG进行强化学习和决策；综合特征向量输入时，在DDPG中，初始化阶段随机设置Actor和Critic网络参数及目标网络，并创建回放缓冲区，在与环境交互阶段，依据输入向量通过Actor网络生成动作并应用于环境，环境反馈下一个状态、奖励和结束标志，同时将当前交互经验存入回放缓冲区；训练阶段从缓冲区抽取样本，计算Critic网络损失函数并通过随机梯度下降更新参数，计算Actor网络策略梯度并更新参数，同时缓慢更新目标网络参数；决策阶段，测试时根据输入向量由Actor网络生成动作并应用于环境，重复此过程直至任务结束，从而实现基于多模态数据特征输入的决策。

全文数据：

权利要求：

百度查询： 四川农业大学 基于双分支网络的番茄种植决策方法及计算机装置