PhenoYieldNet：学习作物感知的作物生长响应以实现多作物产量预测
计算机视觉与模式识别
2026-05-25 v1 人工智能
摘要
准确的作物产量预测对于可持续农业和全球粮食安全至关重要。虽然已有方法主要针对单作物预测，但往往难以跨越 diverse crop types，且未解决由复杂天气模式动态调制的作物生长响应这一独特问题。本文提出 PhenoYieldNet，一个学习作物感知生长响应的多作物产量预测框架，显式建模其对时间驱动因子的响应。具体而言，我们开发了由作物生长银行 (CPB) 和作物生长注意 (CPA) 模块组成的作物感知时间解码器。CPB 集成一组可学习的嵌入向量，通过 query 引导 CPA 模块学习特定作物最相关的生长模式。CPA 模块显式捕获多尺度趋势和变动成分，以构建时间语境，使模型能够在不同生长阶段动态调整注意力。为学习面向多作物预测的鲁棒且可泛化特征，编码器使用预训练基础模型进行初始化，并通过自监督时序对比适应策略进一步适配以匹配农业时序动态。广泛的实验表明，我们提出的方法在多作物数据集上显著优于最先进的方法，展现出强大的跨区域和跨作物的泛化能力。
引用
@article{arxiv.2605.23478,
title = {PhenoYieldNet: Learning Crop-Aware Phenological Responses for Multi-Crop Yield Prediction},
author = {Yu Luo and Xiaogang Zhu and Shan Zeng and Wei Xiang and Thomas Francis Bishop and Zhiyong Wang and Kun Hu},
journal= {arXiv preprint arXiv:2605.23478},
year = {2026}
}
备注
Accepted by CVPR2026