CN112380493A - 一种土壤成分含量检测智能分析方法、装置及服务器 - Google Patents
一种土壤成分含量检测智能分析方法、装置及服务器 Download PDFInfo
- Publication number
- CN112380493A CN112380493A CN202011283493.6A CN202011283493A CN112380493A CN 112380493 A CN112380493 A CN 112380493A CN 202011283493 A CN202011283493 A CN 202011283493A CN 112380493 A CN112380493 A CN 112380493A
- Authority
- CN
- China
- Prior art keywords
- soil component
- modeling
- information
- distribution
- environment element
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 368
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 115
- 230000006399 behavior Effects 0.000 claims abstract description 113
- 238000012544 monitoring process Methods 0.000 claims description 190
- 238000009826 distribution Methods 0.000 claims description 181
- 238000004088 simulation Methods 0.000 claims description 121
- 238000012545 processing Methods 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 18
- 238000007637 random forest analysis Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种土壤成分含量检测智能分析方法、装置及服务器，通过生成客户关系关联行为的关联节点频繁度矩阵以及待定客户关系的关联节点频繁度矩阵，得到客户关系关联行为对应的全局关联节点频繁度矩阵和局部关联节点频繁度矩阵，融合全局关联节点频繁度矩阵和局部关联节点频繁度矩阵，由此对目标客户关系关联行为进行客户关系标签识别，根据客户关系标签识别获得的客户关系标签建立每个目标客户关系关联行为的客户关系管理数据库，能够针对包含多个土壤成分项目的土壤成分项目检测行为进行特征挖掘，从而有效识别任意目标土壤成分项目关联行为的土壤成分项目标签。
Description
技术领域
本申请涉及智能分析技术领域，具体而言，涉及一种土壤成分含量检测智能分析方法、装置及服务器。
背景技术
土壤成分含量检测智能分析是一个重要的场景，如何针对包含多个土壤成分项目的土壤成分项目检测行为进行特征挖掘，从而有效识别任意目标土壤成分项目关联行为的土壤成分项目标签，是本领域亟待解决的技术问题。
发明内容
为了至少克服现有技术中的上述不足，本申请的目的在于提供一种土壤成分含量检测智能分析方法、装置及服务器，能够针对包含多个土壤成分项目的土壤成分项目检测行为进行特征挖掘，从而有效识别任意目标土壤成分项目关联行为的土壤成分项目标签。
第一方面，本申请提供一种土壤成分含量检测智能分析方法，应用于服务器，所述方法包括：
对生态保护智能监控信息的监控行为分布节点进行共享建模处理，并从共享建模处理后获得的共享建模分区中获取包含多个土壤成分项目的土壤成分项目检测行为，所述土壤成分项目标注有土壤成分项目类别值；
通过预设机器学习网络生成所述土壤成分项目检测行为的土壤成分含量矩阵以及待定土壤成分项目的土壤成分含量矩阵，得到土壤成分项目检测行为对应的全局土壤成分含量矩阵和局部土壤成分含量矩阵；
融合所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，并对融合后频繁度矩阵进行土壤成分项目类别识别，得到土壤成分项目检测行为的土壤成分项目类别预测值；
根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，并利用所述土壤成分项目对象、土壤成分项目类别值和土壤成分项目类别预测值对所述预设机器学习网络进行修正，基于修正后预设机器学习网络对目标土壤成分项目检测行为进行土壤成分项目类别识别；
根据土壤成分项目类别识别获得的土壤成分项目类别建立每个目标土壤成分项目检测行为的土壤成分项目管理数据库。
在第一方面的一种可能的实施方式中，所述根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，包括：
根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，生成每类土壤成分项目类别对应的类别更新分布；
对所述类别更新分布进行修正，并基于修正结果确定每类土壤成分项目类别的土壤成分项目对象。
在第一方面的一种可能的实施方式中，所述对所述类别更新分布进行修正，基于修正结果确定每类土壤成分项目类别的土壤成分项目对象，包括：
分别对所述全局土壤成分含量矩阵和局部土壤成分含量矩阵进行随机森林树处理，得到处理后的全局土壤成分含量矩阵以及处理后的局部土壤成分含量矩阵；
对所述全局土壤成分含量矩阵进行向量化处理，得到所述全局土壤成分含量矩阵对应的特征向量；
基于各局部土壤成分含量矩阵在所述全局土壤成分含量矩阵中的分布，确定各局部关联节点所关联的土壤成分项目类别；
根据各局部关联节点所关联的土壤成分项目类别，生成各局部关联节点对应的权重矩阵；
分别计算所述特征向量与各权重矩阵之间的乘积，得到每类土壤成分项目类别对应的类别更新分布；
根据所述类别更新分布以及随机森林树处理后的类别更新分布，确定每类土壤成分项目类别的土壤成分项目对象。
在第一方面的一种可能的实施方式中，所述根据所述类别更新分布以及随机森林树处理后的类别更新分布，确定每类土壤成分项目类别的土壤成分项目对象，包括：
分别获取类别更新分布的分布图谱以及随机森林树处理后的类别更新分布的分布图谱，得到所述类别更新分布对应的多个第一分布图谱以及随机森林树处理后的类别更新分布对应的多个第二分布图谱，每个第一分布图谱对应一个第二分布图谱；
提取第一分布图谱的土壤成分项目匹配度，得到第一分布图谱对应的第一土壤成分项目匹配度；以及
提取第二分布图谱的土壤成分项目匹配度，得到第二分布图谱对应的第二土壤成分项目匹配度；基于所述第一土壤成分项目匹配度以及第二土壤成分项目匹配度，构建每类土壤成分项目类别的土壤成分项目对象。
在第一方面的一种可能的实施方式中，所述基于所述第一土壤成分项目匹配度以及第二土壤成分项目匹配度，构建每类土壤成分项目类别的土壤成分项目对象，包括：
检测每个第一土壤成分项目匹配度满足预设条件；
从多个第一分布图谱中选取满足预设条件的第一分布图谱，得到第一候选分布图谱；
构建与第一候选分布图谱对应的土壤成分项目类别的第一土壤成分分布；
获取与所述第一候选分布图谱对应的第二分布图谱，得到第二候选分布图谱；
构建与第二候选分布图谱对应的土壤成分项目类别的第二土壤成分分布；
对所述第二土壤成分分布进行随机森林树处理，得到处理后第二土壤成分分布；
通过处理后第二土壤成分分布对第一土壤成分分布进行融合，得到土壤成分项目类别的土壤成分项目对象。
在第一方面的一种可能的实施方式中，所述对生态保护智能监控信息的监控行为分布节点进行共享建模处理的步骤，包括：
将第一生态保护智能监控信息的监控行为分布节点添加到监控运行脚本；所述监控运行脚本由全局监控环境模拟程序与从属监控环境模拟程序共享预警程序链接；
向所述从属监控环境模拟程序生成监控环境模拟信息，所述监控环境模拟信息用于指示所述从属监控环境模拟程序从所述监控运行脚本读取监控行为分布节点、并将监控行为分布节点由第一生态保护智能监控信息转为第二生态保护智能监控信息后进行共享建模处理，所述第一生态保护智能监控信息的建模时间大于所述第二生态保护智能监控信息的建模时间；
当接收到共享建模信息虚拟请求、且所述从属监控环境模拟程序将通过共享建模处理得到的目标建模信息由第二生态保护智能监控信息转为第一生态保护智能监控信息后添加到所述监控运行脚本时，则从所述监控运行脚本中读取第一生态保护智能监控信息的目标建模信息；
加载并解析建模信息数据库的数据库文件，并将解析得到的建模信息数据库中各建模信息类型的建模环境信号信息和建模关联信息，添加到所述监控运行脚本，以通过添加到所述监控运行脚本的建模环境信号信息和建模关联信息，指示从属监控环境模拟程序按照建模信息数据库中各建模信息类型的建模关联信息，通过各建模信息类型的建模环境信号信息对所述第二生态保护智能监控信息的监控行为分布节点进行共享建模处理。
在第一方面的一种可能的实施方式中，所述基于所述建模区域的位置信息、属性信息，按照所述第一建模处理信息中的建模处理类型和建模处理参数，对所述第一建模区域信息中待建模的建模区域进行建模处理的步骤，包括：
根据所述建模区域的位置信息和属性信息构建对应的建模模拟信息；
对于每个建模区域各自对应的建模模拟信息，按照所述第一建模处理信息中的建模处理类型和建模处理参数，分别将相应的建模模拟信息划分成多于一个建模处理类型的处于位置信息分布对应的建模模拟进程的建模模拟节点列表；
生成各建模模拟节点列表在所述位置信息分布中的建模处理目标的建模结果对应的环境元素节点建模接口，并确定各所述建模模拟节点列表分别对应的环境元素节点建模接口中所包括的多于一个的环境元素接口；
对于各建模模拟节点列表中的每个环境元素接口，分别基于所述环境元素接口所包括环境元素关联对象的共享表项，确定与所述环境元素接口对应的散列建模节点；
对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，确定所述当前建模模拟节点列表中与当前环境元素接口相关联的预设数量的关联环境元素接口，并将所述关联环境元素接口与所述当前环境元素接口共同构成环境元素接口列表，按照与所述环境元素接口列表对应的影响因子，对所述环境元素接口列表中各环境元素接口的散列建模节点进行融合，得到当前建模模拟节点列表中当前环境元素接口对应的标记环境元素接口；
对当前建模模拟节点列表的在前列表中对应相同环境元素接口序号的关联环境元素接口的标记环境元素接口、以及当前建模模拟节点列表中当前环境元素接口的标记环境元素接口进行融合，得到当前环境元素接口对应的散列建模关系信息；
从不同建模模拟节点列表中对应相同环境元素接口序号的环境元素接口所对应的散列建模关系信息中，筛选出关联次数最少的散列建模关系对应的目标共享表项作为相应环境元素接口序号的各环境元素接口所对应的匹配参数，对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，将所述当前环境元素接口的散列建模关系信息与匹配参数的计算值，作为当前建模模拟节点列表中当前环境元素接口所对应的接口参数值；
当所述接口参数值大于预设阈值时，将第一预设数值作为与所述当前建模模拟节点列表中当前环境元素接口对应的建模参考值；
当所述接口参数值小于或等于所述预设阈值时，将第二预设数值作为与所述当前建模模拟节点列表中当前环境元素接口对应的建模参考值；所述第二预设数值小于所述第一预设数值；
获取在所述当前建模模拟节点列表之前的关联建模模拟节点列表中，与所述当前环境元素接口对应相同环境元素接口序号的关联环境元素接口的建模模拟值，并对所述关联环境元素接口对应的建模模拟值和所述当前环境元素接口对应的建模参考值，进行融合，得到当前建模模拟节点列表中当前环境元素接口对应的建模模拟值；
将第一预设固定值与所述建模模拟值的差值作为相应环境元素接口所对应的参考固定值；
对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，获取所述当前建模模拟节点列表的关联建模模拟节点列表中与当前环境元素接口对应相同环境元素接口序号的关联环境元素接口所对应的目标预测值，并对所述关联环境元素接口所对应的目标预测值和所述当前建模模拟节点列表中当前环境元素接口对应的建模模拟值的第一融合值，与所述当前建模模拟节点列表中当前环境元素接口所对应的散列建模节点和参考固定值的第二融合值，进行加权计算，得到当前建模模拟节点列表中当前环境元素接口对应的目标预测值，基于所述散列建模节点和目标预测值，确定各所述环境元素接口对应的环境元素接口执行策略；
根据各所述建模模拟节点列表所包括的环境元素接口分别对应的环境元素接口执行策略，计算各所述建模模拟节点列表分别对应的位置信息分布的分布参数，其中，所述分布参数与所述环境元素接口执行策略的各执行策略分段的描述参数相关；
根据所述环境元素接口执行策略对所述第一建模区域信息中待建模的建模区域进行建模处理。
第二方面，本申请实施例提供一种土壤成分含量检测智能分析装置，应用于服务器，所述装置包括：
建模模块，用于对生态保护智能监控信息的监控行为分布节点进行共享建模处理，并从共享建模处理后获得的共享建模分区中获取包含多个土壤成分项目的土壤成分项目检测行为，所述土壤成分项目标注有土壤成分项目类别值；
生成模块，用于通过预设机器学习网络生成所述土壤成分项目检测行为的土壤成分含量矩阵以及待定土壤成分项目的土壤成分含量矩阵，得到土壤成分项目检测行为对应的全局土壤成分含量矩阵和局部土壤成分含量矩阵；
融合模块，用于融合所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，并对融合后频繁度矩阵进行土壤成分项目类别识别，得到土壤成分项目检测行为的土壤成分项目类别预测值；
修正模块，用于根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，并利用所述土壤成分项目对象、土壤成分项目类别值和土壤成分项目类别预测值对所述预设机器学习网络进行修正，基于修正后预设机器学习网络对目标土壤成分项目检测行为进行土壤成分项目类别识别；
建立模块，用于根据土壤成分项目类别识别获得的土壤成分项目类别建立每个目标土壤成分项目检测行为的土壤成分项目管理数据库。
第三方面，本申请实施例提供一种服务器，包括处理器、存储器和网络接口。其中，存储器、网络接口处理器之间可以通过总线系统相连。网络接口用于接收报文，存储器用于存储程序、指令或代码，处理器用于执行存储器中的程序、指令或代码，以完成上述第一方面或第一方面的任意可能的设计方式中的所执行的操作。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在服务器上执行时，使得服务器执行上述第一方面或第一方面的任意可能的设计方式中的方法。
基于上述任意一个方面，本申请通过生成客户关系关联行为的关联节点频繁度矩阵以及待定客户关系的关联节点频繁度矩阵，得到客户关系关联行为对应的全局关联节点频繁度矩阵和局部关联节点频繁度矩阵，融合全局关联节点频繁度矩阵和局部关联节点频繁度矩阵，由此对目标客户关系关联行为进行客户关系标签识别，根据客户关系标签识别获得的客户关系标签建立每个目标客户关系关联行为的客户关系管理数据库，能够针对包含多个土壤成分项目的土壤成分项目检测行为进行特征挖掘，从而有效识别任意目标土壤成分项目关联行为的土壤成分项目标签。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的土壤成分含量检测智能分析方法的流程示意图；
图2为本申请实施例提供的土壤成分含量检测智能分析装置的功能模块示意图；
图3为本申请实施例提供的用于执行上述的土壤成分含量检测智能分析方法的服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1为本申请实施例提供的土壤成分含量检测智能分析方法的流程示意图，下面对该土壤成分含量检测智能分析方法进行详细介绍。
步骤S110，对生态保护智能监控信息的监控行为分布节点进行共享建模处理，并从共享建模处理后获得的共享建模分区中获取包含多个土壤成分项目的土壤成分项目检测行为，所述土壤成分项目标注有土壤成分项目类别值。
步骤S120，通过预设机器学习网络生成所述土壤成分项目检测行为的土壤成分含量矩阵以及待定土壤成分项目的土壤成分含量矩阵，得到土壤成分项目检测行为对应的全局土壤成分含量矩阵和局部土壤成分含量矩阵。
步骤S130，融合所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，并对融合后频繁度矩阵进行土壤成分项目类别识别，得到土壤成分项目检测行为的土壤成分项目类别预测值。
步骤S140，根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，并利用所述土壤成分项目对象、土壤成分项目类别值和土壤成分项目类别预测值对所述预设机器学习网络进行修正，基于修正后预设机器学习网络对目标土壤成分项目检测行为进行土壤成分项目类别识别。
步骤S150，根据土壤成分项目类别识别获得的土壤成分项目类别建立每个目标土壤成分项目检测行为的土壤成分项目管理数据库。
基于上述步骤，本实施例通过生成客户关系关联行为的关联节点频繁度矩阵以及待定客户关系的关联节点频繁度矩阵，得到客户关系关联行为对应的全局关联节点频繁度矩阵和局部关联节点频繁度矩阵，融合全局关联节点频繁度矩阵和局部关联节点频繁度矩阵，由此对目标客户关系关联行为进行客户关系标签识别，根据客户关系标签识别获得的客户关系标签建立每个目标客户关系关联行为的客户关系管理数据库，能够针对包含多个土壤成分项目的土壤成分项目检测行为进行特征挖掘，从而有效识别任意目标土壤成分项目关联行为的土壤成分项目标签。
在一种可能的实施方式中，针对步骤S140，可以根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，生成每类土壤成分项目类别对应的类别更新分布，接着对所述类别更新分布进行修正，并基于修正结果确定每类土壤成分项目类别的土壤成分项目对象。
例如，可以分别对所述全局土壤成分含量矩阵和局部土壤成分含量矩阵进行随机森林树处理，得到处理后的全局土壤成分含量矩阵以及处理后的局部土壤成分含量矩阵。
然后，对所述全局土壤成分含量矩阵进行向量化处理，得到所述全局土壤成分含量矩阵对应的特征向量，基于各局部土壤成分含量矩阵在所述全局土壤成分含量矩阵中的分布，确定各局部关联节点所关联的土壤成分项目类别，根据各局部关联节点所关联的土壤成分项目类别，生成各局部关联节点对应的权重矩阵。
在此基础上，可以分别计算所述特征向量与各权重矩阵之间的乘积，得到每类土壤成分项目类别对应的类别更新分布，根据所述类别更新分布以及随机森林树处理后的类别更新分布，确定每类土壤成分项目类别的土壤成分项目对象。
例如，可以分别获取类别更新分布的分布图谱以及随机森林树处理后的类别更新分布的分布图谱，得到所述类别更新分布对应的多个第一分布图谱以及随机森林树处理后的类别更新分布对应的多个第二分布图谱，每个第一分布图谱对应一个第二分布图谱。
然后，提取第一分布图谱的土壤成分项目匹配度，得到第一分布图谱对应的第一土壤成分项目匹配度。在此基础上，可以提取第二分布图谱的土壤成分项目匹配度，得到第二分布图谱对应的第二土壤成分项目匹配度。基于所述第一土壤成分项目匹配度以及第二土壤成分项目匹配度，构建每类土壤成分项目类别的土壤成分项目对象。
例如，可以检测每个第一土壤成分项目匹配度满足预设条件，然后从多个第一分布图谱中选取满足预设条件的第一分布图谱，得到第一候选分布图谱。
接着，构建与第一候选分布图谱对应的土壤成分项目类别的第一土壤成分分布，获取与所述第一候选分布图谱对应的第二分布图谱，得到第二候选分布图谱。
然后，构建与第二候选分布图谱对应的土壤成分项目类别的第二土壤成分分布，对所述第二土壤成分分布进行随机森林树处理，得到处理后第二土壤成分分布，通过处理后第二土壤成分分布对第一土壤成分分布进行融合，得到土壤成分项目类别的土壤成分项目对象。
在一种可能的实施方式中，针对步骤S110，在对生态保护智能监控信息的监控行为分布节点进行共享建模处理的过程中，可以通过以下示例性的步骤实施。
子步骤S111，将第一生态保护智能监控信息的监控行为分布节点添加到监控运行脚本；所述监控运行脚本由全局监控环境模拟程序与从属监控环境模拟程序共享预警程序链接。
子步骤S112，向所述从属监控环境模拟程序生成监控环境模拟信息，所述监控环境模拟信息用于指示所述从属监控环境模拟程序从所述监控运行脚本读取监控行为分布节点、并将监控行为分布节点由第一生态保护智能监控信息转为第二生态保护智能监控信息后进行共享建模处理，所述第一生态保护智能监控信息的建模时间大于所述第二生态保护智能监控信息的建模时间。
子步骤S113，当接收到共享建模信息虚拟请求、且所述从属监控环境模拟程序将通过共享建模处理得到的目标建模信息由第二生态保护智能监控信息转为第一生态保护智能监控信息后添加到所述监控运行脚本时，则从所述监控运行脚本中读取第一生态保护智能监控信息的目标建模信息。
子步骤S114，加载并解析建模信息数据库的数据库文件，并将解析得到的建模信息数据库中各建模信息类型的建模环境信号信息和建模关联信息，添加到所述监控运行脚本，以通过添加到所述监控运行脚本的建模环境信号信息和建模关联信息，指示从属监控环境模拟程序按照建模信息数据库中各建模信息类型的建模关联信息，通过各建模信息类型的建模环境信号信息对所述第二生态保护智能监控信息的监控行为分布节点进行共享建模处理。
基于上述步骤，本实施例通过将第一生态保护智能监控信息的监控行为分布节点添加到由全局监控环境模拟程序与从属监控环境模拟程序共享预警程序链接的监控运行脚本，由于第一生态保护智能监控信息的建模时间大于第二生态保护智能监控信息的建模时间，这样在第二生态保护智能监控信息的建模时间满足建模处理需求时，即可通过减小数据量极大地提高建模处理效率。在此基础上将解析得到的建模信息数据库中各建模信息类型的建模环境信号信息和建模关联信息添加到监控运行脚本，以指示从属监控环境模拟程序按照建模信息数据库中各建模信息类型的建模关联信息，通过各建模信息类型的建模环境信号信息对第二生态保护智能监控信息的监控行为分布节点进行共享建模处理，从而进一步降低建模处理的复杂度。
譬如，在一些可能的设计中，针对步骤S112，向所述从属监控环境模拟程序生成监控环境模拟信息，具体可以是：调用从属监控环境模拟程序接口创建多个从属监控环境模拟程序建模区，然后向所述多个从属监控环境模拟程序建模区生成监控环境模拟信息。其中，所述监控环境模拟信息可以用于指示所述多个从属监控环境模拟程序建模区并行从监控运行脚本读取监控行为分布节点、并将监控行为分布节点由第一生态保护智能监控信息转为第二生态保护智能监控信息后并行进行共享建模处理，由此提高监控行为分布节点的读取效率和共享建模处理效率。
由此，可选地，当接收到共享建模信息虚拟请求、且所述多个从属监控环境模拟程序建模区将通过共享建模处理得到的目标建模信息由第二生态保护智能监控信息转为第一生态保护智能监控信息后并行添加到所述监控运行脚本时，则从所述监控运行脚本中读取第一生态保护智能监控信息的目标建模信息。
在一些可能的设计中，所述监控行为分布节点具体可以包括多个共享行为分布信息，所述多个共享行为分布信息中每个共享行为分布信息的特征信息，具有表示所述共享行为分布信息所对应的网络交易行为的安全建模值，将第一生态保护智能监控信息的监控行为分布节点添加到所述监控运行脚本的过程中，可以将第一生态保护智能监控信息的多个共享行为分布信息逐个添加到监控运行脚本。其中，可选地，所述监控环境模拟信息，还可以用于指示从属监控环境模拟程序将多个共享行为分布信息转化为共享行为分布监控点后进行信息处理，所述共享行为分布监控点中的分布监控节点信息与所述监控行为分布节点中共享行为分布信息对应。
在上述共享行为分布信息的基础上，在一些可能的设计中，向所述从属监控环境模拟程序生成监控环境模拟信息，具体可以是调用从属监控环境模拟程序的建模控件创建多个从属监控环境模拟程序建模区，然后向所述多个从属监控环境模拟程序建模区生成监控环境模拟信息，所述监控环境模拟信息用于指示所述多个从属监控环境模拟程序建模区并行从监控运行脚本读取多个共享行为分布信息、将多个共享行为分布信息转化为共享行为分布监控点并由第一生态保护智能监控信息转为第二生态保护智能监控信息后，再并行对所述共享行为分布监控点中不同的分布监控节点信息进行处理。
譬如，在一些可能的设计中，针对步骤S112，本实施例进一步考虑到现有技术中要不就保留所有的建模区域，要不就是去除识别到的建模区域，但是由于不同的分布监控节点存在较大的差异，容易导致对建模区域进行处理时存在机械单一的问题，并且影响建模效率的情况，由此步骤S112具体可以通过如下子步骤实现：
子步骤S1121，将监控行为分布节点由第一生态保护智能监控信息转为第二生态保护智能监控信息后，对转为第二生态保护智能监控信息后的监控行为分布节点进行建模识别，若识别到第一分布监控节点，则获取所述第一分布监控节点的第一建模标识。
子步骤S1122，根据预先存储的建模标识与建模区域之间的对应关系，确定所述第一建模标识对应的第一建模区域信息。
子步骤S1123，基于所述第一建模区域信息，获取所述第一建模区域信息中待建模的建模区域、所述建模区域的位置信息、属性信息以及对应的第一建模处理信息。
子步骤S1124，获取所述第一建模处理信息中的建模处理类型和建模处理参数。
子步骤S1125，基于所述建模区域的位置信息、属性信息，按照所述第一建模处理信息中的建模处理类型和建模处理参数，对所述第一建模区域信息中待建模的建模区域进行建模处理。
基于上述设计，本实施例在前述实施例的基础上进一步考虑到现有技术中要不就保留所有的建模区域，要不就是去除识别到的建模区域，但是由于不同的分布监控节点存在较大的差异，容易导致对建模区域进行处理时存在机械单一的问题，并且影响建模效率的情况，从而通过不同的建模区域对应不同的建模标识，使得不同建模标识对应不同的建模区域，避免对建模区域进行处理机械单一的问题，满足不同建模处理要求，提高建模效率。
在一种可能的设计中，对于步骤S1124而言，可以通过以下示例性的子步骤实现，详细描述如下。
子步骤S11241，根据所述建模区域的位置信息和属性信息构建对应的建模模拟信息。
子步骤S11242，对于每个建模区域各自对应的建模模拟信息，按照所述第一建模处理信息中的建模处理类型和建模处理参数，分别将相应的建模模拟信息划分成多于一个建模处理类型的处于位置信息分布对应的建模模拟进程的建模模拟节点列表。
子步骤S11243，生成各建模模拟节点列表在所述位置信息分布中的建模处理目标的建模结果对应的环境元素节点建模接口，并确定各所述建模模拟节点列表分别对应的环境元素节点建模接口中所包括的多于一个的环境元素接口。
子步骤S11244，对于各建模模拟节点列表中的每个环境元素接口，分别基于所述环境元素接口所包括环境元素关联对象的共享表项，确定与所述环境元素接口对应的散列建模节点。
子步骤S11245，对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，确定所述当前建模模拟节点列表中与当前环境元素接口相关联的预设数量的关联环境元素接口，并将所述关联环境元素接口与所述当前环境元素接口共同构成环境元素接口列表，按照与所述环境元素接口列表对应的影响因子，对所述环境元素接口列表中各环境元素接口的散列建模节点进行融合，得到当前建模模拟节点列表中当前环境元素接口对应的标记环境元素接口。
子步骤S11246，对当前建模模拟节点列表的在前列表中对应相同环境元素接口序号的关联环境元素接口的标记环境元素接口、以及当前建模模拟节点列表中当前环境元素接口的标记环境元素接口进行融合，得到当前环境元素接口对应的散列建模关系信息。
子步骤S11247，从不同建模模拟节点列表中对应相同环境元素接口序号的环境元素接口所对应的散列建模关系信息中，筛选出关联次数最少的散列建模关系对应的目标共享表项作为相应环境元素接口序号的各环境元素接口所对应的匹配参数，对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，将所述当前环境元素接口的散列建模关系信息与匹配参数的计算值，作为当前建模模拟节点列表中当前环境元素接口所对应的接口参数值。
子步骤S11248，当所述接口参数值大于预设阈值时，将第一预设数值作为与所述当前建模模拟节点列表中当前环境元素接口对应的建模参考值。
子步骤S11249，当所述接口参数值小于或等于所述预设阈值时，将第二预设数值作为与所述当前建模模拟节点列表中当前环境元素接口对应的建模参考值。所述第二预设数值小于所述第一预设数值。
子步骤S112491，获取在所述当前建模模拟节点列表之前的关联建模模拟节点列表中，与所述当前环境元素接口对应相同环境元素接口序号的关联环境元素接口的建模模拟值，并对所述关联环境元素接口对应的建模模拟值和所述当前环境元素接口对应的建模参考值，进行融合，得到当前建模模拟节点列表中当前环境元素接口对应的建模模拟值。
子步骤S112492，将第一预设固定值与所述建模模拟值的差值作为相应环境元素接口所对应的参考固定值。
子步骤S112493，对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，获取所述当前建模模拟节点列表的关联建模模拟节点列表中与当前环境元素接口对应相同环境元素接口序号的关联环境元素接口所对应的目标预测值，并对所述关联环境元素接口所对应的目标预测值和所述当前建模模拟节点列表中当前环境元素接口对应的建模模拟值的第一融合值，与所述当前建模模拟节点列表中当前环境元素接口所对应的散列建模节点和参考固定值的第二融合值，进行加权计算，得到当前建模模拟节点列表中当前环境元素接口对应的目标预测值，基于所述散列建模节点和目标预测值，确定各所述环境元素接口对应的环境元素接口执行策略。
子步骤S112494，根据各所述建模模拟节点列表所包括的环境元素接口分别对应的环境元素接口执行策略，计算各所述建模模拟节点列表分别对应的位置信息分布的分布参数，其中，所述分布参数与所述环境元素接口执行策略的各执行策略分段的描述参数相关。
子步骤S112495，根据所述环境元素接口执行策略对所述第一建模区域信息中待建模的建模区域进行建模处理。
譬如，在一些可能的设计中，针对步骤S114，本实施例进一步考虑到在通过各建模信息类型的建模环境信号信息对所述第二生态保护智能监控信息的监控行为分布节点进行共享建模处理的过程中，往往会重新对待建模服务进行重复处理，此过程需要耗费一定的计算资源和计算时长，导致建模效率变低的情况，基于此，步骤S114具体可以通过如下子步骤实现：
子步骤S1141，在通过各建模信息类型的建模环境信号信息对所述第二生态保护智能监控信息的监控行为分布节点进行共享建模处理的过程中，获取与所述第二生态保护智能监控信息的监控行为分布节点的本次共享建模处理相关的模型模式信息。
子步骤S1142，若所述模型模式信息包含共享建模处理指示信息，则基于所述共享建模处理指示信息的指示，在所述第二生态保护智能监控信息的监控行为分布节点完成本次共享建模处理后，针对本次待建模的所有待建模服务中的每个待建模服务，根据完成本次共享建模处理后的第二生态保护智能监控信息的监控行为分布节点确定所述待建模服务待添加的建模层级的建模类别。
子步骤S1143，若所述待建模服务当前存在已添加的建模层级的建模类别，则检测所述已添加的建模层级的建模类别中是否存在自定义建模类别，其中，所述自定义建模类别为通过手动方式添加的建模层级的建模类别。
子步骤S1144，若所述已添加的建模层级的建模类别中存在自定义建模类别，则将所述待建模服务当前已添加的除所述自定义建模类别之外的其它建模层级的建模类别更新为本次所述待建模服务待添加的建模层级的建模类别，其中，所述共享建模处理指示信息指示在所述第二生态保护智能监控信息的监控行为分布节点共享建模处理后重新对所述待建模服务进行处理。
子步骤S1145，若所述模型模式信息未包含所述共享建模处理指示信息，则在所述第二生态保护智能监控信息的监控行为分布节点完成本次共享建模处理后，不执行自动调用共享建模处理后的所述第二生态保护智能监控信息的监控行为分布节点对所述待建模服务执行相应的处理的动作。
基于上述设计，本实施例在通过各建模信息类型的建模环境信号信息对所述第二生态保护智能监控信息的监控行为分布节点进行共享建模处理的过程中，能够避免重新对待建模服务进行重复处理，降低计算资源和计算时长的消耗，进而提高建模效率。
图2为本申请实施例提供的土壤成分含量检测智能分析装置300的功能模块示意图，本实施例可以根据上述方法实施例对该土壤成分含量检测智能分析装置300进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。比如，在采用对应各个功能划分各个功能模块的情况下，图2示出的土壤成分含量检测智能分析装置300只是一种装置示意图。下面分别对该土壤成分含量检测智能分析装置300的各个功能模块的功能进行详细阐述。
建模模块310，用于对生态保护智能监控信息的监控行为分布节点进行共享建模处理，并从共享建模处理后获得的共享建模分区中获取包含多个土壤成分项目的土壤成分项目检测行为，所述土壤成分项目标注有土壤成分项目类别值。
生成模块320，用于通过预设机器学习网络生成所述土壤成分项目检测行为的土壤成分含量矩阵以及待定土壤成分项目的土壤成分含量矩阵，得到土壤成分项目检测行为对应的全局土壤成分含量矩阵和局部土壤成分含量矩阵。
融合模块330，用于融合所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，并对融合后频繁度矩阵进行土壤成分项目类别识别，得到土壤成分项目检测行为的土壤成分项目类别预测值。
修正模块340，用于根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，并利用所述土壤成分项目对象、土壤成分项目类别值和土壤成分项目类别预测值对所述预设机器学习网络进行修正，基于修正后预设机器学习网络对目标土壤成分项目检测行为进行土壤成分项目类别识别。
建立模块350，用于根据土壤成分项目类别识别获得的土壤成分项目类别建立每个目标土壤成分项目检测行为的土壤成分项目管理数据库。
图3为本申请实施例提供的用于执行上述土壤成分含量检测智能分析方法的服务器100的结构示意图，如图3所示，该服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130的数量可以是一个或多个，图3中以一个处理器130为例；网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接，图3中以通过总线140连接为例。
机器可读存储介质120作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的建立土壤成分含量检测智能分析方法对应的程序指令/模块。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的土壤成分含量检测智能分析方法，在此不再赘述。
机器可读存储介质120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，机器可读存储介质120可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、适应随机存取存储器(Dynamic RAM，DRAM)、同步适应随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步适应随机存取存储器(Double DataRateSDRAM，DDR SDRAM)、增强型同步适应随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接适应随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合时刻的存储器。在一些实例中，机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。
服务器100可以通过通信接口110和其它设备(例如外部服务器)进行信息交互。通信接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用通信接口110收发信息。
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申请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含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。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
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。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种土壤成分含量检测智能分析方法，其特征在于，应用于服务器，所述方法包括：
对生态保护智能监控信息的监控行为分布节点进行共享建模处理，并从共享建模处理后获得的共享建模分区中获取包含多个土壤成分项目的土壤成分项目检测行为，所述土壤成分项目标注有土壤成分项目类别值；
通过预设机器学习网络生成所述土壤成分项目检测行为的土壤成分含量矩阵以及待定土壤成分项目的土壤成分含量矩阵，得到土壤成分项目检测行为对应的全局土壤成分含量矩阵和局部土壤成分含量矩阵；
融合所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，并对融合后频繁度矩阵进行土壤成分项目类别识别，得到土壤成分项目检测行为的土壤成分项目类别预测值；
根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，并利用所述土壤成分项目对象、土壤成分项目类别值和土壤成分项目类别预测值对所述预设机器学习网络进行修正，基于修正后预设机器学习网络对目标土壤成分项目检测行为进行土壤成分项目类别识别；
根据土壤成分项目类别识别获得的土壤成分项目类别建立每个目标土壤成分项目检测行为的土壤成分项目管理数据库。
2.根据权利要求1所述的土壤成分含量检测智能分析方法，其特征在于，所述根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，包括：
根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，生成每类土壤成分项目类别对应的类别更新分布；
对所述类别更新分布进行修正，并基于修正结果确定每类土壤成分项目类别的土壤成分项目对象。
3.根据权利要求2所述的土壤成分含量检测智能分析方法，其特征在于，所述对所述类别更新分布进行修正，基于修正结果确定每类土壤成分项目类别的土壤成分项目对象，包括：
分别对所述全局土壤成分含量矩阵和局部土壤成分含量矩阵进行随机森林树处理，得到处理后的全局土壤成分含量矩阵以及处理后的局部土壤成分含量矩阵；
对所述全局土壤成分含量矩阵进行向量化处理，得到所述全局土壤成分含量矩阵对应的特征向量；
基于各局部土壤成分含量矩阵在所述全局土壤成分含量矩阵中的分布，确定各局部关联节点所关联的土壤成分项目类别；
根据各局部关联节点所关联的土壤成分项目类别，生成各局部关联节点对应的权重矩阵；
分别计算所述特征向量与各权重矩阵之间的乘积，得到每类土壤成分项目类别对应的类别更新分布；
根据所述类别更新分布以及随机森林树处理后的类别更新分布，确定每类土壤成分项目类别的土壤成分项目对象。
4.根据权利要求3所述的土壤成分含量检测智能分析方法，其特征在于，所述根据所述类别更新分布以及随机森林树处理后的类别更新分布，确定每类土壤成分项目类别的土壤成分项目对象，包括：
分别获取类别更新分布的分布图谱以及随机森林树处理后的类别更新分布的分布图谱，得到所述类别更新分布对应的多个第一分布图谱以及随机森林树处理后的类别更新分布对应的多个第二分布图谱，每个第一分布图谱对应一个第二分布图谱；
提取第一分布图谱的土壤成分项目匹配度，得到第一分布图谱对应的第一土壤成分项目匹配度；以及
提取第二分布图谱的土壤成分项目匹配度，得到第二分布图谱对应的第二土壤成分项目匹配度；基于所述第一土壤成分项目匹配度以及第二土壤成分项目匹配度，构建每类土壤成分项目类别的土壤成分项目对象。
5.根据权利要求4所述的土壤成分含量检测智能分析方法，其特征在于，所述基于所述第一土壤成分项目匹配度以及第二土壤成分项目匹配度，构建每类土壤成分项目类别的土壤成分项目对象，包括：
检测每个第一土壤成分项目匹配度满足预设条件；
从多个第一分布图谱中选取满足预设条件的第一分布图谱，得到第一候选分布图谱；
构建与第一候选分布图谱对应的土壤成分项目类别的第一土壤成分分布；
获取与所述第一候选分布图谱对应的第二分布图谱，得到第二候选分布图谱；
构建与第二候选分布图谱对应的土壤成分项目类别的第二土壤成分分布；
对所述第二土壤成分分布进行随机森林树处理，得到处理后第二土壤成分分布；
通过处理后第二土壤成分分布对第一土壤成分分布进行融合，得到土壤成分项目类别的土壤成分项目对象。
6.根据权利要求1所述的土壤成分含量检测智能分析方法，其特征在于，所述对生态保护智能监控信息的监控行为分布节点进行共享建模处理的步骤，包括：
将第一生态保护智能监控信息的监控行为分布节点添加到监控运行脚本；所述监控运行脚本由全局监控环境模拟程序与从属监控环境模拟程序共享预警程序链接；
向所述从属监控环境模拟程序生成监控环境模拟信息，所述监控环境模拟信息用于指示所述从属监控环境模拟程序从所述监控运行脚本读取监控行为分布节点、并将监控行为分布节点由第一生态保护智能监控信息转为第二生态保护智能监控信息后进行共享建模处理，所述第一生态保护智能监控信息的建模时间大于所述第二生态保护智能监控信息的建模时间；
当接收到共享建模信息虚拟请求、且所述从属监控环境模拟程序将通过共享建模处理得到的目标建模信息由第二生态保护智能监控信息转为第一生态保护智能监控信息后添加到所述监控运行脚本时，则从所述监控运行脚本中读取第一生态保护智能监控信息的目标建模信息；
加载并解析建模信息数据库的数据库文件，并将解析得到的建模信息数据库中各建模信息类型的建模环境信号信息和建模关联信息，添加到所述监控运行脚本，以通过添加到所述监控运行脚本的建模环境信号信息和建模关联信息，指示从属监控环境模拟程序按照建模信息数据库中各建模信息类型的建模关联信息，通过各建模信息类型的建模环境信号信息对所述第二生态保护智能监控信息的监控行为分布节点进行共享建模处理。
7.根据权利要求6所述的土壤成分含量检测智能分析方法，其特征在于，所述基于所述建模区域的位置信息、属性信息，按照所述第一建模处理信息中的建模处理类型和建模处理参数，对所述第一建模区域信息中待建模的建模区域进行建模处理的步骤，包括：
根据所述建模区域的位置信息和属性信息构建对应的建模模拟信息；
对于每个建模区域各自对应的建模模拟信息，按照所述第一建模处理信息中的建模处理类型和建模处理参数，分别将相应的建模模拟信息划分成多于一个建模处理类型的处于位置信息分布对应的建模模拟进程的建模模拟节点列表；
生成各建模模拟节点列表在所述位置信息分布中的建模处理目标的建模结果对应的环境元素节点建模接口，并确定各所述建模模拟节点列表分别对应的环境元素节点建模接口中所包括的多于一个的环境元素接口；
对于各建模模拟节点列表中的每个环境元素接口，分别基于所述环境元素接口所包括环境元素关联对象的共享表项，确定与所述环境元素接口对应的散列建模节点；
对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，确定所述当前建模模拟节点列表中与当前环境元素接口相关联的预设数量的关联环境元素接口，并将所述关联环境元素接口与所述当前环境元素接口共同构成环境元素接口列表，按照与所述环境元素接口列表对应的影响因子，对所述环境元素接口列表中各环境元素接口的散列建模节点进行融合，得到当前建模模拟节点列表中当前环境元素接口对应的标记环境元素接口；
对当前建模模拟节点列表的在前列表中对应相同环境元素接口序号的关联环境元素接口的标记环境元素接口、以及当前建模模拟节点列表中当前环境元素接口的标记环境元素接口进行融合，得到当前环境元素接口对应的散列建模关系信息；
从不同建模模拟节点列表中对应相同环境元素接口序号的环境元素接口所对应的散列建模关系信息中，筛选出关联次数最少的散列建模关系对应的目标共享表项作为相应环境元素接口序号的各环境元素接口所对应的匹配参数，对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，将所述当前环境元素接口的散列建模关系信息与匹配参数的计算值，作为当前建模模拟节点列表中当前环境元素接口所对应的接口参数值；
当所述接口参数值大于预设阈值时，将第一预设数值作为与所述当前建模模拟节点列表中当前环境元素接口对应的建模参考值；
当所述接口参数值小于或等于所述预设阈值时，将第二预设数值作为与所述当前建模模拟节点列表中当前环境元素接口对应的建模参考值；所述第二预设数值小于所述第一预设数值；
获取在所述当前建模模拟节点列表之前的关联建模模拟节点列表中，与所述当前环境元素接口对应相同环境元素接口序号的关联环境元素接口的建模模拟值，并对所述关联环境元素接口对应的建模模拟值和所述当前环境元素接口对应的建模参考值，进行融合，得到当前建模模拟节点列表中当前环境元素接口对应的建模模拟值；
将第一预设固定值与所述建模模拟值的差值作为相应环境元素接口所对应的参考固定值；
对于各建模模拟节点列表中当前处理的当前建模模拟节点列表中的当前环境元素接口，获取所述当前建模模拟节点列表的关联建模模拟节点列表中与当前环境元素接口对应相同环境元素接口序号的关联环境元素接口所对应的目标预测值，并对所述关联环境元素接口所对应的目标预测值和所述当前建模模拟节点列表中当前环境元素接口对应的建模模拟值的第一融合值，与所述当前建模模拟节点列表中当前环境元素接口所对应的散列建模节点和参考固定值的第二融合值，进行加权计算，得到当前建模模拟节点列表中当前环境元素接口对应的目标预测值，基于所述散列建模节点和目标预测值，确定各所述环境元素接口对应的环境元素接口执行策略；
根据各所述建模模拟节点列表所包括的环境元素接口分别对应的环境元素接口执行策略，计算各所述建模模拟节点列表分别对应的位置信息分布的分布参数，其中，所述分布参数与所述环境元素接口执行策略的各执行策略分段的描述参数相关；
根据所述环境元素接口执行策略对所述第一建模区域信息中待建模的建模区域进行建模处理。
8.一种土壤成分含量检测智能分析装置，其特征在于，应用于服务器，所述装置包括：
建模模块，用于对生态保护智能监控信息的监控行为分布节点进行共享建模处理，并从共享建模处理后获得的共享建模分区中获取包含多个土壤成分项目的土壤成分项目检测行为，所述土壤成分项目标注有土壤成分项目类别值；
生成模块，用于通过预设机器学习网络生成所述土壤成分项目检测行为的土壤成分含量矩阵以及待定土壤成分项目的土壤成分含量矩阵，得到土壤成分项目检测行为对应的全局土壤成分含量矩阵和局部土壤成分含量矩阵；
融合模块，用于融合所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，并对融合后频繁度矩阵进行土壤成分项目类别识别，得到土壤成分项目检测行为的土壤成分项目类别预测值；
修正模块，用于根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象，并利用所述土壤成分项目对象、土壤成分项目类别值和土壤成分项目类别预测值对所述预设机器学习网络进行修正，基于修正后预设机器学习网络对目标土壤成分项目检测行为进行土壤成分项目类别识别；
建立模块，用于根据土壤成分项目类别识别获得的土壤成分项目类别建立每个目标土壤成分项目检测行为的土壤成分项目管理数据库。
9.根据权利要求8所述的土壤成分含量检测智能分析装置，其特征在于，所述根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵确定每类土壤成分项目类别的土壤成分项目对象的方式，包括：
根据所述全局土壤成分含量矩阵和局部土壤成分含量矩阵，生成每类土壤成分项目类别对应的类别更新分布；
对所述类别更新分布进行修正，并基于修正结果确定每类土壤成分项目类别的土壤成分项目对象。
10.一种服务器，其特征在于，所述服务器包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该服务器实现权利要求1-8中任意一项所述的土壤成分含量检测智能分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011283493.6A CN112380493B (zh) | 2020-11-17 | 2020-11-17 | 一种土壤成分含量检测智能分析方法、装置及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011283493.6A CN112380493B (zh) | 2020-11-17 | 2020-11-17 | 一种土壤成分含量检测智能分析方法、装置及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112380493A true CN112380493A (zh) | 2021-02-19 |
| CN112380493B CN112380493B (zh) | 2024-02-09 |
Family
ID=74584868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011283493.6A Active CN112380493B (zh) | 2020-11-17 | 2020-11-17 | 一种土壤成分含量检测智能分析方法、装置及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112380493B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170316124A1 (en) * | 2016-04-27 | 2017-11-02 | The Climate Corporation | Digital nutrient model by assimilating a soil sample |
| CN108449989A (zh) * | 2015-06-15 | 2018-08-24 | 联邦科学与工业研究组织 | 土壤条件分析系统及方法 |
| CN108573105A (zh) * | 2018-04-23 | 2018-09-25 | 浙江科技学院 | 基于深度置信网络的土壤重金属含量检测模型的建立方法 |
| CN111611326A (zh) * | 2020-05-26 | 2020-09-01 | 苏州律点信息科技有限公司 | 一种客户关系管理数据库建立方法及系统 |
-
2020
- 2020-11-17 CN CN202011283493.6A patent/CN112380493B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108449989A (zh) * | 2015-06-15 | 2018-08-24 | 联邦科学与工业研究组织 | 土壤条件分析系统及方法 |
| US20170316124A1 (en) * | 2016-04-27 | 2017-11-02 | The Climate Corporation | Digital nutrient model by assimilating a soil sample |
| CN108573105A (zh) * | 2018-04-23 | 2018-09-25 | 浙江科技学院 | 基于深度置信网络的土壤重金属含量检测模型的建立方法 |
| CN111611326A (zh) * | 2020-05-26 | 2020-09-01 | 苏州律点信息科技有限公司 | 一种客户关系管理数据库建立方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 于雷;洪永胜;周勇;朱强;: "连续小波变换高光谱数据的土壤有机质含量反演模型构建", 光谱学与光谱分析, no. 05, pages 159 - 164 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112380493B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108768728B (zh) | 运维任务处理方法、装置、计算机设备和存储介质 | |
| CN111132145B (zh) | 网络通信安全监测方法、装置、服务器及网络通信系统 | |
| CN111352670B (zh) | 虚拟现实场景加载方法、装置、虚拟现实系统及设备 | |
| CN109697500B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN111490990A (zh) | 基于大数据平台的网络安全分析方法及大数据平台服务器 | |
| CN111522806A (zh) | 大数据清洗处理方法、装置、服务器及可读存储介质 | |
| CN112529579A (zh) | 基于区块链和移动互联网的信息流分析方法、系统及平台 | |
| CN112380771B (zh) | 一种土壤侵蚀评估方法、装置及服务器 | |
| CN112417668B (zh) | 一种生态保护智能预警方法、装置及服务器 | |
| CN111680645B (zh) | 一种垃圾分类处理方法及装置 | |
| CN112380493A (zh) | 一种土壤成分含量检测智能分析方法、装置及服务器 | |
| CN112383436A (zh) | 一种网络监控的方法和装置 | |
| CN112529218A (zh) | 一种基于关联分析的建筑物安全检测方法及系统 | |
| CN111523844A (zh) | 仓储管理方法、装置、服务器及可读存储介质 | |
| CN112364515B (zh) | 一种生态环境智能监控方法、装置及服务器 | |
| CN111539477A (zh) | 水质监测管理方法、装置、服务器及可读存储介质 | |
| CN111800481B (zh) | 基于互联网的网络互动方法、装置及服务器 | |
| CN111526333A (zh) | 安防监控方法、装置、服务器及可读存储介质 | |
| CN113821251A (zh) | 基于人工智能的代码优化方法、装置、设备和存储介质 | |
| CN113098884A (zh) | 基于大数据的网络安全监控方法、云平台系统及介质 | |
| CN112055076A (zh) | 基于互联网的多功能智能监控方法、装置及服务器 | |
| CN111800482A (zh) | 工业互联网的动态安全防护、装置及服务器 | |
| CN111680315A (zh) | 工业互联网的动态安全防护方法及装置 | |
| CN112579457B (zh) | 基于人工智能的数据架构管控方法及系统 | |
| CN115599312B (zh) | 基于存储集群的大数据处理方法及ai系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |