El desarrollo agrícola es una de las necesidades más esenciales a nivel mundial. En Noruega, la base principal de la producción de cereales se basa en características geológicas y biológicas. La investigación existente se limita a predicciones de rendimiento a escala regional utilizando modelos de inteligencia artificial (IA), que proporcionan una visión holística del crecimiento de los cultivos. En este documento, los autores proponen detectar varios tipos de cultivos a escala de campo y utilizar este análisis para predecir la producción de rendimiento temprano en la temporada de crecimiento. En este estudio, los autores utilizan una imagen satelital multitemporal, datos meteorológicos, geográficos y de producción de cereales. Los autores extraen índices de vegetación relevantes de las imágenes satelitales. Además, los autores utilizan características específicas del área del campo para construir un modelo de clasificación de tipo de cultivo basado en el campo. El modelo propuesto, que consta de una red distribuida en el tiempo y una unidad recurrente con compuertas, puede clasificar eficientemente los tipos de cultivos con una precisión del 70%. Además, los autores justificaron que los modelos de aprendizaje basados en la atención podrían aprender datos agrícolas semi-etiquetados y, por lo tanto, permitir predicciones realistas tempranas en la temporada para los agricultores.