一种结合多光谱诊断的蝴蝶兰二次开花生理营养方法与流程

摘要: 本发明属于多光谱诊断,具体而言,涉及一种结合多光谱诊断的蝴蝶兰二次开花生理营养方法。背景技术:1、蝴蝶兰二次开花的养分精准调控是高端花卉设施栽培领域的核心技术需...
一种结合多光谱诊断的蝴蝶兰二次开花生理营养方法与流程

本发明属于多光谱诊断,具体而言,涉及一种结合多光谱诊断的蝴蝶兰二次开花生理营养方法。

背景技术:

1、蝴蝶兰二次开花的养分精准调控是高端花卉设施栽培领域的核心技术需求,当前主要依赖多光谱成像、土壤电导率传感与叶面温度传感等多源异构手段采集植株生理状态信息,并通过深度学习模型对养分需求进行诊断推理。在现有技术中,多光谱数据具有高维宽带特性,土壤电导率与叶面温度为低维标量,三者在采样频率、数据维度与物理量纲上存在本质差异,当这三类异构特征被直接拼接送入统一推理模型时,由于各模态特征空间之间存在非线性耦合与维度不匹配,模型无法在统一潜在空间中建立有效的跨模态对齐关系,导致诊断推理的置信度随特征耦合程度的加剧而显著下降;与此同时,现有深度学习推理架构对所有输入样本均执行全层推理,在蝴蝶兰花芽分化期至二次开花期的动态生理节律下,简单样本与复杂样本被分配相同的计算深度,造成显存资源与神经元激活计算的严重浪费,而时序窗口衰减系数通常依赖人工固定,无法跟随不同生理阶段的节律动态调整,进一步降低了时序特征的利用效率。也就是说,现有技术中存在多源异构特征在蝴蝶兰二次开花养分诊断中无法实现低延迟对齐融合与自适应深度推理的技术问题。

技术实现思路

1、有鉴于此,本发明提供一种结合多光谱诊断的蝴蝶兰二次开花生理营养方法,能够解决现有技术中存在多源异构特征在蝴蝶兰二次开花养分诊断中无法实现低延迟对齐融合与自适应深度推理的技术问题。

2、本发明是这样实现的:本发明提供一种结合多光谱诊断的蝴蝶兰二次开花生理营养方法,包括以下步骤:

3、对蝴蝶兰花芽分化期叶片进行多光谱图像实时采集,对原始多光谱高维数据执行低秩张量空间投影降维,将降维后波段数据存入流式双缓冲结构,完成波段对齐与流式缓存;

4、对流式缓存中的多光谱数据执行微观状态熵增动力学方程约束,对光谱噪声进行能量边界抑制,提取叶片花青素反射特征值与糖氮比光谱特征向量,与标准特征向量库执行余弦相似度比对,输出花青素浓度诊断值与糖氮比诊断值;

5、采集土壤电导率与叶面温度环境参数,将多光谱图像特征、土壤电导率与叶面温度送入共享潜在空间正交解耦算子,执行异构特征对齐融合,输出统一低维正交融合特征向量;

6、将统一低维正交融合特征向量输入多源生理营养诊断模型,执行基于动态层级提前退出机制的推理,输出蝴蝶兰二次开花阶段养分需求诊断向量,同步执行时空高阶张量传导机制对养分空间扩散与时间累积轨迹进行建模,输出养分调控序列;

7、计算养分状态综合评估函数值,根据综合评估函数值所属区间,对水肥灌溉执行机构的施肥浓度、施肥频次与施液量参数执行分级自适应调节,完成闭环养分调控;

8、可选的,还包括:将多光谱图像采集装置、土壤电导率传感器、叶面温度传感器、多源生理营养诊断模型与水肥执行机构集成为蝴蝶兰二次开花生理营养调控系统,系统内设置有可读存储介质,可读存储介质内存储有程序指令,程序指令在计算机中运行时用于执行上述方法。

9、其中,所述低秩张量空间投影,具体是将原始多光谱数据构造为三阶或四阶张量,利用tucker分解对张量各模态执行低秩近似,保留能量占比超过能量占比阈值的主成分分量,舍弃冗余波段,降维后数据维度由原始波段数降至低维波段维度数。

10、其中,所述流式双缓冲结构,具体是设置两块物理独立的内存缓冲区,采集线程持续向其中一块写入最新降维波段数据,处理线程同步从另一块读取数据执行后续运算,两块缓冲区通过无锁指针原子交换机制切换角色,切换频率随采集频率动态匹配。

11、其中,所述微观状态熵增动力学方程约束,具体是将蝴蝶兰叶片细胞代谢状态抽象为热力学开放系统,计算当前采集帧多波段反射率序列对应概率分布的香农熵值作为当前帧微观代谢状态熵,对相邻帧间熵增速率建立上下界约束,当某波段反射率变化引发熵增速率超出上界约束时判定为环境噪声干扰,对对应波段执行加权平滑滤波。

12、其中,所述余弦相似度比对,具体是将提取的花青素反射特征值与糖氮比光谱特征向量与标准特征向量库中的预存特征向量执行余弦相似度计算,当相似度值低于相似度下限阈值时触发异常状态标记。

13、其中,所述共享潜在空间正交解耦算子,具体是对多光谱图像特征向量、土壤电导率标量与叶面温度标量分别构建独立线性投影矩阵,对各投影矩阵施加正交性约束,令三路特征在投影后的低维潜在空间中互相正交,再将三路正交投影结果拼接为统一低维正交融合特征向量。

14、其中,多源生理营养诊断模型的结构为:输入端接收统一低维正交融合特征向量,经正交投影矩阵映射至低维共享潜在空间后,特征流依次进入低层推理模块、中层推理模块与高层推理模块,每个推理模块末端嵌入基于状态熵判定法的超轻量级置信度分类器,置信度满足条件时触发提前退出。

15、其中,所述状态熵判定法,具体是计算当前层输出特征向量经softmax归一化后概率分布的香农信息熵值,将熵值与置信度阈值比对,熵值低于置信度阈值时触发提前退出。

16、其中,所述高层推理模块由含非线性门控跳转网络的深层卷积层构成,非线性门控跳转网络对输入特征向量的每个维度独立计算门控权重,门控权重决定该维度特征能量流向当前层还是跳转至残差路径。

17、其中,多源生理营养诊断模型内嵌入粒子群寻优动态衰减滑动窗口自适应算法,具体是初始化粒子群时每个粒子携带衰减系数与窗口宽度两个位置维度,以前向诊断准确率与推理计算耗时的加权值作为适应度函数,输出最优衰减系数作用于时序注意力权重矩阵,对历史多光谱帧信息执行自适应指数衰减。

18、其中,所述时空高阶张量传导机制,具体是将历史时序窗口内的养分诊断向量沿时间轴与植株空间位置轴构造高阶张量,对张量执行tucker分解提取时间模态因子矩阵与空间模态因子矩阵,通过张量积重构非线性时空演化轨迹,输出未来调控步长内各空间区域的养分需求预测向量序列。

19、其中,养分状态综合评估函数值由花青素浓度诊断值归一化结果、糖氮比诊断值归一化结果与养分调控序列偏差归一化值加权计算得到,计算式为,其中、、为加权系数且三者之和为1。

20、其中,所述分级自适应调节,具体是当小于下限阈值时判定养分严重不足,调升施肥浓度至高档区间并将施肥频次提升至最高频次档位;当在与之间时判定养分轻度偏低,调至中档施肥浓度;当在与之间时判定养分适宜,仅对施液量执行微幅精调;当不低于时判定养分过量,降低施肥浓度并延长施肥间隔。

21、其中,多源生理营养诊断模型的训练数据集在受控栽培实验温室中建立,采集多光谱图像、土壤电导率与叶面温度同步数据,同步采集叶片花青素含量与糖氮比的化学检测结果作为标注标签,构建多模态时序标注数据集。

22、其中,所述能量占比阈值的范围为90%~99%;所述低维波段维度数的范围为5~20维;所述相似度下限阈值的范围为0.80~0.92;统一低维正交融合特征向量的低维空间维度范围为8~32维;所述置信度阈值的范围为0.10~0.40;衰减系数的搜索范围为0.85~0.99;窗口宽度的搜索范围为4~32帧;时空高阶张量的张量阶数范围为3~5阶的范围为0.20~0.35,的范围为0.45~0.60,的范围为0.70~0.85的范围为0.3~0.5,的范围为0.2~0.4,的范围为0.1~0.3。

23、本发明通过构建共享潜在空间正交解耦算子,将多光谱图像特征、土壤电导率与叶面温度三路异构特征分别经独立正交投影映射至统一低维潜在空间,消除了异源特征间的线性耦合,使三路模态在融合前处于线性可分的正交基底上,从根本上消除了因维度不匹配与量纲差异导致的特征对齐误差;进而通过动态层级提前退出机制,利用状态熵判定法在每级推理模块末端实时评估特征分布置信度,使简单样本在低层或中层即触发提前退出,将深层显存分配与神经元激活计算集中于真正需要深层提取的复杂病态样本,避免了全层推理对计算资源的冗余占用;同时,粒子群寻优动态衰减滑动窗口自适应算法以群体智能在二维参数空间中搜索最优时序衰减系数与窗口宽度,使时序注意力权重随蝴蝶兰不同生理阶段的节律动态调整,避免了固定窗口参数导致的历史信息过拟合或欠利用。综上所述,本发明解决了背景技术中提到的多源异构特征在蝴蝶兰二次开花养分诊断中无法实现低延迟对齐融合与自适应深度推理的技术问题。