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！

龙图腾网恭喜石家庄市农林科学研究院申请的专利温室番茄根长密度的预测方法、装置及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118799109B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411269112.7，技术领域涉及：G06Q50/02；该发明授权温室番茄根长密度的预测方法、装置及存储介质是由康艺凡;于景鑫;黄媛;杨英茹;高欣娜;武猛;李海杰;杜亚茹;黄家旋;武阳阳;杜鹏飞设计研发完成，并于2024-09-11向国家知识产权局提交的专利申请。

本温室番茄根长密度的预测方法、装置及存储介质在说明书摘要公布了：本发明提供一种温室番茄根长密度的预测方法、装置及存储介质，涉及用于预测目的的数据处理技术领域，所述方法包括：获取根长密度影响因素数据；将所述根长密度影响因素数据输入至预训练的根长密度预测模型中，获取所述根长密度预测模型输出的根长密度预测值，所述根长密度预测模型是基于根长密度预测值和每个根长密度影响因素的注意力权重训练得到的。本发明提供的温室番茄根长密度的预测方法、装置及存储介质，将根长密度影响因素数据输入至预训练的根长密度预测模型中，通过半监督对抗生成网络和深度可分离图卷积网络可以得到根长密度预测值，能够提高对温室番茄根长密度的预测精度。

本发明授权温室番茄根长密度的预测方法、装置及存储介质在权利要求书中公布了：1.一种温室番茄根长密度的预测方法，其特征在于，包括：获取根长密度影响因素数据；将所述根长密度影响因素数据输入至预训练的根长密度预测模型中，获取所述根长密度预测模型输出的根长密度预测值，所述根长密度预测模型是基于根长密度预测值和每个根长密度影响因素的注意力权重训练得到的，所述根长密度预测值是基于隐含特征确定的，所述隐含特征是基于半监督对抗生成网络和深度可分离图卷积网络确定的；所述根长密度预测模型的训练步骤，包括：获取无标注数据集和有标注数据集，所述无标注数据集是基于根长密度影响因素数据确定的，所述有标注数据集是基于根长密度影响因素数据和根长密度值确定的；基于所述半监督对抗生成网络对所述无标注数据集和所述有标注数据集进行数据增强生成合成数据；基于所述深度可分离图卷积网络从所述合成数据中提取隐含特征；基于深度残差网络将所述隐含特征转换为根长密度预测值，并基于多头自注意力机制和所述隐含特征确定每个根长密度影响因素的注意力权重；基于所述根长密度预测值和每个根长密度影响因素的注意力权重，通过反向传播和自适应矩估计更新所述根长密度预测模型的模型参数；所述基于所述半监督对抗生成网络对所述无标注数据集和所述有标注数据集进行数据增强生成合成数据，包括：基于所述无标注数据集和所述有标注数据集对所述半监督对抗生成网络进行训练；基于训练后的半监督对抗生成网络将所述无标注数据集和条件变量进行合成，得到合成数据；所述条件变量用于提高所述根长密度影响因素数据的多样性；所述基于所述无标注数据集和所述有标注数据集对所述半监督对抗生成网络进行训练，包括：基于所述半监督对抗生成网络中的生成器将所述无标注数据集和条件变量合成，得到合成数据，并基于所述半监督对抗生成网络中的判别器将所述有标注数据集和条件变量合成，得到真实数据；基于所述合成数据、所述真实数据和二元交叉熵损失，得到合成损失和真实损失，并基于所述合成损失和所述真实损失优化所述判别器；基于所述合成数据和二元交叉熵损失，得到对抗损失和重构损失，并基于所述对抗损失和所述重构损失优化所述生成器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人石家庄市农林科学研究院，其通讯地址为：050049 河北省石家庄市市辖区长安区胜利北街479号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。