本發(fā)明涉及農(nóng)作物監(jiān)測(cè)分析領(lǐng)域，尤其涉及一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著現(xiàn)代農(nóng)業(yè)向智能化、精準(zhǔn)化方向不斷發(fā)展，農(nóng)作物生長(zhǎng)監(jiān)測(cè)作為農(nóng)業(yè)生產(chǎn)管理中的核心環(huán)節(jié)，正逐漸從傳統(tǒng)的人工觀測(cè)方式向高效、自動(dòng)化的智能監(jiān)測(cè)方式轉(zhuǎn)變。為了提升農(nóng)作物產(chǎn)量和品質(zhì)，減少資源浪費(fèi)，實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展，對(duì)作物生長(zhǎng)狀態(tài)進(jìn)行準(zhǔn)確、實(shí)時(shí)的監(jiān)測(cè)已成為當(dāng)前農(nóng)業(yè)科技發(fā)展的關(guān)鍵需求。特別是在氣候變化日益劇烈、農(nóng)業(yè)勞動(dòng)力短缺等問(wèn)題日益突出的背景下，借助先進(jìn)的傳感技術(shù)構(gòu)建智能監(jiān)測(cè)系統(tǒng)，對(duì)于提升農(nóng)業(yè)生產(chǎn)的科學(xué)性和智能化水平具有重要意義。傳統(tǒng)的農(nóng)作物監(jiān)測(cè)方法多依賴人工巡田、目測(cè)評(píng)估和簡(jiǎn)易儀器采集等方式，不僅效率低、受主觀因素影響大，而且難以實(shí)現(xiàn)對(duì)大范圍農(nóng)田的全面、持續(xù)觀測(cè)，容易出現(xiàn)數(shù)據(jù)滯后、信息不全等問(wèn)題，無(wú)法滿足現(xiàn)代農(nóng)業(yè)對(duì)高時(shí)效、高精度和智能決策的要求。尤其在多變的環(huán)境條件下，單一傳感器或孤立數(shù)據(jù)來(lái)源往往無(wú)法全面反映作物的真實(shí)生長(zhǎng)狀態(tài)，影響監(jiān)測(cè)結(jié)果的準(zhǔn)確性與可靠性。

2、近年來(lái)，隨著物聯(lián)網(wǎng)技術(shù)、傳感器技術(shù)以及數(shù)據(jù)融合算法的快速發(fā)展，基于多傳感器融合的作物生長(zhǎng)監(jiān)測(cè)方法逐漸成為研究與應(yīng)用的熱點(diǎn)。通過(guò)集成環(huán)境傳感器（如溫濕度、光照、二氧化碳濃度）、圖像傳感器、土壤傳感器以及氣象傳感器等多種感知設(shè)備，可對(duì)農(nóng)作物生長(zhǎng)環(huán)境和狀態(tài)進(jìn)行全方位、多維度的數(shù)據(jù)采集，從而為農(nóng)業(yè)管理提供更精細(xì)、動(dòng)態(tài)的信息支持。然而，在實(shí)際應(yīng)用過(guò)程中，多傳感器數(shù)據(jù)面臨異構(gòu)性、冗余性與實(shí)時(shí)處理等諸多挑戰(zhàn)。不同傳感器采集的數(shù)據(jù)格式、更新頻率和精度存在顯著差異，如何對(duì)海量、多源的監(jiān)測(cè)數(shù)據(jù)進(jìn)行有效融合、智能分析與實(shí)時(shí)決策，成為當(dāng)前農(nóng)業(yè)信息化技術(shù)研究的瓶頸問(wèn)題。此外，環(huán)境干擾、傳感器故障以及數(shù)據(jù)異常等因素也可能對(duì)監(jiān)測(cè)系統(tǒng)的穩(wěn)定性和準(zhǔn)確性造成影響。因此，需要一種智能化農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為解決上述技術(shù)問(wèn)題，提出了一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法及系統(tǒng)，以解決至少一個(gè)上述技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，包括以下步驟：

3、步驟s1：采集多維度農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)參數(shù)，進(jìn)行環(huán)境多維度感知擬合，構(gòu)建生長(zhǎng)環(huán)境多維度感知模型；

4、步驟s2：獲取農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像及農(nóng)作物生理狀態(tài)原始數(shù)據(jù)集；根據(jù)農(nóng)作物生理狀態(tài)原始數(shù)據(jù)集進(jìn)行生長(zhǎng)狀態(tài)深層演化，構(gòu)建多模態(tài)生長(zhǎng)狀態(tài)演化圖譜；

5、步驟s3：對(duì)農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像流進(jìn)行自適應(yīng)區(qū)域?yàn)V波去噪，并進(jìn)行農(nóng)作物三維形態(tài)演變分析，以得到農(nóng)作物三維形態(tài)演變規(guī)律；

6、步驟s4：根據(jù)多模態(tài)生長(zhǎng)狀態(tài)演化圖譜對(duì)農(nóng)作物三維形態(tài)演變規(guī)律進(jìn)行動(dòng)態(tài)生長(zhǎng)行為變化分析，并根據(jù)生長(zhǎng)環(huán)境多維度感知模型進(jìn)行生長(zhǎng)態(tài)勢(shì)數(shù)字化模擬，構(gòu)建農(nóng)作物生長(zhǎng)態(tài)勢(shì)孿生模型；

7、步驟s5：對(duì)農(nóng)作物生長(zhǎng)態(tài)勢(shì)孿生模型進(jìn)行多時(shí)間尺度生長(zhǎng)模擬，并進(jìn)行偏差反饋補(bǔ)償，構(gòu)建虛實(shí)共振生長(zhǎng)態(tài)勢(shì)演變模型；

8、步驟s6：對(duì)虛實(shí)共振生長(zhǎng)態(tài)勢(shì)演變模型進(jìn)行生長(zhǎng)狀態(tài)仿真驅(qū)動(dòng)，并進(jìn)行最優(yōu)干預(yù)調(diào)控決策，構(gòu)建農(nóng)作物智能監(jiān)測(cè)調(diào)控策略。

9、在本說(shuō)明書(shū)中，提供一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)系統(tǒng)，用于執(zhí)行如上所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，包括：

10、環(huán)境感知模塊，用于采集多維度農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)參數(shù)，進(jìn)行環(huán)境多維度感知擬合，構(gòu)建生長(zhǎng)環(huán)境多維度感知模型；

11、生長(zhǎng)狀態(tài)演化模塊，用于獲取農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像及農(nóng)作物生理狀態(tài)原始數(shù)據(jù)集；根據(jù)農(nóng)作物生理狀態(tài)原始數(shù)據(jù)集進(jìn)行生長(zhǎng)狀態(tài)深層演化，構(gòu)建多模態(tài)生長(zhǎng)狀態(tài)演化圖譜；

12、形態(tài)演變模塊，用于對(duì)農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像流進(jìn)行自適應(yīng)區(qū)域?yàn)V波去噪，并進(jìn)行農(nóng)作物三維形態(tài)演變分析，以得到農(nóng)作物三維形態(tài)演變規(guī)律；

13、態(tài)勢(shì)模擬模塊，用于根據(jù)多模態(tài)生長(zhǎng)狀態(tài)演化圖譜對(duì)農(nóng)作物三維形態(tài)演變規(guī)律進(jìn)行動(dòng)態(tài)生長(zhǎng)行為變化分析，并根據(jù)生長(zhǎng)環(huán)境多維度感知模型進(jìn)行生長(zhǎng)態(tài)勢(shì)數(shù)字化模擬，構(gòu)建農(nóng)作物生長(zhǎng)態(tài)勢(shì)孿生模型；

14、偏差補(bǔ)償模塊，用于對(duì)農(nóng)作物生長(zhǎng)態(tài)勢(shì)孿生模型進(jìn)行多時(shí)間尺度生長(zhǎng)模擬，并進(jìn)行偏差反饋補(bǔ)償，構(gòu)建虛實(shí)共振生長(zhǎng)態(tài)勢(shì)演變模型；

15、干預(yù)調(diào)控模塊，用于對(duì)虛實(shí)共振生長(zhǎng)態(tài)勢(shì)演變模型進(jìn)行生長(zhǎng)狀態(tài)仿真驅(qū)動(dòng)，并進(jìn)行最優(yōu)干預(yù)調(diào)控決策，構(gòu)建農(nóng)作物智能監(jiān)測(cè)調(diào)控策略。

16、本發(fā)明的有益效果具體為：通過(guò)采集溫度、濕度、光照、土壤ph、水分含量、co2濃度等多維度環(huán)境數(shù)據(jù)，實(shí)現(xiàn)農(nóng)作物生長(zhǎng)環(huán)境的高精度還原。通過(guò)非線性多元擬合，揭示不同環(huán)境因子對(duì)農(nóng)作物生長(zhǎng)狀態(tài)的綜合影響關(guān)系。為后續(xù)生長(zhǎng)狀態(tài)模擬和調(diào)控提供可量化、可計(jì)算的環(huán)境輸入變量框架。結(jié)合多時(shí)間段圖像數(shù)據(jù)與原始生理指標(biāo)（如葉綠素濃度、蒸騰速率、光合作用效率等），全面記錄作物生命過(guò)程。通過(guò)深度學(xué)習(xí)技術(shù)，將圖像特征與生理狀態(tài)進(jìn)行融合，揭示從視覺(jué)形態(tài)到內(nèi)部生理的演化規(guī)律。為每類作物構(gòu)建時(shí)間連續(xù)性的生長(zhǎng)狀態(tài)圖譜，支持后續(xù)行為預(yù)測(cè)與趨勢(shì)推演。自適應(yīng)區(qū)域?yàn)V波可有效去除風(fēng)吹、水霧、光斑等干擾噪聲，提高監(jiān)測(cè)圖像的穩(wěn)定性?；诙嘟嵌葓D像構(gòu)建三維模型，分析作物高度、冠幅、葉片展開(kāi)等動(dòng)態(tài)變化特征。建立作物發(fā)育過(guò)程中不同部位的生長(zhǎng)節(jié)律和形態(tài)擴(kuò)展軌跡，為模型預(yù)測(cè)提供空間特征基礎(chǔ)。通過(guò)圖譜與三維形態(tài)數(shù)據(jù)融合，建立農(nóng)作物在不同階段的典型生長(zhǎng)行為模型。利用環(huán)境多維度感知模型，與作物三維變化規(guī)律共同驅(qū)動(dòng)數(shù)字模擬，實(shí)現(xiàn)復(fù)雜狀態(tài)模擬。該模型可在虛擬環(huán)境中模擬現(xiàn)實(shí)生長(zhǎng)狀態(tài)變化，提升對(duì)不同環(huán)境條件下作物反應(yīng)的預(yù)測(cè)準(zhǔn)確性。多時(shí)間尺度建模讓系統(tǒng)既能實(shí)時(shí)調(diào)整，又能規(guī)劃未來(lái)生長(zhǎng)策略。將模擬結(jié)果與實(shí)際生長(zhǎng)狀態(tài)進(jìn)行比對(duì)，形成反饋回路，不斷優(yōu)化模擬參數(shù)，提升孿生模型的真實(shí)性。在模擬與實(shí)況之間建立閉環(huán)驅(qū)動(dòng)系統(tǒng)，確保模擬系統(tǒng)不僅“像現(xiàn)實(shí)”，還能影響現(xiàn)實(shí)管理。在虛擬仿真環(huán)境中測(cè)試不同施肥、灌溉、遮陽(yáng)、通風(fēng)策略，找出最優(yōu)組合，降低田間試錯(cuò)成本。通過(guò)模擬結(jié)果反推最適宜的干預(yù)時(shí)機(jī)、劑量與頻次，提高資源利用效率。實(shí)現(xiàn)自動(dòng)感知—模擬演化—智能調(diào)控的閉環(huán)系統(tǒng)，推動(dòng)農(nóng)作物向智能化、自適應(yīng)、精準(zhǔn)調(diào)度方向發(fā)展。

技術(shù)特征：

1.一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，步驟s1具體步驟為：

3.根據(jù)權(quán)利要求2所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，所述對(duì)所述農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)參數(shù)進(jìn)行時(shí)空標(biāo)準(zhǔn)優(yōu)化，構(gòu)建重定位標(biāo)準(zhǔn)環(huán)境監(jiān)測(cè)參數(shù)的具體步驟為：

4.根據(jù)權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，步驟s2具體步驟為：

5.根據(jù)權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，步驟s3具體步驟為：

6.根據(jù)權(quán)利要求5所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，所述對(duì)農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像流進(jìn)行自適應(yīng)區(qū)域?yàn)V波去噪，構(gòu)建濾波去噪監(jiān)測(cè)圖像流的具體步驟為：

7.根據(jù)權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，步驟s4的具體步驟為：

8.根據(jù)權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，步驟s5的具體步驟為：

9.根據(jù)權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，其特征在于，步驟s6的具體步驟為：

10.一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)系統(tǒng)，其特征在于，用于執(zhí)行如權(quán)利要求1所述的基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法，包括：

技術(shù)總結(jié)
本發(fā)明涉及農(nóng)作物監(jiān)測(cè)分析領(lǐng)域，尤其涉及一種基于多傳感器融合的農(nóng)作物生長(zhǎng)監(jiān)測(cè)方法及系統(tǒng)。該方法包括以下步驟：采集多維度農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)參數(shù)，進(jìn)行環(huán)境多維度感知擬合，構(gòu)建生長(zhǎng)環(huán)境多維度感知模型；獲取農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像及農(nóng)作物生理狀態(tài)原始數(shù)據(jù)集；根據(jù)農(nóng)作物生理狀態(tài)原始數(shù)據(jù)集進(jìn)行生長(zhǎng)狀態(tài)深層演化，構(gòu)建多模態(tài)生長(zhǎng)狀態(tài)演化圖譜；對(duì)農(nóng)作物全周期生長(zhǎng)監(jiān)測(cè)圖像流進(jìn)行自適應(yīng)區(qū)域?yàn)V波去噪，并進(jìn)行農(nóng)作物三維形態(tài)演變分析，以得到農(nóng)作物三維形態(tài)演變規(guī)律。本發(fā)明通過(guò)采集實(shí)時(shí)參數(shù)完善虛擬仿真模型，進(jìn)行智能分析及實(shí)時(shí)決策，提高農(nóng)作物監(jiān)測(cè)分析的穩(wěn)定性和準(zhǔn)確性。

技術(shù)研發(fā)人員：黃青,文斌,李丹丹,劉佳,鄧輝,滕飛,劉萌,黃埔,王經(jīng)天,石宇涵
受保護(hù)的技術(shù)使用者：中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/30