【技术实现步骤摘要】
菌种智能筛选设备及其筛选方法
[0001]本申请涉及智能设备
，且更为具体地，涉及一种菌种智能筛选设备及其筛选方法。
技术介绍
[0002]与普通肥料相比，生物肥料的生产技术含量相对较高，除实现定向腐熟、除臭等目的外，在产品中还需加入具有特定功能的微生物，以提升产品的作用效果。
[0003]但是，有相当一部分企业生产条件较简陋，生产工艺落后，这些企业不具备生产微生物菌剂的能力而是通过购买菌剂进行复配来生产生物有机肥。由于缺少相关的检测条件和技术人员，无法对产品的质量进行把关，也就不能保证产品的应用效果。
[0004]在生物肥料的生产过程中，最重要的前序工作是对功能菌种的筛选，目前菌种筛选主要靠人工筛选，不仅效率低下，且成本高昂。
[0005]因此，期待一种优化的菌种筛选方案。
[0006]近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
【技术保护点】
【技术特征摘要】
1.一种菌种智能筛选设备，其特征在于，包括：菌种数据采集模块，用于获取待筛选生物肥料中的菌种画像数据，所述菌种画像数据包括菌种类型和各个菌种的含量；菌种类型编码模块，用于将所述菌种画像数据中的菌种类型通过包含嵌入层的上下文编码器以得到多个菌种类型特征向量；菌种组合特征生成模块，用于基于所述菌种画像数据中各个菌种的含量，对所述多个菌种类型特征向量中各个菌种类型特征向量进行加权以得到多个加权后菌种类型特征向量，并将所述多个加权后菌种类型特征向量进行级联以得到菌种全局特征向量；监控模块，用于获取由摄像头采集的预定时间段内植物生长的第一监控视频和生物土壤的第二监控视频；监控视频编码模块，用于将所述第一监控视频和所述第二监控视频分别通过三维卷积神经网络以得到生成特征图和土壤变化特征图；降维变化模块，用于将所述生长特征图和所述土壤变化特征图进行降维处理以得到生成特征向量和土壤变化特征向量；关联编码模块，用于对所述菌种全局特征向量和所述土壤变化特征向量进行关联编码以得到关联特征向量；响应性估计模块，用于计算所述生长特征向量相对于所述关联特征向量的响应性估计以得到分类特征矩阵；以及筛选结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待筛选生物肥料中菌种组合是否满足预定要求。2.根据权利要求1所述的菌种智能筛选设备，其特征在于，所述菌种类型编码模块，包括：嵌入向量化子单元，用于使用所述上下文编码器的嵌入层分别将所述菌种画像数据中的菌种类型转化为嵌入向量以得到嵌入向量的序列；上下文编码子单元，用于使用所述上下文编码器的基于转换器的Bert模型对所述嵌入向量的序列进行基于全局的上下文语义编码以得到多个菌种类型特征向量。3.根据权利要求2所述的菌种智能筛选设备，其特征在于，所述菌种组合特征生成模块，包括：权重计算单元，用于计算所述菌种画像数据中各个菌种的含量与所述菌种画像数据中所有菌种的含量之和之间的比值作为所述菌种画像数据中各个菌种的加权权重；加权单元，用于基于所述菌种画像数据中各个菌种的加权权重对所述多个菌种类型特征向量中各个菌种类型特征向量进行加权以得到多个加权后菌种类型特征向量。4.根据权利要求3所述的菌种智能筛选设备，其特征在于，所述监控视频编码模块，进一步用于，所述三维卷积神经网络的各层在层的正向传递中分别对输入数据进行：基于三维卷积核对所述输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行均值池化处理以生成池化特征图；以及对所述池化特征图中各个位置的特征值进行非线性激活以生成激活特征增图；其中，所述三维卷积神经网络的最后一层的输出分别为所述生成特征图和所述土壤变化特征图。5.根据权利要求4所述的菌种智能筛选设备，其特征在于，所述降维变化模块，包括：计算所述生长特征图中各个特征矩阵的全局池化均值以...
【专利技术属性】
技术研发人员：闫士斌，赵鹏，
申请(专利权)人：江苏滋百农生态农业股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。