一种基于深度学习的植物性状无损监测方法及装置

本申请提供了一种基于深度学习的植物性状无损监测方法及装置，有效地解决了现有的针对植物性状监测的方法存在的泛化性低不具备普遍性的问题。该方法包括：对多个具备植物物种的植物数据集进在目标光谱范围下进行光谱测量，并通过光谱辐射计获取到测量过程中多种植物性状参数生成多组光谱数据；分别从基于所述多组光谱数据以及多种植物性状参数产生的反射模拟光谱和透射模拟光谱中提取出多组标签对，并编码所述多组标签对得到多个光谱特征；控制所述性状预测模型处理所述光谱特征地图得到植物性状数据，以基于所述植物性状数据完成对不同生态系统中的植物性状的无损监测。