专利交易市场

本发明公开了一种基于机器学习的农业生态智能监测调控方法及系统，涉及智能监测的技术领域，包括以下步骤，训练归因模型，根据第一计算结果执行第一操作，划分农田区域并得到问题原因，对归因模型进行补偿，并进行第二调控。本发明通过结果、原因反馈机制，解决传统模型无法自我修正的问题，显著提升长期调控可靠性，将归因结果与农田网格绑定，支撑变量施肥、定点灌溉等精准作业，避免造成资源浪费，在降低污染风险的同时，减少化肥、农药、钝化剂等投入，实现节本增效与绿色生产同步达成。

本发明涉及基于费氏线性判别和支持向量机技术的冬小麦穗赤霉病识别方法，与现有技术相比解决了遥感领域尚无以单穗为载体进行小麦赤霉病研究的缺陷。本发明包括以下步骤：数据获取；近地高光谱数据预处理；建模特征的选择；费氏线性判别与支持向量机相结合模型的建立；获得小麦穗高光谱识别结果。本发明实现了针对于单穗小麦的赤霉病识别。

本申请提供一种基于机器学习的山地果园冻害风险预测方法，包括：获取山地果园区域在过去天的天气数据，进一步生成输入数据；将所述输入数据输入至训练好的冻害风险预测模型中，得到所述冻害风险预测模型输出的冻害风险预测结果；基于所述冻害风险预测结果，生成冻害风险提示信息。

本发明公开了一种蔬菜水果硬度预测模型的建模方法，涉及蔬菜水果质地无损检测技术领域，具体为一种蔬菜水果硬度预测模型的建模方法，包括以下具体步骤：步骤一：试验样本的获取；步骤二：试验样本的准备；步骤三：采集样本的声振响应信号；步骤四：样本参考硬度的测定；步骤五：周期实验；步骤六：生成声振多域图像阵列；步骤七：构建基于声振多域图像阵列的蔬菜水果硬度预测模型。该蔬菜水果硬度预测模型的建模方法，可以充分提取蔬菜水果的声振响应信号中的时频信息和振动特性，从而实现精准预测蔬菜水果的硬度，建模方法预测精度高、效率高，可以实现快速精准预测蔬菜水果的硬度。

本发明涉及一种基于机器学习的蓝莓产量预测方法，属于农作物产量预测技术领域。该方法包括：S1：生成模拟数据集：S2：数据预处理；S3：利用XGBoost选出最优特征子集；S4：构建基学习器，包括随机森林、梯度提升决策树、支持向量机；S5：构建多模型融合的Stacking集成学习元模型：选择Stacking模型集成策略将三种经过优化的基学习器作为模型第一层，将第一层基学习器的输出作为第二层元学习器的输入进行再训练，得到完整的模型；S6：评价元模型预测性能；S7：验证元模型；S8：计算特征重要性程度。本发明解决了农业系统中数据采集困难的问题，能够快速预测蓝莓产量，减少采集数据样本，提高预测精度。