生物质水稻育秧盘的制备方法及其系统技术方案

本申请涉及智能处理秸秆领域，其具体公开了一种生物质水稻育秧盘的制备方法及其系统，其借鉴造纸技术和蛋托生产技术，把水稻、玉米秸秆和沼渣、菌包等生物质原料，通过轧段、发酵、粉碎、打浆、成型，制成机插水稻育秧盘。在成型过程中，根据搅拌好的物料的特性和成型机的性能，合理控制吸取速度，以避免过快或过慢导致吸取效果不佳或影响成型机的正常运行。致吸取效果不佳或影响成型机的正常运行。致吸取效果不佳或影响成型机的正常运行。

【技术实现步骤摘要】
生物质水稻育秧盘的制备方法及其系统


[0001]本申请涉及领域，且更为具体的涉及一种生物质水稻育秧盘的制备方法及其系统。

技术介绍

[0002]黑龙江省是农业大省，传统的农作物秸秆都废弃或焚烧，近几年国家提倡保护环境减少焚烧，但废弃的农作物秸秆处理成为难题。以下是一些常见的解决废弃的农作物秸秆的方案：1、秸秆还田：将农作物秸秆还田，作为有机肥料来提供养分给土壤，促进土壤的肥力和结构改善。2、秸秆堆肥：将农作物秸秆进行堆肥处理，与其他有机废弃物一起进行混合堆肥，通过微生物的分解作用，将秸秆转化为有机肥料。3、生物质能利用：将农作物秸秆作为生物质能源的原料，进行发酵、压缩、燃烧等处理，转化为生物质燃料，如生物质颗粒、生物质燃气等。4、秸秆制浆：利用化学方法将农作物秸秆转化为纤维素浆料，用于制造纸张、纤维板等产品。然而，这些方案各自也存在很多缺点：1、秸秆还田：需要进行秸秆还田的地块和农田条件有限，如果秸秆过多无法还田，可能会导致秸秆堆放堆积，增加环境污染的风险。2、秸秆堆肥：堆肥过程需要较长时间，且需要控制好湿度、温度和氧气供应等因素，否则可能会导致发酵不充分、气味问题和传染病菌滋生等问题。3、生物质能利用：生物质能利用需要相对复杂的设备和技术，投资成本较高。同时，生物质燃烧会产生一定的气体排放，对环境造成一定的影响。4、秸秆制浆：秸秆制浆需要使用化学方法，可能会产生一定的废水和废气，对环境造成一定的污染。同时，制浆过程中的化学药剂也需要进行处理和回收。
[0003]因此，期待一种优化的废弃秸秆处理方案。
>
技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种生物质水稻育秧盘的制备方法及其系统，其借鉴造纸技术和蛋托生产技术，把水稻、玉米秸秆和沼渣、菌包等生物质原料，通过轧段、发酵、粉碎、打浆、成型，制成机插水稻育秧盘。在成型过程中，根据搅拌好的物料的特性和成型机的性能，合理控制吸取速度，以避免过快或过慢导致吸取效果不佳或影响成型机的正常运行。
[0005]根据本申请的一个方面，提供了一种生物质水稻育秧盘的制备方法，其包括：获取预定时间段的搅拌好物料的湿度值、所述预定时间段内多个预定时间点的吸取速度值；将所述预定时间段的搅拌好物料的湿度值按照时间维度排列为湿度输入向量后通过卷积神经网络模型以得到湿度特征向量；将所述多个预定时间点的吸取速度值按照时间维度排列为吸取速度输入向量后通过多尺度邻域特征提取模块以得到吸取速度特征向量；计算所述所述吸取速度特征向量相对于所述湿度特征向量的响应性估计以得到分类特征矩阵；
对所述分类特征矩阵进行优化以得到优化分类特征向量；将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的吸取速度应增大或应减小。
[0006]在上述的生物质水稻育秧盘的制备方法中，将所述预定时间段的搅拌好物料的湿度值按照时间维度排列为湿度输入向量后通过卷积神经网络模型以得到湿度特征向量，包括：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于所述第一尺度第一卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行沿着通道维度的各个特征矩阵池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述湿度特征向量，所述卷积神经网络模型的第一层的输入为所述湿度输入向量。
[0007]在上述的生物质水稻育秧盘的制备方法中，将所述多个预定时间点的吸取速度值按照时间维度排列为吸取速度输入向量后通过多尺度邻域特征提取模块以得到吸取速度特征向量，包括：将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度吸取速度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度吸取速度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；将所述第一尺度吸取速度特征向量和所述第二尺度吸取速度特征向量进行级联以得到所述吸取速度特征向量。
[0008]在上述的生物质水稻育秧盘的制备方法中，将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度吸取速度特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述吸取速度输入向量进行一维卷积编码以得到所述第一尺度吸取速度特征向量；其中，所述第一卷积公式为：其中，b为第二卷积核在x方向上的宽度、为第二卷积核参数向量、为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述吸取速度输入向量，表示对进行一维卷积。在上述的生物质水稻育秧盘的制备方法中，计算所述吸取速度特征向量相对于所述湿度特征向量的响应性估计以得到分类特征矩阵，包括：以如下响应性估计公式计算所述吸取速度特征向量相对于所述湿度特征向量的响应性估计以得到分类特征矩阵；其中，所述响应性估计公式为：=其中表示所述吸取速度特征向量，表示所述湿度特征向量，表示所述分类特征矩阵，表示矩阵相乘。
[0009]在上述的生物质水稻育秧盘的制备方法中，对所述分类特征矩阵进行优化以得到优化分类特征向量，包括：
基于吸取速度特征向量和湿度特征向量之间的特征流形的维度视角相关来融合所述吸取速度特征向量和所述湿度特征向量以得到融合特征向量；计算所述融合特征向量与所述分类特征矩阵之间的矩阵乘积以得到优化分类特征向量。
[0010]在上述的生物质水稻育秧盘的制备方法中，基于吸取速度特征向量和湿度特征向量之间的特征流形的维度视角相关来融合所述吸取速度特征向量和所述湿度特征向量以得到融合特征向量，包括：构建所述吸取速度特征向量和所述湿度特征向量之间的全域相似度矩阵，其中，所述全域相似度矩阵中非对角线位置上各个位置的特征值为所述吸取速度特征向量和所述湿度特征向量中相应两个位置的特征值之间的方差；构建所述吸取速度特征向量和所述湿度特征向量之间的协方差矩阵；将所述全域相似度矩阵和所述协方差矩阵沿着通道维度进行聚合后通过基于卷积层的流形间多粒度关联特征提取器以得到流形间全域关联多粒度特征矩阵；对所述流形间全域关联多粒度特征矩阵进行基于特征值的矩阵分解以得到多个流形相关特征值；从所述多个流形相关特征值提取预定数量的流形相关特征值；将所述预定数量的流形相关特征值进行排列以得到所述融合特征向量。
[0011]根据本申请的另一方面，还提供了一种生物质水稻育秧盘的制备系统，其包括：数据获取模块，用于获取预定时间段的搅拌好物料的湿度值、所述预定时间段内多个预定时间点的吸取速度值；卷积编码模块，用于将所述预定时间段的搅拌好物料的湿度值按照时间维度排列为湿度输入向量后通过卷积神经网络模型以得到湿度特征向量；多尺度编码模块，用于将所述多个预定时间点的吸取速度值按照时间维度排列为吸取速度输入向量后通过多尺度邻域特征提取模块以得到吸取速度特征向量；响应性估计模块，用于计算所述所述吸取速度特征向量相对于所述湿度特征向量的响本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生物质水稻育秧盘的制备方法，其特征在于，包括：获取预定时间段的搅拌好物料的湿度值、所述预定时间段内多个预定时间点的吸取速度值；将所述预定时间段的搅拌好物料的湿度值按照时间维度排列为湿度输入向量后通过卷积神经网络模型以得到湿度特征向量；将所述多个预定时间点的吸取速度值按照时间维度排列为吸取速度输入向量后通过多尺度邻域特征提取模块以得到吸取速度特征向量；计算所述所述吸取速度特征向量相对于所述湿度特征向量的响应性估计以得到分类特征矩阵；对所述分类特征矩阵进行优化以得到优化分类特征向量；将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的吸取速度应增大或应减小。2.根据权利要求1所述的生物质水稻育秧盘的制备方法，其特征在于，将所述预定时间段的搅拌好物料的湿度值按照时间维度排列为湿度输入向量后通过卷积神经网络模型以得到湿度特征向量，包括：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于所述第一尺度第一卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行沿着通道维度的各个特征矩阵池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述湿度特征向量，所述卷积神经网络模型的第一层的输入为所述湿度输入向量。3.根据权利要求2所述的生物质水稻育秧盘的制备方法，其特征在于，将所述多个预定时间点的吸取速度值按照时间维度排列为吸取速度输入向量后通过多尺度邻域特征提取模块以得到吸取速度特征向量，包括：将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度吸取速度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度吸取速度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；将所述第一尺度吸取速度特征向量和所述第二尺度吸取速度特征向量进行级联以得到所述吸取速度特征向量。4.根据权利要求3所述的生物质水稻育秧盘的制备方法，其特征在于，将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度吸取速度特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述吸取速度输入向量进行一维卷积编码以得到所述第一尺度吸取速度特征向量；其中，所述第一卷积公式为：其中，a为第一卷积核在x方向上
的宽度、第一卷积核参数向量、为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，表示所述吸取速度输入向量，表示对进行一维卷积。5.根据权利要求4所述的生物质水稻育秧盘的制备方法，其特征在于，将所述吸取速度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度吸取速度特征向量，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述吸取速度输入向量进行一维卷积编码以得到所述第二尺度吸取速度特征向量；其中，所述第二卷积公式为：其中，b为第二卷积核在x方向上的宽度、为第二卷积核参数向量、为与卷积...

【专利技术属性】
技术研发人员：刘秀国，魏冲，王清敏，陈玲玲，张晓明，张玉国，
申请(专利权)人：哈尔滨辰昌农业科技有限公司，
类型：发明
国别省市：