一种基于知识图谱的食用菌生长管理方法及系统与流程

本技术涉及食用菌生长管理，具体而言，涉及一种基于知识图谱的食用菌生长管理方法及系统。

背景技术：

1、在现代食用菌培育设施中，智能管理系统通过内置的知识体系，对食用菌的生长环境进行精细化管理。该知识体系包含食用菌品种的适宜生长参数、健康及病害图像资料等，系统通过传感器和摄像头实时监测环境数据和菌床生长情况，并与知识体系中的基准信息进行比对，从而进行相应的调控。例如，当湿度低于标准值时，系统会自动开启喷淋设备；当菌盖出现黄斑并与知识体系中的细菌感染特征匹配时，系统会发出预警。在单一品种的标准化菇房中，这套系统运行良好，能有效保证产量和品质。

2、然而，在多区域食用菌混合栽培场景中，现有智能管理系统面临挑战。为了提高空间利用率，大型菇房常被分隔成多个区域，种植不同品种的食用菌。尽管有物理挡板隔离，但整个菇房的空气循环和温湿度调节系统在很大程度上是共通的，导致不同区域之间的环境并非完全隔离。现有管理系统的知识体系通常将不同品种的生长模型作为独立单元处理，对每个区域进行独立管理。

3、这种独立管理模式可能导致跨区域影响。例如，当a区香菇需要较高湿度而启动喷淋时，部分湿润空气可能飘散到b区，导致b区平菇生长环境的局部湿度略高于其最佳标准。此时，b区的传感器可能仅检测到微小波动，但平菇菌盖上可能出现一种淡淡的、非典型的灰白色，这种颜色变化并不剧烈，也与知识体系中记录的任何已知病害或污染特征不符。

4、现有系统的图像处理部分虽然能捕捉到这种颜色偏差，但由于知识体系中缺乏将“湿度轻微偏高”与平菇“菌盖呈现淡灰白色”联系起来的因果关系知识，系统无法找到确切原因，将其归类为“未知变异”或“正常范围内的个体差异”，因此不会发出警报或建议调整。这种情况下，系统继续按照原计划独立管理各区域，未能识别出a区的正常操作对b区产生的负面影响。最终，b区的平菇产量可能低于预期，品质下降。现有系统虽然收集了所有相关数据，但其知识体系的局限性使其无法推理和判断在同一物理空间内不同生产流程相互作用所产生的新问题。

技术实现思路

1、本技术公开了一种基于知识图谱的食用菌生长管理方法及系统，旨在解决在多区域食用菌混合栽培场景中，现有智能管理系统无法有效识别和推理跨区域影响所导致的食用菌生长异常问题，以及由此带来的产量和品质下降。

2、本发明采用如下的技术方案实现：一种基于知识图谱的食用菌生长管理方法，包括：

3、在多区域食用菌混合栽培环境中，对目标食用菌的菌盖异常情况进行识别，并生成对应菌盖发生异常的菌盖异常识别结果；

4、基于知识图谱，构建对应目标食用菌的关联路径推理模型，基于菌盖异常识别结果和关联路径推理模型，得到与菌盖异常识别结果对应的潜在关联路径；

5、计算每一潜在关联路径的关联强度分数，选择关联强度分数最高的潜在关联路径作为目标食用菌的异常因果路径；

6、基于异常因果路径，生成异常调控策略，并按照异常调控策略进行调整。

7、通过该技术方案，本技术能够有效识别多区域混合栽培环境中食用菌菌盖的异常情况，并利用知识图谱推理出导致异常的潜在因果路径，进而生成精准的调控策略，解决了现有技术中无法识别跨区域影响导致食用菌异常的问题，提高了食用菌管理的智能化和精准化水平。

8、优选地，在多区域食用菌混合栽培环境中，对目标食用菌的菌盖异常情况进行识别，并生成对应菌盖发生异常的菌盖异常识别结果，包括：

9、获取目标食用菌的目标菌床全景图像；

10、将目标菌床全景图像输入预先训练好的目标食用菌菌盖异常识别模型，通过输出结果判断目标菌床全景图像中是否存在菌盖颜色异常区域；其中，

11、预先训练好的目标食用菌菌盖异常识别模型通过目标食用菌健康菌盖图像和目标食用菌已识别病害异常菌盖图像对目标食用菌菌盖异常识别模型训练得到；

12、对于存在菌盖颜色异常区域的目标菌床全景图像，确定其中菌盖颜色异常区域的数量、每一菌盖颜色异常区域的颜色偏差值、异常区域占比、持续时间及每一菌盖颜色异常区域的子图像，生成菌盖异常识别结果。

13、通过该技术方案，本技术能够通过图像识别技术，对食用菌菌盖的异常情况进行精细化识别和量化，为后续的因果路径推理提供准确、全面的数据支持，有效提升了异常识别的准确性和全面性。

14、优选地，目标食用菌的关联路径推理模型为包括目标食用菌知识体系的图数据库查询引擎；其中，目标食用菌知识体系中的节点为目标食用菌的品种、生长环境参数、调控行为、调控设备类型及所在位置及目标食用菌的生物学特征；目标食用菌知识体系中的边为不同节点之间的关联关系，且同一节点和其他不同节点连接形成的边具有不同的权重。

15、通过该技术方案，本技术构建了结构化、可推理的知识图谱，将食用菌生长相关的多维度信息进行关联，为后续的因果路径推理提供了坚实的基础，使得系统能够进行更深层次的逻辑分析。

16、优选地，基于菌盖异常识别结果和关联路径推理模型，得到与菌盖异常识别结果对应的潜在关联路径，包括：

17、选取关联路径推理模型中，与菌盖异常识别结果相关的节点作为起始节点；

18、在知识体系中进行反向查询，查询与起始节点存在关联的生长环境参数，作为第一潜在中间节点；

19、基于反向查询得到的每一第一潜在中间节点，在知识体系中反向查询导致或影响对应第一潜在中间节点的调控行为，作为第二潜在中间节点；

20、基于查询得到的每一第二潜在中间节点，在知识体系中反向查询执行第二潜在中间节点的调控设备及所在位置，作为终止节点；

21、潜在关联路径包括终止节点、第二潜在中间节点、第一潜在中间节点及起始节点。

22、通过该技术方案，本技术能够通过反向查询的方式，从菌盖异常现象出发，逐步回溯到可能的环境参数、调控行为和调控设备，从而系统性地构建出所有可能的因果链条，为后续的异常原因定位提供了全面的候选路径。

23、优选地，在计算每一潜在关联路径的关联强度分数的步骤中，计算逻辑包括：

24、若潜在关联路径中的节点数量小于预设第一节点数量，则给予对应潜在关联路径的第一关联强度分数为第一预设关联强度分数；

25、若潜在关联路径中的节点数量大于等于预设第一节点数量，小于预设第二节点数量，则给予对应潜在关联路径的第一关联强度分数为第二预设关联强度分数；

26、若潜在关联路径中的节点数量大于预设第二节点数量，则给予对应潜在关联路径的第一关联强度分数为第三预设关联强度分数；其中，第一预设关联强度分数大于第二预设关联强度分数大于第三预设关联强度分数；

27、在知识体系中，设置每个节点的预设节点置信度，设置每条边的预设边置信度，给予潜在关联路径的第二关联强度分数为所有节点的预设节点置信度和每条边的预设边置信度的乘积；

28、对比菌盖异常发生时间与第二潜在中间节点的调控行为的发生时间，如果第二潜在中间节点的调控行为的发生时间在菌盖异常发生时间之前的第一预设时间范围内，给予潜在关联路径的第三关联强度分数为基于菌盖异常发生时间与第二潜在中间节点的调控行为的发生时间计算得到的时间匹配度分数；

29、验证目标食用菌的菌盖发生异常前后的第二预设时间范围内，属于目标食用菌所在区域之外的区域的调控设备是否存在调控行为，若存在，则给予潜在关联路径的第四关联强度分数为调控关联分数，若不存在，则给予潜在关联路径的第四关联强度分数为0；

30、计算得到的任一潜在关联路径的关联强度分数=第一关联强度分数+第二关联强度分数+第三关联强度分数+第四关联强度分数。

31、通过该技术方案，本技术综合考虑了路径长度、节点和边的置信度、时间匹配度以及跨区域调控影响等多个维度，对潜在关联路径进行量化评估，使得系统能够更准确地识别出最可能的异常因果路径，提高了因果推理的可靠性。

32、优选地，将菌盖异常发生时间点与第二潜在中间节点的调控行为的发生时间点作差得到的时间差值，与预设衰减系数进行乘法运算，再进行以自然常数为底的指数运算，得到时间匹配度分数；若菌盖异常发生时间点与第二潜在中间节点的调控行为的发生时间点之间的时间差大于72小时，则放弃对应潜在关联路径。

33、通过该技术方案，本技术引入了时间衰减机制，使得时间上更接近的调控行为对菌盖异常的影响权重更高，并设定了时间阈值，有效排除了时间上不相关的调控行为，进一步提升了因果推理的精准性。

34、优选地，基于异常因果路径，生成异常调控策略，并按照异常调控策略进行调整，包括：

35、基于异常因果路径上的每一节点，确定其中导致菌盖颜色发生异常的节点；

36、基于异常因果路径上导致菌盖颜色发生异常的节点内容，生成异常调控策略；

37、将异常调控策略发送至对应区域的调控设备，控制调控设备按照异常调控策略进行调控。

38、通过该技术方案，本技术能够根据识别出的异常因果路径，直接定位到导致异常的具体节点，并生成有针对性的调控策略，实现对食用菌生长环境的精准干预，有效解决了异常问题。

39、优选地，在按照异常调控策略进行调整的步骤之后，还包括对目标食用菌生长情况进行监测的步骤，包括：

40、获取目标食用菌的目标菌床全景图像，将目标菌床全景图像输入预先训练好的目标食用菌菌盖异常识别模型，通过输出结果判断目标菌床全景图像中是否存在菌盖颜色异常区域；其中，预先训练好的目标食用菌菌盖异常识别模型通过目标食用菌健康菌盖图像和目标食用菌已识别病害异常菌盖图像对目标食用菌菌盖异常识别模型训练得到；

41、若在执行调控策略后的第三预设时间之后，目标食用菌的菌床全景图像中菌盖颜色异常区域消失，则停止对目标食用菌生长情况的监测；

42、若在执行调控策略后的第三预设时间之后，目标食用菌的菌床全景图像中菌盖颜色异常区域未消失，则发出警报信号。

43、通过该技术方案，本技术引入了调控效果的反馈监测机制，能够及时评估调控策略的有效性，并根据监测结果决定是否继续监测或发出警报，形成了闭环管理，确保了异常问题的彻底解决。

44、优选地，在按照异常调控策略进行调整的步骤之后，还包括：

45、将目标食用菌的异常因果路径，以节点和边的形式，添加至关联路径推理模型中；其中，

46、将目标食用菌的异常因果路径中的起始节点与第一潜在中间节点连接形成的路径，作为一级关联路径，添加至关联路径推理模型中；

47、将目标食用菌的异常因果路径中的第一潜在中间节点与第二潜在中间节点连接形成的路径，作为二级关联路径，添加至关联路径推理模型中。

48、通过该技术方案，本技术实现了知识图谱的动态更新和学习，将成功识别的异常因果路径添加到知识体系中，使得系统能够不断积累经验，提升未来异常识别和推理的准确性和效率，实现了知识的自增长。

49、本发明还公开了一种基于知识图谱的食用菌生长管理系统，包括：

50、异常识别模块，用于在多区域食用菌混合栽培环境中，对目标食用菌的菌盖异常情况进行识别，并生成对应菌盖发生异常的菌盖异常识别结果；

51、潜在关联路径确定模块，用于基于知识图谱，构建对应目标食用菌的关联路径推理模型，基于菌盖异常识别结果和关联路径推理模型，得到与菌盖异常识别结果对应的潜在关联路径；

52、异常因果路径确定模块，用于计算每一潜在关联路径的关联强度分数，选择关联强度分数最高的潜在关联路径作为目标食用菌的异常因果路径；

53、调控模块，用于基于异常因果路径，生成异常调控策略，并按照异常调控策略进行调整。

54、通过该技术方案，本技术提供了一种实现上述方法的系统，通过模块化的设计，清晰地划分了各个功能单元，使得系统结构清晰，易于实现和维护，能够有效执行基于知识图谱的食用菌生长管理方法。

55、与现有技术相比，本发明的有益效果是：

56、本技术公开的一种基于知识图谱的食用菌生长管理方法，通过在多区域食用菌混合栽培环境中，首先对目标食用菌的菌盖异常情况进行识别，生成菌盖异常识别结果。随后，基于构建的知识图谱和关联路径推理模型，结合菌盖异常识别结果，得到与该异常结果对应的潜在关联路径。接着，计算每一潜在关联路径的关联强度分数，并选择分数最高的路径作为目标食用菌的异常因果路径。最终，基于该异常因果路径，生成并执行异常调控策略。

57、该方法有效解决了现有技术在多区域食用菌混合栽培场景中，由于不同区域环境并非完全隔离，导致不同品种食用菌之间可能存在跨区域影响，而现有管理系统知识体系的局限性使其无法推理和判断这种相互作用所产生的新问题，从而无法识别出非典型菌盖异常的真正原因，导致产量和品质下降的问题。本技术通过引入知识图谱和关联路径推理机制，能够从菌盖异常现象出发，反向推理出导致异常的深层环境参数、调控行为及设备，甚至识别出跨区域的隐性影响，从而精准定位异常原因。通过量化评估潜在关联路径的关联强度，确保了识别出的异常因果路径的准确性。最终，基于精准的异常因果路径生成有针对性的调控策略，实现了对食用菌生长环境的精细化、智能化管理，有效避免了因未能识别出跨区域影响而导致的产量和品质损失，显著提升了食用菌的生产效益和管理水平。