基于多类型传感器数据融合的作物异常诊断方法与设备

本发明公开了基于多类型传感器数据融合的作物异常诊断方法与设备，本发明涉及农业物联网与人工智能的交叉技术领域。该基于多类型传感器数据融合的作物异常诊断方法与设备，通过整合环境传感器数据、多光谱特征、物理经验公式和LSTM神经网络模型训练，构建多维特征空间，突破单一数据源的局限性，LSTM神经网络模型采用门控协同机制，利用遗忘门过滤无关历史信息、输入门捕捉关键新特征、输出门控制信息输出粒度，实现动态信息筛选，并且，利用记忆细胞的线性更新避免传统循环神经网络中连乘导致的梯度消失或者爆炸问题，适合处理长序列数据，具有梯度稳定性，并且通过动态调整对输入序列各位置的关注度，具有动态聚焦能力。