买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京市农林科学院智能装备技术研究中心申请的专利CO₂平衡驱动的番茄净初级生产力预测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118709844B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410833810.9，技术领域涉及：G06Q10/04；该发明授权CO₂平衡驱动的番茄净初级生产力预测方法及装置是由于景鑫;魏晓明;郑文刚;郭文忠;徐凡;孙维拓设计研发完成，并于2024-06-26向国家知识产权局提交的专利申请。

本CO₂平衡驱动的番茄净初级生产力预测方法及装置在说明书摘要公布了：本发明提供一种CO2平衡驱动的番茄净初级生产力预测方法及装置，其中方法包括：对温室的多模态数据进行数据融合以及关键特征提取，得到关键特征；将关键特征以及物理参数输入CO2平衡计算模型，得到温室的CO2累积消耗量；将CO2累积消耗量输入净初级生产力估算模型，得到番茄净初级生产力。本发明提供的CO2平衡驱动的番茄净初级生产力预测方法及装置，通过将温室的CO2平衡作为净初级生产力预测的主要驱动因素，实现温室内的CO2累积消耗量的实时计算和监测。利用多模态数据融合和深度学习技术，依次构建CO2平衡计算模型和净初级生产力估算模型，实现从数据采集到数据分析的“端到端”流程，提升了净初级生产力预测准确性。

本发明授权CO₂平衡驱动的番茄净初级生产力预测方法及装置在权利要求书中公布了：1.一种CO2平衡驱动的番茄净初级生产力预测方法，其特征在于，所述方法包括：采集温室的多模态数据，所述多模态数据包括温室内的CO2浓度变化数据、温室内的温度数据、温室内的湿度数据、温室内的光照强度数据、温室外的风速数据、温室内的作物的生长状态数据、温室的遥感数据以及温室的控制操作数据中的一项或者多项；对所述多模态数据进行数据融合，并基于多模态变分自编码器对融合后的数据进行关键特征提取，得到所述多模态数据的关键特征；将所述关键特征以及所述温室的物理参数输入预先构建的CO2平衡计算模型，得到所述CO2平衡计算模型输出的所述温室内的CO2累积消耗量，所述CO2平衡计算模型是基于核函数改进的深度核学习神经网络结合深度高斯过程构建的，所述CO2平衡计算模型的训练过程包括：基于随机梯度哈密尔顿蒙特卡罗的哈密尔顿蒙特卡罗采样，自适应调整初始CO2平衡计算模型的参数，得到初步参数调整后的CO2平衡计算模型；基于随机梯度朗之万动力学的朗之万动力学的噪声，自适应地调整所述初步参数调整后的CO2平衡计算模型的参数，得到所述CO2平衡计算模型；将所述CO2累积消耗量输入预先构建的净初级生产力估算模型，得到所述净初级生产力估算模型输出的所述温室内的番茄净初级生产力，所述净初级生产力估算模型是基于稠密连接网络结合注意力机制网络构建的，所述净初级生产力估算模型的训练过程包括：基于自适应梯度裁剪的梯度的二阶矩，自适应地调整初始净初级生产力估算模型的梯度的裁剪阈值，得到初步参数调整后的净初级生产力估算模型；基于自适应动量估计的梯度的一阶矩和二阶矩，自适应地调整所述初步参数调整后的净初级生产力估算模型的学习率和动量，得到所述净初级生产力估算模型；所述将所述关键特征以及所述温室的物理参数输入预先构建的CO2平衡计算模型，得到所述CO2平衡计算模型输出的所述温室内的CO2累积消耗量，包括：将所述关键特征以及所述温室的物理参数输入深度核学习神经网络进行深度特征提取，得到所述关键特征的深度特征；基于核函数，将所述深度特征映射至高维的特征空间，得到高维深度特征；基于深度高斯过程对所述高维深度特征进行CO2累积消耗预测，得到所述温室内的CO2累积消耗量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京市农林科学院智能装备技术研究中心，其通讯地址为：100097 北京市海淀区曙光花园中路11号农科大厦A座1107；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。