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！

龙图腾网获悉青岛农业大学申请的专利一种基于多源数据融合的作物全生育期养分需求预测方法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：CN121365365B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511935533.3，技术领域涉及：G06F18/25；该发明授权一种基于多源数据融合的作物全生育期养分需求预测方法是由盖凌云;黄树来;杨雪磊;孙晓婷设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本一种基于多源数据融合的作物全生育期养分需求预测方法在说明书摘要公布了：本发明涉及一种基于多源数据融合的作物全生育期养分需求预测方法，具体如下：在作物全生育期通过田间传感器网络、无人机遥感平台采集多源数据，结合历史农业记录并标注，构建多源数据训练集；按作物生育阶段划分物候相位与采集时间点集合，采用动态时间规整计算时间点相似性并自适应插补，获取各物候相位插补数据；构建多源融合特征提取与养分需求预测模型，基于插补数据实现多尺度融合，结合物候相位间养分传递提取特征并分类，通过损失函数计算与训练集训练优化模型；将新种植场景下预处理后的采集数据输入训练好的模型，进行需求预测。本发明提升了作物养分需求预测准确性，可以助力农业生产效率提升并优化资源利用。

本发明授权一种基于多源数据融合的作物全生育期养分需求预测方法在权利要求书中公布了：1.一种基于多源数据融合的作物全生育期养分需求预测方法，其特征是，包括以下步骤： S1、在作物全生育期通过田间传感器网络和无人机遥感平台采集多源数据，同时调取历史农业记录，并对采集的数据进行需求标注，构成多源数据训练集； S2、将多源数据训练集中数据根据作物生育阶段划分物候相位并定义采集时间点集合，利用动态时间规整计算时间点之间的相似性进行自适应插补操作，得到各物候相位的插补数据； S2具体如下： S2.1、将多源数据训练集中数据根据作物生育阶段划分物候相位，并确定每个相位内实际数据采集的时间点集合，作为插补的时序框架；其中，物候相位包括播种期、营养生长期、开花期、灌浆期、成熟期； S2.2、通过动态时间规整距离函数计算两个时间点特征向量之间的最小对齐距离，得到两者的形态相似性值，并基于此构建时空相似性核函数，时空相似性核函数通过指数衰减形式将动态时间规整距离映射为相似性值，对时间点之间的生理关联强度进行量化； S2.3、根据物候相位内实际采集时间点的集合，计算这些时间点特征向量的平均值，并结合具有生理关联的邻近相位集合中的时间点特征向量，通过动态时间规整相似性核函数进行加权，同时引入时间间隙权重动态调整邻近相位贡献的权重，从而得到插补数据； S3、构建多源融合特征提取与养分需求预测模型，基于每个物候相位的插补数据进行多尺度融合，同时基于物候相位间养分传递进行特征提取，基于多尺度融合的特征和提取的特征进行需求分类，得到养分需求类别结果后计算损失函数，再使用多源数据训练集对模型进行训练； 构建多源融合特征提取与养分需求预测模型并对其进行训练，S3具体如下： 对于各物候相位的插补数据，通过小波包分解提取各物候相位的频域特征，计算时序梯度均值以表征动态变化强度，并基于养分敏感指数和相关系数计算相位重要性权重，通过门控机制进行多尺度特征融合，输出融合特征向量； 通过构建物候相位间养分转移矩阵，计算相位间养分转移量，并基于历史养分吸收模式定义转移权重，结合动态时间规整相似性核函数和相位重要性权重，提取跨相位养分传递特征，输出传递特征向量； 通过养分敏感注意力机制对融合特征向量和传递特征向量进行加权聚合，使用多层级感知机进行分类，得到养分需求类别概率分布，并基于类别平衡损失函数结合焦点损失和权重正则化； 基于多源数据训练集对模型进行训练，使用类别平衡损失函数来优化模型参数，得到训练好的模型； S4、将新的作物种植场景下采集的数据经过预处理后，输入至训练好的模型中，得到养分需求类别概率分布，取概率最高的类别作为最终养分需求等级，基于最终结果指导田间养分管理决策。

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青岛农业大学，其通讯地址为：266000 山东省青岛市城阳区长城路700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”。

以上内容由龙图腾AI智能生成。