摘要
本申请提供了一种基于人工智能的多模态数据融合方法及系统,涉及数据融合领域,其首先采集农作物生长状态图像、农作物植株本体红外图像和土壤湿度值,然后,在后端引入基于人工智能和深度学习的数据处理和图像分析算法来对这些采集的数据进行分析,以此利用农作物植株本体水分分布特征和土壤湿度时序特征之间的隐式关联来刻画出农作物水分供给跨模态时序联合编码特征,最后进行解码对农作物灌溉量进行优化控制,能够利用人工智能和深度学习技术结合多模态的数据分析来实现更为智能化的农作物灌溉量自适应控制,避免传统灌溉方式带来的问题,为灌溉决策提供科学依据。
技术关键词
农作物生长状态
跨模态
编码特征
数据融合方法
分布特征
时序特征
土壤湿度传感器
空洞卷积神经网络
队列
红外摄像头
特征提取模块
数据融合系统
图像分析算法
卷积神经网络模型
编码模块
深度学习技术
解码
系统为您推荐了相关专利信息
风险预警方法
风险预测模型
资源配置数据
计划
决策
煤矿工作面
水害探测方法
动态监测数据
空间关联分析
水文地质条件
遥感图像增强方法
地表特征
对比度
均值滤波方法
分布特征
数据自动标注方法
标注系统
图像多模态
标签
文本
多策略融合
路径规划方法
初始化算法
表达式
位置更新