一种设施作物生理生化指标比重调配方法及系统

1.本发明涉及设施农业领域，具体涉及一种设施作物生理生化指标比重调配方法及系统。


背景技术：

2.我国设施作物的种植面积逐年增加，生产产值仅次于粮食作物居第二位，占整个经济作物产值的50％左右。但是我国生产设施比较简陋，北方地区多以日光温室和大、中拱棚为主，南方地区以塑料大棚和中、小拱棚为主，因此设施温室环境调控和抵御自然灾害能力较弱。高温会破坏植物叶片的细胞色素，破坏光系统ii的电子传递和结构，降低酶的活性，进而抑制光合作用，最终抑制作物的生长和降低作物的产量。植物体对高温环境也会产生适应机制，在高温环境中作物会产生抗氧化酶系统(cat、pod和sod酶)，清除体内的活性氧物质(h
202
和o
2-)，这种产生—清除动态平衡会随着高温持续时间的延长或频率的增多而打破。同时高温也会导致植物细胞膜渗透性产生破坏，丙二醛(mda)是细胞膜脂过氧化的最终产物，可以用来衡量作物细胞的受损程度。
3.但现有技术存在如下技术问题：
4.存在高温环境对设施作物产生热害时，导致设施作物生理生化指标比重失衡，且对热害程度评估准确性较差，对设施作物各项比重的调整准确性较差的技术问题。


技术实现要素：

5.本技术实施例通过提供了一种设施作物生理生化指标比重调配方法及系统，解决了现有技术中存在高温环境对设施作物产生热害时，导致设施作物生理生化指标比重失衡，且对热害程度评估准确性较差，对设施作物各项比重的调整准确性较差的技术问题。达到了通过大量设施作物数据进行机器学习，对设施作物进行热害程度的准确评估，在设施作物受到热害时，通过精准比重调配，改善设施作物生理生化指标比重失衡情况，避免设施作物受到高温损伤的技术效果。
6.鉴于上述问题，本技术实施例提供了一种设施作物生理生化指标比重调配方法及系统。
7.第一方面，本技术实施例提供了一种设施作物生理生化指标比重调配方法，所述方法包括：按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第
三设施作物热害评估模型，获得设施作物热害评估指数；基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配。
8.另一方面，本技术实施例提供了一种设施作物生理生化指标比重调配系统，所述系统包括：第一获得单元，所述第一获得单元用于按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；第一执行单元，所述第一执行单元用于根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；第一构建单元，所述第一构建单元用于根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；第二获得单元，所述第二获得单元用于获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；第二执行单元，所述第二执行单元用于对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；第三获得单元，所述第三获得单元用于根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；第三执行单元，所述第三执行单元用于基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配。
9.第三方面，本发明提供了一种设施作物生理生化指标比重调配系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述方法的步骤。
10.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
11.由于采用了按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配的技术方案，本技术实施例通过提供了一种设施作物生理生化指标比重调配方法及系统，达到了通过大量设施作物数据进行机器学习，对设施作物进行热害程度的准确评估，在设施作物受到热害时，通过精准比重调配，改善设施作物生理生化指标比重失衡情况，避免设施作物受到高温损伤的技术效果。
12.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
13.图1为本技术实施例一种设施作物生理生化指标比重调配方法的流程示意图；
14.图2为本技术实施例一种设施作物生理生化指标比重调配方法的获得第一设施作物标准检测结果的示意图；
15.图3为本技术实施例一种设施作物生理生化指标比重调配方法的构建设施作物热害评估模型库的示意图；
16.图4为本技术实施例一种设施作物生理生化指标比重调配系统的结构示意图；
17.图5为本技术实施例示例性电子设备的结构示意图。
18.附图标记说明：第一获得单元11，第一执行单元12，第一构建单元13，第二获得单元14，第二执行单元15，第三获得单元16，第三执行单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
19.本技术实施例通过提供了一种设施作物生理生化指标比重调配方法及系统，解决了现有技术中存在高温环境对设施作物产生热害时，导致设施作物生理生化指标比重失衡，且对热害程度评估准确性较差，对设施作物各项比重的调整准确性较差的技术问题。达到了通过大量设施作物数据进行机器学习，对设施作物进行热害程度的准确评估，在设施作物受到热害时，通过精准比重调配，改善设施作物生理生化指标比重失衡情况，避免设施作物受到高温损伤的技术效果。
20.申请概述
21.设施农业的发展是农业现代化的重要标志，也是现代化农业发展的重要建设任务。我国的设施农业较国外起步晚，在设施建设、技术研究、装备研发、资金投入等方面都与国外发达国家存在较大差距。我国设施作物的种植面积逐年增加，生产产值仅次于粮食作物居第二位，占整个经济作物产值的50％左右。但是我国生产设施比较简陋，北方地区多以日光温室和大、中拱棚为主，南方地区以塑料大棚和中、小拱棚为主，因此设施温室环境调控和抵御自然灾害能力较弱。现有技术中存在高温环境对设施作物产生热害时，导致设施作物生理生化指标比重失衡，且对热害程度评估准确性较差，对设施作物各项比重的调整准确性较差的技术问题。
22.针对上述技术问题，本技术提供的技术方案总体思路如下：
23.本技术实施例提供了一种设施作物生理生化指标比重调配方法，所述方法包括：按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；基于所述设施作物热害评估指数，对所述
生理生化指标集合中的指标进行比重调配。
24.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
25.实施例一
26.如图1所示，本技术实施例提供了一种设施作物生理生化指标比重调配方法，其中，所述方法包括：
27.s100：按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；
28.具体而言，不适宜的温度会对设施作物造成严重损伤，高温会破坏植物叶片的细胞色素，破坏光系统ii的电子传递和结构，降低酶的活性，进而抑制光合作用，最终抑制作物的生长和降低作物的产量。因此需要对设施作物的生理生化指标进行研究，从而防止设施作物受到高温热害。所述第一设施作物为任一设施作物，设施作物是在环境相对可控条件下，采用工程技术手段，进行植物高效生产的一种现代农业方式，例如黄瓜，西红柿，茄子，油菜，青椒，豆角等。所述生理生化指标集合包括所有设施作物生理生化检测的指标，按照所述生理生化集合中与所述第一设施作物相匹配的指标对所述第一设施作物进行测定，在通过数据处理方法获得所述第一设施作物标准检测结果，例如：通过归一化方法统一数据量纲，获得标准检测结果。将检测结果标准化能够为后续分析数据奠定基础。
29.s200：根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；
30.s300：根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；
31.具体而言，获得所述第一设施作物的基本信息，基本信息包括设施作物的类别、品种、产地、生长周期、生长情况信息等，根据设施作物的基本信息获得所述设施作物的历史数据，构建对应的设施作物热害评估模型，可以但不限于使用历史数据训练循环神经网络模型从而获得对应设施作物热害评估模型。通过所有设施作物热害评估模型构建设施作物热害评估模型库。从所述设施作物热害评估模型库中调用第一设施作物热害评估模型，根据所述第一设施作物标准检测结果进行模型训练。对所述第一设施作物热害评估模型进行训练更新，获得第一进化设施作物热害评估模型，是在原有设施作物热害评估模型的基础上，仅对由于新增数据所引起的变化进行更新。所述第一进化设施作物热害评估模型为更新优化后的热害评估模型，通过第一设施作物检测结果的更新优化，使得该模型更加准确、可靠。
32.s400：获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；
33.具体而言，所述第二设施作物为区别于第一设施作物的任一一种设施作物。按照生理生化指标集合对第二设施作物进行测定，获得第二设施作物标准检测结果。根据第二设施作物的基本信息，从设施作物热害评估模型库中调用第二设施作物热害评估模型，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练。是在原有模型的基础上，仅对由于新增数据所引起的变化进行更新，获得所述第二进化设施作物热害评估模型。达到了对于新增数据进行学习，以提高评估模型更新性能的技术效果。
34.s500：对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；
35.s600：根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；
36.具体而言，对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息。所述第一模型参数信息和所述第二模型参数均包括但不限于热害等级参数，其中热害等级参数包括但不限于基于专家经验预先设定，例如设定为正常、轻度、中度、重度和特重五个等级。通过所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，获得所述第三设施作物热害评估模型。基于所述第三设施作物热害评估模型对不同设施作物进行热害评估，获得评估结果即所述设施作物热害评估指数。所述第三设施作物热害评估模型为通过来源于不同设施作物主体的数据进行共同训练得到的，训练的模型比割裂的独立模型效果好。
37.s700：基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配。
38.进一步的，所述对所述生理生化指标集合中的指标进行比重调配，步骤s700包括：
39.s710：根据所述设施作物热害评估指数，获得生理生化指标的权重超标阈值；
40.s720：基于熵权法获得所述生理生化指标集合中各指标对应的权重值；
41.s730：根据所述各指标对应的权重值和所述权重超标阈值，对所述生理生化指标集合中各指标的比重进行调配，获得第一比重调配结果。
42.进一步的，所述基于熵权法获得所述生理生化指标集合中各指标对应的权重值，具体为：
[0043][0044]
其中，
[0045][0046]
公式中，wi为各指标对应的权重值，r
ij
为标准化的数据，p
ij
为第i项指标下第j个样本值占该指标的比重值。
[0047]
具体而言，由于测定的指标数量是有限的，且，对于不同设施作物受热害程度，不同指标的重要性不同。因此可以通过计算获得不同指标的权重值。作物正常生长时，其热害评估指数是0，随着热害评估指数的逐渐升高，高温胁迫的程度越明显。基于所述设施作物热害评估指数，对所述生理生化指标集合中的比重进行调配。首先获得每一项生理生化指标的权重超标阈值，在基于熵权法获得所述生理生化指标集合中各指标对应的权重值。通过测量得到的标准化数据r
ij
计算第i项指标下第j个样本值占该指标的比重值p
ij
，基于p
ij
计算第i项指标的熵值ei，基于熵值ei计算各指标对应的权重值wi。
[0048]
若某项指标权重超过该项指标的权重超标阈值时，需要通过外界农业技术手段对
该项指标权重进行调整。举不受限制的一例：若发现超氧化物歧化酶的权重高于权重超标阈值，说明植物体内超氧化物歧化酶过多，此时说明受到外界逆境胁迫，则通过降低设施作物的光照时间和减少室内温度等方法，对超氧化物歧化酶的权重进行调整。调整后在测量该项指标，获得标准化的数据。再次进行指标权重计算，直至调整至该项指标权重不超过所述权重超标阈值，获得所述第一比重调配结果，所述第一比重调配结果包括调配后的权重值。从而实现对所述生理生化指标集合中的指标进行比重调配，从而缓解高温对植物造成的损害。
[0049]
进一步的，如图2所示，所述获得第一设施作物标准检测结果，步骤s100包括：
[0050]
s110：构建设施作物的生理生化指标集合，所述生理生化指标集合包括叶绿素、净光合速率、最大光化学效率、超氧化物歧化酶和丙二醛；
[0051]
s120：设置设施作物处理方案，所述设施作物处理方案包括高温梯度等级和处理时长，根据所述设施作物处理方案对所述第一设施作物进行处理；
[0052]
s130：按照所述生理生化指标集合对处理后的所述第一设施作物进行测定，获得第一设施作物检测结果；
[0053]
s140：对所述第一设施作物检测结果进行归一化处理，获得所述第一设施作物标准检测结果。
[0054]
具体而言，由于植物体对高温环境也会产生适应机制，在高温环境中作物会产生抗氧化酶系统(cat、pod和sod酶)，清除体内的活性氧物质(h
202
和o
2-)，这种产生—清除动态平衡会随着高温持续时间的延长或频率的增加而打破。同时高温也会导致植物细胞膜渗透性产生破坏，丙二醛(mda)是细胞膜脂过氧化的最终产物，可以用来衡量作物细胞的受损程度。因此通过测定叶绿素、净光合速率、最大光化学效率、超氧化物歧化酶和丙二醛等指标就能够对设施作物的热害程度进行较好的评估。
[0055]
因此基于叶绿素、净光合速率、最大光化学效率、超氧化物歧化酶和丙二醛等生理生化指标，构建设施作物的生理生化指标集合。通过设计不同的高温梯度等级和不同的处理时长来设置设施作物处理方案。根据所述设施作物处理方案对所述第一设施作物进行处理。举不受限制的一例：例如对葡萄设置处理方案为动态高温梯度(日最高温/日最低温；41/31℃、38/28℃、35/25℃和32/22℃)，并以28/18℃度为对照，处理时长为3d、6d、9d和12d。测定第一设施作物在设置的设施作物处理方案下的叶绿素、净光合速率、最大光化学效率、超氧化物歧化酶和丙二醛等生理生化指标，获得第一设施作物检测结果。由于检测结果的单位不一致，为了统一量纲，对所述第一设施作物检测结果进行归一化处理，获得所述第一设施作物标准检测结果。
[0056]
进一步的，如图3所示，本技术实施例包括：
[0057]
s810：获得历史设施作物基本信息，其中，所述历史设施作物基本信息包括各类型特征的设施作物基本信息；
[0058]
s820：将所述历史设施作物基本信息按照设施作物类型特征分别输入循环神经网络模型中进行训练，获得对应的各类型设施作物热害评估模型；
[0059]
s830：根据训练后的所述各类型设施作物热害评估模型，构建所述设施作物热害评估模型库。
[0060]
进一步的，本技术实施例还包括：
[0061]
s821：基于数据加密算法对所述历史设施作物基本信息进行加密，获得加密后的历史设施作物基本信息；
[0062]
s822：根据所述加密后的历史设施作物基本信息对所述循环神经网络模型进行训练。
[0063]
具体而言，所述历史设施作物基本信息包括各类型特征的设施作物基本信息，例如：设施作物的类别、品种、产地、生长指标、生长周期等。获得所述历史设施作物基本信息，为设施作物热害评估模型提供训练数据。
[0064]
为了保证训练过程中数据的保密性，需要通过数据加密算法对历史设施作物基本信息进行加密，获得所述加密后的历史设施作物基本信息，使用加密后的数据分别对所述循环神经网络模型进行训练，获得对应设施作物的热害评估模型。
[0065]
根据训练后的各类型设施作物热害评估模型构建所述设施作物热害评估模型库，便于不同类型设施作物进行热害评估时进行调用，通过数据加密算法对历史设施作物基本信息进行加密，实现数据隔离，满足隐私保护和数据安全的需求。
[0066]
进一步的，所述获得对应的各类型设施作物热害评估模型，步骤s820还包括：
[0067]
s823：获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；
[0068]
s824：将各类型特征的设施作物基本信息分别作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；
[0069]
s825：将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，获得所述对应的各类型设施作物热害评估模型。
[0070]
具体而言，循环神经网络由输入层、隐藏层和输出层组成。循环神经网络通过使用带自反馈的神经元，使得网络的输出不仅和当前的输入有关，还和上一时刻的输出相关。于是在处理任意长度的时序数据时，就具有短期记忆能力。连接不仅存在与相邻的层与层之间(例如输入层和隐藏层之间)也存在于时间维度上的隐藏层与隐藏层之间。所述各类型特征的设施作物基本信息是具有时序特征的，例如：每一个生长周期的设施作物的各项指标不同。
[0071]
获得所述初始隐藏层值，可通过自定义方式获得初始隐藏层值，将所述循环神经网络的初始隐藏层值作为所述第一输入权重矩阵。将每一类型的设施作物基本信息分别作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练，将每次的输入层和上一次的隐藏层作为每次的隐藏层，此处的每次的隐藏层即为所述下一次隐藏层值，通过依次迭代训练，获得每一类型特征的设施作物对应的设施作物热害评估模型。
[0072]
综上所述，本技术实施例所提供的一种设施作物生理生化指标比重调配方法及系统具有如下技术效果：
[0073]
1、由于采用了按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得
第二进化设施作物热害评估模型；对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配的技术方案，本技术实施例通过提供了一种设施作物生理生化指标比重调配方法及系统，达到了通过大量设施作物数据进行机器学习，对设施作物进行热害程度的准确评估，在设施作物受到热害时，通过精准比重调配，改善设施作物生理生化指标比重失衡情况，避免设施作物受到高温损伤的技术效果。
[0074]
2、由于采用了通过数据加密算法进行加密的方法，实现数据隔离，满足隐私保护和数据安全的技术效果。
[0075]
实施例二
[0076]
基于与前述实施例中一种设施作物生理生化指标比重调配方法相同的发明构思，如图4所示，本技术实施例提供了一种设施作物生理生化指标比重调配系统，其中，所述系统包括：
[0077]
第一获得单元11，所述第一获得单元11用于按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；
[0078]
第一执行单元12，所述第一执行单元12用于根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；
[0079]
第一构建单元13，所述第一构建单元13用于根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；
[0080]
第二获得单元14，所述第二获得单元14用于获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；
[0081]
第二执行单元15，所述第二执行单元15用于对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；
[0082]
第三获得单元16，所述第三获得单元16用于根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；
[0083]
第三执行单元17，所述第三执行单元17用于基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配。
[0084]
进一步的，所述系统包括：
[0085]
第二构建单元，所述第二构建单元用于构建设施作物的生理生化指标集合，所述生理生化指标集合包括叶绿素、净光合速率、最大光化学效率、超氧化物歧化酶和丙二醛；
[0086]
第一设置单元，所述第一设置单元用于设置设施作物处理方案，所述设施作物处理方案包括高温梯度等级和处理时长，根据所述设施作物处理方案对所述第一设施作物进行处理；
[0087]
第四获得单元，所述第四获得单元用于按照所述生理生化指标集合对处理后的所
述第一设施作物进行测定，获得第一设施作物检测结果；
[0088]
第五获得单元，所述第五获得单元用于对所述第一设施作物检测结果进行归一化处理，获得所述第一设施作物标准检测结果。
[0089]
进一步的，所述系统包括：
[0090]
第六获得单元，所述第六获得单元用于根据所述设施作物热害评估指数，获得生理生化指标的权重超标阈值；
[0091]
第七获得单元，所述第七获得单元用于基于熵权法获得所述生理生化指标集合中各指标对应的权重值；
[0092]
第八获得单元，所述第八获得单元用于根据所述各指标对应的权重值和所述权重超标阈值，对所述生理生化指标集合中各指标的比重进行调配，获得第一比重调配结果。
[0093]
进一步的，所述系统包括：
[0094]
第九获得单元，所述第九获得单元用于获得历史设施作物基本信息，其中，所述历史设施作物基本信息包括各类型特征的设施作物基本信息；
[0095]
第十获得单元，所述第十获得单元用于获得历史设施作物基本信息，其中，所述历史设施作物基本信息包括各类型特征的设施作物基本信息；
[0096]
第十一获得单元，所述第十一获得单元用于将所述历史设施作物基本信息按照设施作物类型特征分别输入循环神经网络模型中进行训练，获得对应的各类型设施作物热害评估模型；
[0097]
第三构建单元，所述第三构建单元用于根据训练后的所述各类型设施作物热害评估模型，构建所述设施作物热害评估模型库。
[0098]
进一步的，所述系统包括：
[0099]
第十二获得单元，所述第十二获得单元用于基于数据加密算法对所述历史设施作物基本信息进行加密，获得加密后的历史设施作物基本信息；
[0100]
第四执行单元，所述第四执行单元用于根据所述加密后的历史设施作物基本信息对所述循环神经网络模型进行训练。
[0101]
进一步的，所述系统包括：
[0102]
第十三获得单元，所述第十三获得单元用于获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；
[0103]
第五执行单元，所述第五执行单元用于将各类型特征的设施作物基本信息分别作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；
[0104]
第十四获得单元，所述第十四获得单元用于将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，获得所述对应的各类型设施作物热害评估模型。
[0105]
示例性电子设备
[0106]
下面参考图5来描述本技术实施例的电子设备。
[0107]
基于与前述实施例中一种设施作物生理生化指标比重调配方法相同的发明构思，本技术实施例还提供了一种设施作物生理生化指标比重调配系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
[0108]
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0109]
处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。
[0110]
通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，ran),无线局域网(wireless local area networks，wlan)，有线接入网等。
[0111]
存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
[0112]
其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术上述实施例提供的一种设施作物生理生化指标比重调配方法。
[0113]
可选的，本技术实施例中的计算机执行指令也可以称之为应用程序代码，本技术实施例对此不作具体限定。
[0114]
本技术实施例提供了一种设施作物生理生化指标比重调配方法，其中，所述方法包括：按照生理生化指标集合对第一设施作物进行测定，获得第一设施作物标准检测结果；根据第一设施作物的基本信息，从设施作物热害评估模型库中调用第一设施作物热害评估模型；根据所述第一设施作物标准检测结果对所述第一设施作物热害评估模型进行训练，构建第一进化设施作物热害评估模型；获得第二设施作物标准检测结果，并根据所述第二设施作物标准检测结果对第二设施作物热害评估模型进行更新训练，获得第二进化设施作物热害评估模型；对所述第一进化设施作物热害评估模型和所述第二进化设施作物热害评估模型进行参数提取，分别获得第一模型参数信息和第二模型参数信息；根据所述第一模型参数信息和所述第二模型参数信息，构建第三设施作物热害评估模型，根据所述第三设施作物热害评估模型，获得设施作物热害评估指数；基于所述设施作物热害评估指数，对所述生理生化指标集合中的指标进行比重调配。
[0115]
本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
[0116]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0117]
本技术实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
[0118]
本技术实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0119]
尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。