[发明专利]一种多源灌溉信息融合决策方法及系统

说明书

本发明公开了一种多源灌溉信息融合决策方法及系统。获得多个灌溉信息。基于灌溉信息，通过灌溉粗略决策模型，得到粗略灌溉决策。基于灌溉信息和灌溉方式，通过DS证据理论，得到多个灌溉概率信息。基于多个灌溉概率信息和粗略灌溉决策，通过灌溉模型，得到详细灌溉决策。使用DS证据理论，得到决策的概率，并且依据概率得到粗略设置的决策方法中概率最高的决策方法。同时使用神经网络，得到粗略设置的决策方法中概率最高的决策方法。再使用DS灌溉神经网络、粗略灌溉神经网络和融合神经网络得到通过训练的融合后的细分决策的分类信息和灌溉概率。将最终得到的灌溉概率与DS所求的灌溉概率相乘，更加准确的得到详细灌溉决策。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种多源灌溉信息融合决策方法及系统。

背景技术

多源信息融合即基于多种(同类或异类)信息源，根据某个特定标准在空间或时间上进行组合，获得被测对象的一致性解释或者描述，并使得该信息系统具有更好的性能。从融合级别上来说，融合模型通常从数据、特征、决策三个层次上进行信息的融合处理。但是数据融合缺点会较繁重的计算负担、较差的实时性能以及需要良好的容错能力来处理传感器数据本身的不稳定性和不确定性，且仅适用于同类传感器的原始数据融合。决策层融合需要压缩传感器测量数据，这不仅具有高处理成本，而且还会丢失大量细节信息。由于水资源的合理利用尤其重要。一般的灌溉方法无法根据天气情况、季节情况和温度情况等情况来进行调整。

发明内容

本发明的目的在于提供了一种多源灌溉信息融合决策方法及系统，用以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种多源灌溉信息融合决策方法，包括：

获得多个灌溉信息；所述灌溉信息表示当前植株的信息；所述灌溉信息包括灌溉图像和灌溉文字信息；所述灌溉图像表示对不同范围植株所拍摄的信息；所述灌溉文字信息表示对不同范围植株情况的记录信息；所述灌溉信息是信息在数据层融合的信息；

基于灌溉信息，通过灌溉粗略决策模型，得到粗略灌溉决策；

基于灌溉信息和灌溉方式，通过DS证据理论，得到多个灌溉概率信息；

基于多个灌溉概率信息和粗略灌溉决策，通过灌溉模型，得到详细灌溉决策；

所述灌溉模型包括DS灌溉神经网络、粗略灌溉神经网络、第一融合神经网络、第二融合神经网络和第三融合神经网络：

DS灌溉神经网络的输入为多个灌溉概率信息；所述粗略灌溉神经网络为的输入多个灌溉概率信息；所述第一融合神经网络的输入为多个灌溉概率信息；所述第二融合神经网络为DS灌溉神经网络的输出和粗略灌溉神经网络为的输出；所述第三融合神经网络的输入为所述第一融合神经网络的输出和所述第二融合神经网络的输出。

可选的，所述基于灌溉信息，通过灌溉粗略决策模型，得到粗略灌溉决策，包括：

所述灌溉粗略决策模型包括卷积神经网络和灌溉决策神经网络；

将植株图像输入卷积神经网络，得到植株特征图；

将植株特征图与同尺寸卷积块相乘，得到单列特征信息；

将单列特征信息和植株文字信息输入灌溉决策神经网络，得到粗略灌溉决策。

可选的，所述灌溉决策神经网络的训练方法：

获得训练集，训练集包括训练灌溉信息和灌溉决策标注信息；所述训练灌溉信息包括训练灌溉图像特征信息和训练灌溉文字信息；所述灌溉决策标注信息包括植株不同状态对应的出水量、灌溉时间、灌溉时长和灌溉方式；

将训练灌溉信息输入灌溉决策神经网络，得到粗略灌溉信息；