一种基于植物电信号的环境诊断与生理调节方法

摘要: 本发明涉及智慧农业、植物表型组学与智能环境控制技术交叉领域,具体涉及一种基于植物电信号的环境诊断与生理调节方法。背景技术:1、植物的健康生长依赖于对光照、水分、...
一种基于植物电信号的环境诊断与生理调节方法

本发明涉及智慧农业、植物表型组学与智能环境控制技术交叉领域,具体涉及一种基于植物电信号的环境诊断与生理调节方法。

背景技术:

1、植物的健康生长依赖于对光照、水分、温度、养分等多种环境参数的精准管理。传统的植物养护与环境监测主要依赖人工经验或者温湿度、光照、土壤ec等物理传感器。人工观察具有主观性强、滞后明显的缺点;而物理传感器虽然能直接测量环境参数,但无法直接反映这些环境参数对植物造成的综合生理影响,更无法直接用于判断胁迫状态。

2、随着植物电生理学的发展,利用植物生物电信号反映生理状态已成为一个新兴研究方向。植物在受到环境刺激或发生生理变化时,会产生可测量的动作电位、变异电位及膜电位(直流信号)变化。但是,现有研究主要集中于单一环境参数与植物生理状态的映射关系,无法反映多种环境参数对植物生理状态的共同作用。此外,机器学习方法虽然能够处理多维输入数据,但其黑箱特性使得胁迫状态预测过程缺乏可解释性。

技术实现思路

1、本发明的目的在于克服现有技术中的不足,提供一种基于植物电信号的环境诊断与生理调节方法。

2、本发明采用的技术方案如下:

3、一、一种基于植物电信号的环境诊断与生理调节方法

4、所述环境诊断与生理调节方法包括以下步骤:

5、步骤s1)在不同胁迫类型下采集样本植物的时序电位信号和电阻抗谱,对时序电位信号进行数字滤波处理后,构建样本数据集。

6、所述步骤s1中,胁迫类型包括稳态期(正常)、光照状态(光照/黑暗)、触摸状态、挤压刺激、水分状态(充足/缺少)。

7、步骤s2)构建多模态融合神经网络模型。

8、所述多模态融合神经网络模型包括:

9、特征提取单元,分为时序电位信号分支和电阻抗谱分支,分别用于处理预设时间窗口内的滤波后时序电位信号、电阻抗谱,并生成时序电位特征向量、阻抗特征向量;

10、特征融合单元,用于采用注意力机制将时序电位特征向量和阻抗特征向量融合成胁迫判别向量;所述胁迫判别向量由各个胁迫类型的logit值组成;

11、输出单元,用于通过快速响应模块、慢速响应模块分别处理胁迫判别向量,得到快速响应结果、慢速响应结果,再通过融合操作,得到响应融合结果。

12、其中,所述快速响应模块采用线性阈值函数对胁迫判别向量进行逐元素处理,得到快速响应结果;所述慢速响应模块采用软饱和函数对胁迫判别向量进行逐元素处理,得到慢速响应结果。

13、所述线性阈值函数表示为:

14、

15、式中,表示第类胁迫的快速响应结果,表示胁迫判别向量中第类胁迫的logit值,表示第类胁迫的快速响应阈值,用于反映快速响应的触发阈值,表示第类胁迫的增益系数,用于反映开放的离子通道数量或者单通道电导,。

16、所述软饱和函数表示为:

17、

18、式中,表示第类胁迫的慢速响应结果,表示胁迫判别向量中第类胁迫的logit值,表示第类胁迫的慢速累积阈值,用于反映代谢响应的触发阈值。

19、步骤s3)使用样本数据集,训练多模态融合神经网络模型,得到训练好的多模态融合神经网络模型。

20、步骤s4)采集目标植物的时序电位信号和电阻抗谱,对时序电位信号进行数字滤波后,与时序对应的电阻抗谱一同输入到训练好的多模态融合神经网络模型中,得到由快速响应结果、慢速响应结果和响应融合结果组成的多模态融合结果。

21、步骤s5)根据响应融合结果得到概率最高的胁迫类别作为预测胁迫类别,根据预测胁迫类别的快速响应结果和慢速响应结果判断胁迫发展阶段。

22、所述步骤s1和步骤s4中,所述数字滤波处理均包括:

23、使用iir陷波器对预设处理窗口内的原始时序电位信号进行处理,得到初级滤波信号;

24、采用改进的自适应噪声完备集合经验模态分解方法分解初级滤波信号,得到多个imf分量,根据排列熵与相关系数区分无效imf分量和有效imf分量,采用受缩放系数调控的小波软阈值方法分别对各个有效imf分量进行差异化去噪,得到滤波信号;

25、其中,所述受缩放系数调控的小波软阈值方法包括:对有效imf分量进行小波变换,得到多个小波变换,使用受缩放系数调控的软阈值函数处理每个小波系数,得到阈值处理后的小波系数;

26、所述的受缩放系数调控的软阈值函数表示为:

27、

28、

29、式中,表示软阈值函数,表示符号函数,表示小波系数,表示求绝对值,,表示启发式自适应阈值,表示自适应的缩放系数,表示有效imf分量中估计出的噪声标准差,表示当前处理窗口中的采样点数,表示有效imf分量的序号。

30、进一步地,所述步骤s1和步骤s4中,所述数字滤波处理还包括:

31、将所述iir陷波器的极点半径、噪声集成层数、第一阶的辅助噪声强度系数和小波函数的类型作为滤波参数;

32、根据滤波信号的波形相关系数、标准化均方根误差和个体基线更新滤波参数组合:当波形相关系数小于个体基线且标准化均方根误差显著超标时,按照预设参数调节规则减弱滤波强度;当波形相关系数大于个体基线且标准化均方根误差连续低于预设下限时,按照预设参数调节规则增强滤波强度;

33、根据滤波信号的波形相关系数、信噪比增益与标准化均方根误差计算综合滤波质量,根据综合滤波质量,按照以下公式更新缩放系数:

34、

35、式中,表示更新后的缩放系数,表示更新前的缩放系数,表示更新步长,表示符号函数,表示当前处理窗口的综合滤波质量,表示上一处理窗口的综合滤波质量,表示防止分母是0的极小值,表示求绝对值。

36、进一步地,若当前处理窗口对应的胁迫类型为植物稳态期,则利用指数移动平均算法更新个体基线;若当前处理窗口对应的胁迫阶段为非稳态期,则维持个体基线不变。所述步骤s1中,可以根据胁迫类型标签判断样本植物是否处于稳态期。所述步骤s4中,可以在训练好的多模态融合神经网络模型输出的预测胁迫类别为稳态期时,更新个体基线,也可以根据当前处理窗口内的电位信号标准差、电位基线漂移速率和电阻抗谱相对变化率初步判断目标植物是否处于稳态期。

37、所述步骤s5中,根据预测胁迫类别的快速响应结果和慢速响应结果判断胁迫发展阶段的过程包括:

38、根据预测胁迫类别的快速响应结果、慢速响应结果计算瞬时-累积响应比;

39、当瞬时-累积响应比大于响应比上限且快速响应结果大于快速响应阈值时,胁迫发展阶段为急性发作期;

40、当瞬时-累积响应比小于响应比下限且慢速响应结果小于慢速响应阈值时,胁迫发展阶段为慢性累积期;

41、当快速响应结果小于快速响应阈值且慢速响应结果小于慢速响应阈值时,胁迫发展阶段为恢复期。

42、进一步地,所述环境诊断与生理调节方法还包括:

43、步骤s6)根据胁迫发展阶段对目标植物进行胁迫干预;其中,所述胁迫干预包括环境干预和/或生理干预;所述环境干预包括调节光照、灌溉、温度中的一种或多种;所述生理干预包括电生理干预和化学干预中的一种或多种。所述急性发作期、慢性累积期、恢复期的胁迫干预强度逐级减弱。

44、二、一种环境诊断与生理调节系统

45、所述环境诊断与生理调节系统包括:

46、电位信号采集模块,用于分别连续采集目标植物的主叶脉与茎部的电位信号;

47、电位信号处理模块,用于对两个金属电极采集到的电位信号进行差分和模拟滤波处理,得到滤波后电位信号;包括仪表放大器、模拟滤波电路和模数转换器,仪表放大器接收两路电位信号并进行差分放大,将电位差信号输出到模拟滤波电路进行滤波,滤波后电位差模拟信号经模数转换器进行模数转换,生成数字电位信号;

48、数字信号处理模块用于对数字电位信号进行数字滤波处理,得到用于输入多模态融合神经网络模型中的滤波后数字电位信号;

49、电阻抗谱采集模块,用于采集目标植物的电阻抗谱;

50、生理干预模块用于对目标植物施加电生理调节信号和/或递送化学干预物质;

51、环境干预模块,用于对目标植物的种植环境进行环境干预;

52、控制模块,用于执行所述的环境诊断与生理调节方法。

53、本发明的有益效果如下:

54、1、本发明方法根据电位差信号和电阻抗谱两种模态的数据监测植物的胁迫状态和发展阶段,并根据监测结果对植物进行环境干预和生理干预,实现了完整的闭环控制。

55、2、本发明根据植物响应胁迫的生理过程,在多模态融合神经网络模型中配置了快速和慢速响应通道,使模型对多重环境胁迫的判断依据和判断结果具有生理一致性和可解释性。

56、3、本发明方法采用的多模态融合神经网络模型仅采用基础的逻辑运算,具备嵌入式部署能力,能够应用于植物健康智能管理系统。