Cypnet技术实现了无人机高光谱图像的时空建模，用于小麦产量预测和耐旱基因型的识别

《Computers and Electronics in Agriculture》：Cypnet enabled spatiotemporal modeling of UAV hyperspectral imagery for wheat yield prediction and drought tolerant genotype identification

　　

金彪祥|雷莉|刘金东|张勇|王洪琴|李家学|陈振|雷天杰|肖永贵|何勇

• •
  提出了一种名为CYPNet的混合深度学习模型，该模型结合了CNN、BiLSTM和MHSA技术，用于产量预测和抗旱基因型的识别。
• •
  研究了CPYNet提取的冬小麦时间序列高光谱数据的深度特征与产量之间的关系。
• •
  CYPNet的产量预测准确率为R² = 0.73，均方根误差（RMSE）为0.75吨/公顷，平均绝对误差（MAE）为0.57吨/公顷。
• •
  通过结合DI、SSI和GMP技术，使用CPYNet成功筛选出了54个抗旱小麦基因型。