【技术实现步骤摘要】
本专利技术涉及计算机辅助农作条件优化，特别是涉及一种黄花组培苗高效炼苗方法。
技术介绍
1、炼苗是种苗生产的一个重要环节，就是将组培苗或插枝苗培养转移到新的基质或环境中进行适应和生长的过程。通过炼苗可以帮助苗木萌发更多的根系和健康的上部组织，以适应后续移栽后的生长环境。正确高效的炼苗过程对于保证种苗质量和生产效率都至关重要。根系长势和成活率直接影响着树苗后续的生长发育情况。传统上，黄花的炼苗条件多采用试错法来定下，但效率较低且难以控制。
2、传统上，黄花组培苗炼苗条件的探索主要基于大量的试验实验，通过改变一个或几个条件参数如温度、湿度、基质类型等，观察不同条件下黄花苗的生长状况，如生根情况、叶面状况等，并记录其生长效果，如成活率等指标。经过长时间的反复尝试，从成功与失败的案例中总结出较理想的炼苗条件。但这种方法效率低，难以系统性掌握多个条件的影响规律。此外，误差大，难以精确定位每一条件的优化程度。同时，由于条件设置依赖经验，难以进行高效优化。
3、近年来，计算科学的进步开始对农业科学领域产生影响，特别是基于算力和数据驱动的农作条件优化方法开始出现。这种方式能够解决传统方法的不足，它通过对大量样本进行学习，可以自动匹配农作优化条件规律，基于模型定量预测各条件的取值范围，给出自动化的优化方案建议。这种数据驱动的方法挖掘隐含规律，效率高，且给出精细化和个性化的解决方案。它不再是简单试错，而是采用数据定量指导的智能方式优化农作条件。这种基于数据驱动的方式已经成为行业共识，基于此，我们提出了一种黄花组培苗高效炼苗方
技术实现思路
1、本专利技术提出了一种黄花组培苗高效炼苗方法，具体来说，我们研究出了一种双粒度根系生长模型来分别提取黄花菜根系整体形态体征和单根细节体征，进而基于这些特征，使用学习模型定量预测各条件的取值范围。
2、首先，我们获取一系列炼苗黄花菜的根系图像数据；
3、接下来，对黄花菜的根系图像数据中的每一项进行编码，将其输入vit获得黄花菜根系图像的编码特征；
4、接下来，对黄花菜根系图像的编码特征进行降维得到其降维序列；
5、接下来，将所述降维序列直接输入第一变压器模型以得到进一步的特征序列；
6、接下来，我们分别获取黄花菜根系图像的整体形态以及单根细节体征。
7、下面，我们具体说明该模型是如何获取黄花菜根系图像的整体形态体征以及单根细节体征的。
8、为了使模型学习到黄花菜根系图像的整体形态体征，理论上来讲，采取同样炼苗条件项（例如包括开盖放置的条件、生根水处理条件，基质处理条件，大棚炼苗条件）的黄花菜相比采取不同炼苗条件项的黄花菜的整体上更为相似。因此，我们将同样炼苗条件项黄花菜根系图像作为正样本，未采取同样炼苗条件项黄花菜根系图像作为负样本。
9、那么整体形态体征损失函数如下：
10、
11、rj表示样本j对应的根系形态编码；
12、rp表示与样本j属于同一培育数据条件p的根系形态编码，作为正样本；
13、ra表示其他不同培育数据条件a的根系形态编码，作为负样本；
14、similarity(rj，rp)表示样本j和正样本p根系编码的相似度；
15、similarity(rj，ra)表示样本j和负样本a根系编码的相似度；
16、a(j)表示样本j除去正样本集合外，与j不同的其他样本索引；
17、1/ns表示归一化因子，ns为采样数；
18、m表示所有样本集合；
19、loss1的目的是使样本j与正样本p的根系形态更加相似，同时使样本j与负样本a的根系形态差异更大，从而优化根系编码提取根系整体形态体征特征的准确性。
20、进一步来说，单根细节体征损失函数如下：
21、
22、loss2损失函数的参数含义如下：
23、u表示随机采样的某根的形态；
24、up表示与u来自同一根的正形态样本；
25、umj表示来自其他根的负形态样本，j表示负样本的索引；
26、similarity(u，up)表示u与正样本up的形态相似度；
27、similarity(u，umj)表示u与负样本umj形态相似度；
28、j代表的是单根样本的负形态样本数量；
29、根据loss1和loss2得到综合损失函数loss=loss1+loss2；
30、将当前样本对应的炼苗条件经过wordembdding得到当前炼苗条件的词嵌入；将所述词嵌入通过第二变压器，得到当前样本对应的炼苗条件编码特征；
31、将所述当前样本对应的炼苗条件编码特征以及单根细节体征拼接成综合特征，输入到第三变压器中，根据综合损失函数训练整个模型得到双粒度根系生长模型的模型参数；
32、根据所述模型参数得到所述双粒度根系生长模型；
33、利用所述双粒度根系生长模型预测得到多组炼苗条件；
34、根据所述多组炼苗条件进行人工炼苗，获得效果最佳的炼苗条件。
本文档来自技高网...【技术保护点】
1.一种黄花组培苗高效炼苗方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的一种黄花组培苗高效炼苗方法，其特征在于，所述双粒度分别为黄花菜整体形态体征以及单根细节体征。
3.如权利要求1所述的一种黄花组培苗高效炼苗方法，其特征在于，所述双粒度根系生长模型损失函数为：loss = loss1 + loss2，其中，rj表示样本j对应的根系形态编码，rp表示与样本j属于同一培育数据条件p的根系形态编码，作为正样本，ra表示其他不同培育数据条件a的根系形态编码，作为负样本，Similarity(rj，rp)表示样本j和正样本p根系编码的相似度，Similarity(rj，ra)表示样本j和负样本a根系编码的相似度，A(j)表示样本j除去正样本集合外，与j不同的其他样本索引，1/NS表示归一化因子，NS为采样数，M表示所有样本集合，，其中，u表示随机采样的某根的形态，up表示与u来自同一根的正形态样本，umj表示来自其他根的负形态样本，j表示负样本的索引，Similarity(u，up)表示u与正样本up的形态相似度，Similarity(u，umj
4.如权利要求1所述的一种黄花组培苗高效炼苗方法，其特征在于，待优化条件包括：开盖放置条件、生根生处理条件、基质处理条件以及大棚处理条件。
...【技术特征摘要】
1.一种黄花组培苗高效炼苗方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的一种黄花组培苗高效炼苗方法，其特征在于，所述双粒度分别为黄花菜整体形态体征以及单根细节体征。
3.如权利要求1所述的一种黄花组培苗高效炼苗方法，其特征在于，所述双粒度根系生长模型损失函数为：loss = loss1 + loss2，其中，rj表示样本j对应的根系形态编码，rp表示与样本j属于同一培育数据条件p的根系形态编码，作为正样本，ra表示其他不同培育数据条件a的根系形态编码，作为负样本，similarity(rj，rp)表示样本j和正样本p根系编码的相似度，similarity(rj...
【专利技术属性】
技术研发人员：李益，吴明阳，高龙梅，周娜交，杨小丽，李勇，徐德，邱亨池，邓力，
申请(专利权)人：达州市农业科学研究院达州市苎麻科学研究所，达州市薯类作物研究所，
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。