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！

龙图腾网获悉中国农业科学院农业环境与可持续发展研究所申请的专利青稞灌溉施肥的优化方法、装置及计算机可读存储介质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：CN119397365B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510006100.3，技术领域涉及：G06F18/241；该发明授权青稞灌溉施肥的优化方法、装置及计算机可读存储介质是由梅旭荣;刘恩科;彭君;刘布春;陈迪;韩锐设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本青稞灌溉施肥的优化方法、装置及计算机可读存储介质在说明书摘要公布了：本申请公开了一种青稞灌溉施肥的优化方法、装置及计算机可读存储介质。其中，该方法，包括：采集预设周期内青稞种植区域的环境信息；通过预设的产量预测模型根据环境信息，确定各个青稞产量区间的概率值；根据环境信息以及概率值生成相应的关联信息，其中关联信息用于指示环境信息与青稞产量之间的关联关系；以及通过预设的配比模型根据关联信息，优化用于青稞灌溉施肥的水肥组分的组分比例。

本发明授权青稞灌溉施肥的优化方法、装置及计算机可读存储介质在权利要求书中公布了：1.一种青稞灌溉施肥的优化方法，其特征在于，包括： 通过环境信息预测模型根据历史环境信息预测未来的预设周期内青稞种植区域的环境信息[TA]＝[A1,A2,...,An]，其中n表示所述预设周期内月份的数量，Ai表示第i个月的环境特征向量，i＝1～n，并且其中所述环境信息包括月平均气压、月平均气温、月平均水汽压、月降水量、月日照时数、相对湿度和风速； 通过预设的产量预测模型根据所述环境信息，确定各个青稞产量区间的概率值； 根据所述环境信息以及所述概率值生成相应的关联信息，其中所述关联信息用于指示所述环境信息与青稞产量之间的关联关系；以及 通过预设的配比模型根据所述关联信息，优化用于青稞灌溉施肥的水肥组分的组分比例，其中所述水肥组分包括氮肥、磷肥、钾肥以及水，其中 通过预设的产量预测模型根据所述环境信息，确定各个青稞产量区间的概率值的操作，包括：通过所述产量预测模型的RNN模型根据所述环境信息，生成相应的第一特征信息；通过所述产量预测模型的第一全连接层根据所述第一特征信息，生成相应的第二特征信息；以及通过所述产量预测模型的第一分类器根据所述第二特征信息，确定所述各个青稞产量区间的概率值，并且 根据所述环境信息以及所述概率值生成相应的关联信息的操作，包括： 确定与所述环境信息对应的多个环境特征向量A1～An： A1＝[a1,1,a2,1,...,am,1]T； A2＝[a1,2,a2,2,...,am,2]T； …… An＝[a1,n,a2,n,...,am,n]T， 其中Ai表示第i个月的环境特征向量，i＝1～n，n表示预设周期内月份的数量； 计算所述多个环境特征向量A1～An中各个特征的平均值bj，从而将所述多个环境特征向量进行融合处理，生成第三特征信息B＝[b1,b2,...,bm]T，其中生成所述第三特征信息B＝[b1,b2,...,bm]T的计算公式为： 其中aj,i表示在预设周期内的第i个月的第j个环境信息，j＝1～m；以及 将所述第三特征信息B＝[b1,b2,...,bm]T以及所述概率值P＝[p1,p2,p3,p4]T进行拼接处理，生成所述关联信息C＝[c1,c2,...,cL]T： 其中L＝m+4；p1、p2、p3和p4表示不同青稞产量区间的概率值，并且 通过预设的配比模型根据所述关联信息，优化用于青稞灌溉施肥的水肥组分的组分比例的操作，包括：通过所述配比模型的第二全连接层根据所述关联信息，生成第四特征信息；以及通过所述配比模型的第二分类器根据所述第四特征信息，优化所述水肥组分的组分比例，其中所述第二分类器用于根据所述第四特征信息输出所述水肥组分的优化后的组分比例，并且 对所述产量预测模型进行训练的步骤如下：采集样本周期中的样本环境信息和相应的第一样本产量；以及通过梯度下降算法根据所述样本环境信息和相应的所述第一样本产量，对所述产量预测模型进行训练，并且 对所述配比模型进行训练的步骤如下：采集所述样本周期中的所述样本环境信息和相应的水肥组分的样本组分比例；将所述样本环境信息输入已经训练完成的所述产量预测模型，通过所述产量预测模型根据所述样本环境信息，输出第二样本产量；以及通过所述梯度下降算法根据所述第二样本产量、所述样本环境信息以及所述样本组分比例，对所述配比模型进行训练，其中， 通过所述梯度下降算法根据所述第二样本产量、所述样本环境信息以及所述样本组分比例，对所述配比模型进行训练，包括： 将所述样本环境信息与所述第二样本产量进行关联，得到样本关联信息； 通过所述梯度下降算法根据所述样本关联信息以及所述样本组分比例，对所述配比模型进行训练。

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中国农业科学院农业环境与可持续发展研究所，其通讯地址为：100081 北京市海淀区中关村南大街12号；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”。