CN115690777A - 基于成熟度识别装置的香菇菌棒成熟度识别方法及系统 - Google Patents
基于成熟度识别装置的香菇菌棒成熟度识别方法及系统 Download PDFInfo
- Publication number
- CN115690777A CN115690777A CN202211387081.6A CN202211387081A CN115690777A CN 115690777 A CN115690777 A CN 115690777A CN 202211387081 A CN202211387081 A CN 202211387081A CN 115690777 A CN115690777 A CN 115690777A
- Authority
- CN
- China
- Prior art keywords
- stick
- data
- mushroom
- maturity
- bacteria
- 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.)
- Pending
Links
Images
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明提供一种基于成熟度识别装置的香菇菌棒成熟度识别方法及系统,属于农业信息化技术领域,方法包括:获取香菇菌棒特征数据集合;将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。系统包括:菌棒内部温度传感器、菌棒环境采集设备、无线基站和云平台。本发明通过提出香菇菌棒成熟度无损识别方法,并构建香菇菌棒成熟度识别系统,采用超声波温度测量以及利用多源数据信息深度融合的香菇菌棒菌丝体成熟度识别模型,有效地提高了成熟度的识别准确度和识别效率。
Description
技术领域
本发明涉及农业信息化技术领域,尤其涉及一种基于成熟度识别装置的香菇菌棒成熟度识别方法及系统。
背景技术
在菌类产品培育过程中,以香菇为代表的食用菌养菌时间远大于出菇时间,待菌丝体生理成熟度后,需并移至出菇棚内进行出菇,因此精准判别菌丝体生理成熟时刻,及时进行出菇,可显著缩短生产周期,提高出菇质量,同时减少养菌阶段的能耗。
目前,对于菌丝体生理成熟度的标准检测通常有生化检测法、外观判定法和积温法等。生化检测法是以生化指标的离线检测为主,需取样在实验室进行,费时费工;外观判定法通常把栽培袋内菌丝浓密粗壮、转色及起瘤程度,菌袋质地紧实作为判断菌丝达到生理成熟的外观指标,主观因素大,需要种植员具有丰富的经验;积温法由于检测菌棒内部温度手段的匮乏,菇农普遍采用空气温度或菌棒表温代替内部温度,导致测量误差大。还有菇农使用金属探针式检测内部温度,仅能代表点温度,无法反映菌棒整体温度,且破坏了菌丝体生长微环境。同时,由于信息化手段的缺乏,未同步完成对菌丝生理成熟期的各种指标数据进行有效获取,导致测量信息不完整。
基于上述现有的成熟度检测方法存在各种不完善之处,亟需提出新的香菇菌棒成熟度识别方法及对应的系统。
发明内容
本发明提供一种基于成熟度识别装置的香菇菌棒成熟度识别方法及系统,用以解决现有技术中针对香菇菌棒成熟度检测存在主观因素影响大、对菌棒容易造成损伤以及测量结果不够精准的缺陷。
第一方面,本发明提供一种基于成熟度识别装置的香菇菌棒成熟度识别方法,包括:
获取香菇菌棒特征数据集合;
将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的;
其中,所述香菇菌棒成熟度识别装置包括:
菌棒内部温度传感器、菌棒环境采集设备、无线基站和云平台;
所述菌棒内部温度传感器设置于香菇菌棒上,用于采集菌棒内部温度数据;
所述菌棒环境采集设备设置于养菌房内,用于采集菌棒外部环境数据;
所述无线基站分别与所述菌棒内部温度传感器和所述菌棒环境采集设备相连接,用于接收所述菌棒内部温度数据和所述菌棒外部环境数据;
所述云平台与所述无线基站相连接,用于根据所述菌棒内部温度数据和所述菌棒外部环境数据输出香菇菌棒成熟度识别结果,并将所述香菇菌棒成熟度识别结果发送至终端设备。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述成熟度预测模型,通过以下步骤获得:
通过菌棒内部温度无损测量方法获取菌棒内部温度样本集合,并获取菌棒外部环境样本集合;
将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列;
利用生化测定法对所述特征数据时间序列进行测定,得到所述香菇菌棒数据分类标签;
将标注对应香菇菌棒数据分类标签的所述特征数据时间序列进行分类,生成用于训练的若干个数据集;
获取由所述卷积门控循环单元作为网络初始模型;
将所述若干个数据集输入所述网络初始模型进行训练,得到所述成熟度预测模型。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述通过菌棒内部温度无损测量方法获取菌棒内部温度样本集合,包括:
获取菌棒平均直径、菌棒中的超声波能量幅值衰减特征和超声波发射频率;
基于所述菌棒平均直径、所述超声波能量幅值衰减特征和所述超声波发射频率,确定能穿透所述菌棒平均直径的超声波发射功率;
基于所述超声波发射功率,获取菌棒中的超声波平均速度;
利用所述超声波平均速度与菌棒介质温度的关联关系,确定所述菌棒内部温度样本集合。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列,包括:
将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合进行串联,形成串联样本集合;
根据预设时间步长提取所述串联样本集合,输出所述特征数据时间序列。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述将所述若干个数据集输入所述网络初始模型进行训练,得到所述成熟度预测模型,包括:
将所述若干个数据集经过预处理后,输入至所述网络初始模型的输入层;
由与所述输入层相连接的卷积层对预处理后的所述若干个数据集进行预设高维特征提取,并利用最大池化对预设高维特征进行降维,得到全局特征向量;
将所述全局特征向量输入门控循环单元层进行学习,采用预设激活函数对经过学习的所述全局特征向量进行处理,将输出值进行反归一化得到所述成熟度预测模型。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述菌棒内部温度传感器包括接收换能器、信号放大电路、滤波电路、超声波检测与发生单元、微控制器、功率放大电路和发送换能器;
所述微控制器、所述超声波检测与发生单元、所述功率放大电路和所述发送换能器顺次相连接;
所述超声波检测与发生单元将生成的超声波信号发送至所述功率放大电路进行放大,将放大的超声波信号发送至所述发送换能器,所述发送换能器贯穿连接于菌棒中间位置;
所述接收换能器、所述信号放大电路、所述滤波电路、所述超声波检测与发生单元和所述微控制器顺次相连接;
所述接收换能器贯穿连接于菌棒中间位置,所述接收换能器接收菌棒中的超声波信号后,发送至所述信号放大电路进行信号幅度放大,再经过所述滤波电路进行噪声滤除,将超声波信号发送至所述超声波检测与发生单元,获得超声波速度,将所述超声波速度由预设数字通信接口传输至所述微控制器,由所述微控制器通过预设网络接口进行数据上传。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述菌棒环境采集设备包括微控制器、空气温湿度传感器、二氧化碳浓度传感器、光照强度传感器、传输单元和供电单元;
所述微控制器分别与所述空气温湿度传感器、所述二氧化碳浓度传感器、所述光照强度传感器和所述传输单元相连接;
所述空气温湿度传感器用于采集空气中的温度数据和湿度数据,所述二氧化碳浓度传感器用于采集空气中的二氧化碳浓度数据,所述光照强度传感器用于采集光照强度数据;
所述传输单元用于按照预设周期向所述无线基站传输所述温度数据、所述湿度数据、所述二氧化碳浓度数据和所述光照强度数据;
所述供电单元分别向所述微控制器、所述空气温湿度传感器、所述二氧化碳浓度传感器、所述光照强度传感器和所述传输单元进行供电。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述无线基站包括微控制器、近场传输单元、存储单元和远程传输单元;
所述微控制器分别与所述近场传输单元、所述存储单元和所述远程传输单元相连接;
所述近场传输单元包括远距离无线电Lora接收单元和Lora发射单元,所述Lora接收单元用于接收所述菌棒内部温度数据和所述菌棒外部环境数据,所述Lora发射单元用于向所述菌棒环境采集设备发送反馈信息;
所述存储单元用于存储所述菌棒内部温度数据和所述菌棒外部环境数据;
所述远程传输单元用于向所述云平台传输所述菌棒内部温度数据和所述菌棒外部环境数据。
根据本发明提供的一种基于成熟度识别装置的香菇菌棒成熟度识别方法,所述云平台包括接入网关层、设备与数据管理层、数据分析与模型管理系统和数据存储系统;
所述数据分析与模型管理系统分别与所述接入网关层、所述设备与数据管理层和所述数据存储系统相连接;
所述接入网关层用于与所述无线基站相连接;
所述设备与数据管理层用于设备管理,并推送香菇菌棒成熟度识别结果至终端设备;
所述数据分析与模型管理系统用于执行所述香菇菌棒成熟度识别方法;
所述数据存储系统用于存储备份中间数据和结果数据。
第二方面,本发明还提供一种基于成熟度识别装置的香菇菌棒成熟度识别系统,包括:
获取模块,用于获取香菇菌棒特征数据集合;
识别模块,用于将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
第三方面,本发明还提供一种电子设备,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如上述任一种所述香菇菌棒成熟度识别方法。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述香菇菌棒成熟度识别方法。
第五方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述香菇菌棒成熟度识别方法。
本发明提供的基于成熟度识别装置的香菇菌棒成熟度识别方法及系统,通过提出香菇菌棒成熟度无损识别方法,并构建香菇菌棒成熟度识别系统,采用超声波温度测量以及利用多源数据信息深度融合的香菇菌棒菌丝体成熟度识别模型,有效地提高了成熟度的识别准确度和识别效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的基于成熟度识别装置的香菇菌棒成熟度识别方法的流程示意图;
图2是本发明提供的菌棒温度无损传感器关键参数辨析实验布置示意图;
图3是本发明提供的CNN-GRU网络的模型结构图;
图4是本发明提供的香菇菌棒成熟度识别装置的整体结构图;
图5是本发明提供的香菇菌棒成熟度识别装置的布设示意图;
图6是本发明提供的菌棒内部温度传感器的结构示意图;
图7是本发明提供的菌棒环境采集设备的结构示意图;
图8是本发明提供的无线基站的结构示意图;
图9是本发明提供的云平台的结构示意图;
图10是本发明提供的基于成熟度识别装置的香菇菌棒成熟度识别系统的结构示意图;
图11是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明提供的基于成熟度识别装置的香菇菌棒成熟度识别方法的流程示意图,如图1所示,包括:
步骤100:获取香菇菌棒特征数据集合;
步骤200:将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
其中,所述香菇菌棒成熟度识别装置包括:
菌棒内部温度传感器、菌棒环境采集设备、无线基站和云平台;
所述菌棒内部温度传感器设置于香菇菌棒上,用于采集菌棒内部温度数据;
所述菌棒环境采集设备设置于养菌房内,用于采集菌棒外部环境数据;
所述无线基站分别与所述菌棒内部温度传感器和所述菌棒环境采集设备相连接,用于接收所述菌棒内部温度数据和所述菌棒外部环境数据;
所述云平台与所述无线基站相连接,用于根据所述菌棒内部温度数据和所述菌棒外部环境数据输出香菇菌棒成熟度识别结果,并将所述香菇菌棒成熟度识别结果发送至终端设备。
需要说明的是,本发明实施例提供的香菇菌棒成熟度识别方法的执行主体是香菇菌棒成熟度识别装置。
本发明通过在线实时获取需要测量的香菇菌棒的各种特征数据集合,包括内部温度和外部多种环境参数等,将各种特征数据集合输入至成熟度预测模型中,得到香菇菌棒成熟度识别结果。
此处的成熟度预测模型是通过香菇菌棒成熟度识别系统获取的大量香菇菌棒特征样本集合,引入卷积门控循环单元作为基础模型,并依据香菇菌棒数据分类标签进行模型训练所得到的。
可以理解的是,如图4所示的香菇菌棒成熟度识别装置,在养菌房内纵向和横向位置分别布置菌棒内部温度传感器,均匀排列,并在临近菌棒周围布设相应的环境信息采集设备,整个设备均以半小时为周期动态采集空气温湿度、二氧化碳、光照、菌棒温度,利用Lora无线传输至基站中,基站收到数据后,通过4G上传至云平台中,在云平台中通过菌丝体成熟度识别模型计算出相应的成熟度,再推送至菇农的手机端,具体布设可以参见图5所示。
本发明提供的用于养菌期菌丝体生理成熟度的数字化和在线化识别方法,克服了传统依据菇农主观经验限制,实现精准预判转移至出菇棚时机,实现出菇产量和质量的同时提升;同时,通过将超声波技术引入菌棒内部温度测量,实现菌棒整体温度的精准反演,为养菌生产数字化管理提供技术支撑,同时结合养菌外部环境数据,具有精确度高和较强的客观性。
基于上述实施例,所述成熟度预测模型,通过以下步骤获得:
通过菌棒内部温度无损测量方法获取菌棒内部温度样本集合,并获取菌棒外部环境样本集合;
将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列;
利用生化测定法对所述特征数据时间序列进行测定,得到所述香菇菌棒数据分类标签;
将标注对应香菇菌棒数据分类标签的所述特征数据时间序列进行分类,生成用于训练的若干个数据集;
获取由所述卷积门控循环单元作为网络初始模型;
将所述若干个数据集输入所述网络初始模型进行训练,得到所述成熟度预测模型。
其中,所述通过菌棒内部温度无损测量方法获取菌棒内部温度样本集合,包括:
获取菌棒平均直径、菌棒中的超声波能量幅值衰减特征和超声波发射频率;
基于所述菌棒平均直径、所述超声波能量幅值衰减特征和所述超声波发射频率,确定能穿透所述菌棒平均直径的超声波发射功率;
基于所述超声波发射功率,获取菌棒中的超声波平均速度;
利用所述超声波平均速度与菌棒介质温度的关联关系,确定所述菌棒内部温度样本集合。
其中,所述将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列,包括:
将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合进行串联,形成串联样本集合;
根据预设时间步长提取所述串联样本集合,输出所述特征数据时间序列。
其中,所述将所述若干个数据集输入所述网络初始模型进行训练,得到所述成熟度预测模型,包括:
将所述若干个数据集经过预处理后,输入至所述网络初始模型的输入层;
由与所述输入层相连接的卷积层对预处理后的所述若干个数据集进行预设高维特征提取,并利用最大池化对预设高维特征进行降维,得到全局特征向量;
将所述全局特征向量输入门控循环单元层进行学习,采用预设激活函数对经过学习的所述全局特征向量进行处理,将输出值进行反归一化得到所述成熟度预测模型。
具体地,本发明提出的成熟度预测模型,训练过程如下:
在线获取香菇菌棒的内部温度集合,以及包括空气温湿度、光照、二氧化碳浓度等的外部环境样本集合,
其中,针对香菇菌棒内部的温度测定,本发明采用内部温度无损测量技术,利用如图2所示的高速示波器分别获取超声波在多种初始含水量下的木屑、棉籽壳、麸皮等菌棒主要介质中的声速,计算超声波在多种初始含水量下菌棒的平均速度。结合菌棒的平均直径,设置一定的确保能贯穿菌棒发射功率的超声波,再设置不同的发射频率,测量超声波在菌棒中的能量幅值衰减特征,并考虑其中的低频信号为优选,进一步筛选出合适的发射频率。然后在最佳频率基础上,设置多个梯度的发射功率,测量超声波在菌棒主要介质中的能量幅值衰减特征,并结合电路信噪比,筛选出合适的发射功率。
然后,将菌棒内部温度样本集合和菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列,即构造二维矩阵作为输入,采用卷积神经网络挖掘数据中蕴含的有效信息,提取反映菌丝体成熟度数据相互联系的高维特征,将提取的特征向量构造为时间序列输入成熟度预测模型进行成熟度识别鉴定。
本发明选用卷积门控循环单元(Convolutional Neural Network-GateRecurrent Unit,CNN-GRU)作为网络模型,包括输入层、卷积层CNN和门控循环单元层GRU。
在输入层,将养菌房内任一时刻的温湿度值、二氧化碳浓度、室内光照强度以及菌棒内部温度串联成新的时间序列特征向量,将室内的历史气候数据表征为时间步长×特征向量的二维矩阵,对其经过预处理后输入到上述网络模型中。
在CNN层,捕捉输入的历史序列中深层次的时间、空间特征规律,根据输入数据非线性、稀疏性、强耦合性的特点,如图3所示,本发明涉及四层卷积层Conv2D,卷积核数目依次为16、16、32和32,并选取RELU激活函数进行激活,每经过两次连续卷积进行一次最大池化MaxPooling2D,对提取的高维特征进行降维,以达到压缩数据和加快运行效率的目的。同时,为充分利用现有的室内环境分布数据和非时序多特征数据,将卷积核的大小设置为3×3,池大小为2,最后通过Flatten操作,将其提取的深层次抽象特征转换为全局特征向量作为GRU层的输入。
在GRU层,由GRU层对CNN层中提取的全局特征向量进行学习,经过实验的不断改进发现,构建两层GRU结构时,能达到最好的预测效果,这里的激活函数采用RELU激活函数,神经元数目分别为64和128,最后将全连接层的输出经过反归一化后得到一定时间后的菌丝体成熟度。
需要说明的是,本发明在训练模型时,对特征样本集的处理是按照一定的比例划分为训练集和测试集,例如随机抽取80%的样本构成训练集,剩余20%的样本构成测试集。整个模型的实现是基于Keras工具包,采用Python变成语言,集成开发环境为Pycharm。
本发明通过采用超声波温度测量以及利用多源数据信息深度融合的香菇菌棒菌丝体成熟度识别模型,有效地提高了成熟度的识别准确度和识别效率。
基于上述实施例,所述菌棒内部温度传感器包括接收换能器、信号放大电路、滤波电路、超声波检测与发生单元、微控制器、功率放大电路和发送换能器;
所述微控制器、所述超声波检测与发生单元、所述功率放大电路和所述发送换能器顺次相连接;
所述超声波检测与发生单元将生成的超声波信号发送至所述功率放大电路进行放大,将放大的超声波信号发送至所述发送换能器,所述发送换能器贯穿连接于菌棒中间位置;
所述接收换能器、所述信号放大电路、所述滤波电路、所述超声波检测与发生单元和所述微控制器顺次相连接;
所述接收换能器贯穿连接于菌棒中间位置,所述接收换能器接收菌棒中的超声波信号后,发送至所述信号放大电路进行信号幅度放大,再经过所述滤波电路进行噪声滤除,将超声波信号发送至所述超声波检测与发生单元,获得超声波速度,将所述超声波速度由预设数字通信接口传输至所述微控制器,由所述微控制器通过预设网络接口进行数据上传。
具体地,如图6所示,菌棒内部温度传感器包括接收换能器、信号放大电路、滤波电路、超声波检测与发生单元、微控制器、功率放大电路和发送换能器。超声波检测与发生单元选用TDC-GP21型号,待产生一定频率的超声波信号后,由功率放大电路放大后,经过发送换能器,贯穿菌棒中间位置,接收换能器接收超声波信号,由信号放大电路将幅度放大后,再经过滤波将噪声滤除,送至超声波检测与发生单元进行检测超声波速度,微控制器通过数字通信接口,采用SPI协议,与超声波检测与发生单元进行数据交互,然后通过RS485接口向无线基站上传温度数据。
基于上述实施例,所述菌棒环境采集设备包括微控制器、空气温湿度传感器、二氧化碳浓度传感器、光照强度传感器、传输单元和供电单元;
所述微控制器分别与所述空气温湿度传感器、所述二氧化碳浓度传感器、所述光照强度传感器和所述传输单元相连接;
所述空气温湿度传感器用于采集空气中的温度数据和湿度数据,所述二氧化碳浓度传感器用于采集空气中的二氧化碳浓度数据,所述光照强度传感器用于采集光照强度数据;
所述传输单元用于按照预设周期向所述无线基站传输所述温度数据、所述湿度数据、所述二氧化碳浓度数据和所述光照强度数据;
所述供电单元分别向所述微控制器、所述空气温湿度传感器、所述二氧化碳浓度传感器、所述光照强度传感器和所述传输单元进行供电。
具体地,如图7所示,菌棒环境采集设备包括微控制器、空气温湿度传感器、二氧化碳浓度传感器、光照强度传感器、传输单元和供电单元。
由微控制器控制采集空气温湿度传感器、二氧化碳浓度传感器和光照强度传感器,按设定的发送周期由传输单元上传至无线基站中,供电单元采用大容量锂电池对其它模块进行供电。
基于上述实施例,所述无线基站包括微控制器、近场传输单元、存储单元和远程传输单元;
所述微控制器分别与所述近场传输单元、所述存储单元和所述远程传输单元相连接;
所述近场传输单元包括远距离无线电Lora接收单元和Lora发射单元,所述Lora接收单元用于接收所述菌棒内部温度数据和所述菌棒外部环境数据,所述Lora发射单元用于向所述菌棒环境采集设备发送反馈信息;
所述存储单元用于存储所述菌棒内部温度数据和所述菌棒外部环境数据;
所述远程传输单元用于向所述云平台传输所述菌棒内部温度数据和所述菌棒外部环境数据。
具体地,如图8所示,无线基站由微控制器、近场传输单元、存储单元和远程传输单元所构成,并采用直流12V供电。其中,近场传输单元由基于Lora接收单元和Lora发射单元组成,其中Lora接收单元用于接收菌棒环境采集设备和菌棒内部温度传感器的信息,Lora发射单元用于回应无线环境采集器,接收数据之后再按规定协议排列,并将接收的数据存储至存储单元中,最后将存储单元中的数据通过GPRS/4G等无线方式远程定时上传至云平台。
基于上述实施例,所述云平台包括接入网关层、设备与数据管理层、数据分析与模型管理系统和数据存储系统;
所述数据分析与模型管理系统分别与所述接入网关层、所述设备与数据管理层和所述数据存储系统相连接;
所述接入网关层用于与所述无线基站相连接;
所述设备与数据管理层用于设备管理,并推送香菇菌棒成熟度识别结果至终端设备;
所述数据分析与模型管理系统用于执行所述香菇菌棒成熟度识别方法;
所述数据存储系统用于存储备份中间数据和结果数据。
具体地,如图9所示,云平台由接入网关层、设备与数据管理层、数据分析与模型管理系统和数据存储系统构成,由接入网关层通过GPRS/4G等接收无线基站的数据;设备与数据管理层负责管理用户设备、同一养菌车间内设备,并推送识别结果至用户移动端;数据分析与模型管理系统为实现具体的生理成熟度识别方法的代码;数据存储系统负责中间数据和结果的存储与备份。
本发明通过构建香菇菌棒成熟度识别装置,能全面、准确和实时地识别香菇菌棒的内部数据和外部数据。
下面对本发明提供的香菇菌棒成熟度识别系统进行描述,下文描述的香菇菌棒成熟度识别系统与上文描述的香菇菌棒成熟度识别方法可相互对应参照。
图10是本发明提供的基于成熟度识别装置的香菇菌棒成熟度识别系统的结构示意图,如图10所示,包括:获取模块1001和识别模块1002,其中:
获取模块1001用于获取香菇菌棒特征数据集合;识别模块1002用于将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
本发明通过提出香菇菌棒成熟度无损识别方法,并构建香菇菌棒成熟度识别系统,采用超声波温度测量以及利用多源数据信息深度融合的香菇菌棒菌丝体成熟度识别模型,有效地提高了成熟度的识别准确度和识别效率。
图11示例了一种电子设备的实体结构示意图,如图11所示,该电子设备可以包括:处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和通信总线1140,其中,处理器1110,通信接口1120,存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令,以执行香菇菌棒成熟度识别方法,该方法包括:获取香菇菌棒特征数据集合;将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
此外,上述的存储器1130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的香菇菌棒成熟度识别方法,该方法包括:获取香菇菌棒特征数据集合;将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的香菇菌棒成熟度识别方法,该方法包括:获取香菇菌棒特征数据集合;将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,包括:
获取香菇菌棒特征数据集合;
将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的;
其中,所述香菇菌棒成熟度识别装置包括:
菌棒内部温度传感器、菌棒环境采集设备、无线基站和云平台;
所述菌棒内部温度传感器设置于香菇菌棒上,用于采集菌棒内部温度数据;
所述菌棒环境采集设备设置于养菌房内,用于采集菌棒外部环境数据;
所述无线基站分别与所述菌棒内部温度传感器和所述菌棒环境采集设备相连接,用于接收所述菌棒内部温度数据和所述菌棒外部环境数据;
所述云平台与所述无线基站相连接,用于根据所述菌棒内部温度数据和所述菌棒外部环境数据输出香菇菌棒成熟度识别结果,并将所述香菇菌棒成熟度识别结果发送至终端设备。
2.根据权利要求1所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述成熟度预测模型,通过以下步骤获得:
通过菌棒内部温度无损测量方法获取菌棒内部温度样本集合,并获取菌棒外部环境样本集合;
将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列;
利用生化测定法对所述特征数据时间序列进行测定,得到所述香菇菌棒数据分类标签;
将标注对应香菇菌棒数据分类标签的所述特征数据时间序列进行分类,生成用于训练的若干个数据集;
获取由所述卷积门控循环单元作为网络初始模型;
将所述若干个数据集输入所述网络初始模型进行训练,得到所述成熟度预测模型。
3.根据权利要求2所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述通过菌棒内部温度无损测量方法获取菌棒内部温度样本集合,包括:
获取菌棒平均直径、菌棒中的超声波能量幅值衰减特征和超声波发射频率;
基于所述菌棒平均直径、所述超声波能量幅值衰减特征和所述超声波发射频率,确定能穿透所述菌棒平均直径的超声波发射功率;
基于所述超声波发射功率,获取菌棒中的超声波平均速度;
利用所述超声波平均速度与菌棒介质温度的关联关系,确定所述菌棒内部温度样本集合。
4.根据权利要求2所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合按照数据维度与时间维度,构造特征数据时间序列,包括:
将所述菌棒内部温度样本集合和所述菌棒外部环境样本集合进行串联,形成串联样本集合;
根据预设时间步长提取所述串联样本集合,输出所述特征数据时间序列。
5.根据权利要求2所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述将所述若干个数据集输入所述网络初始模型进行训练,得到所述成熟度预测模型,包括:
将所述若干个数据集经过预处理后,输入至所述网络初始模型的输入层;
由与所述输入层相连接的卷积层对预处理后的所述若干个数据集进行预设高维特征提取,并利用最大池化对预设高维特征进行降维,得到全局特征向量;
将所述全局特征向量输入门控循环单元层进行学习,采用预设激活函数对经过学习的所述全局特征向量进行处理,将输出值进行反归一化得到所述成熟度预测模型。
6.根据权利要求1所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述菌棒内部温度传感器包括接收换能器、信号放大电路、滤波电路、超声波检测与发生单元、微控制器、功率放大电路和发送换能器;
所述微控制器、所述超声波检测与发生单元、所述功率放大电路和所述发送换能器顺次相连接;
所述超声波检测与发生单元将生成的超声波信号发送至所述功率放大电路进行放大,将放大的超声波信号发送至所述发送换能器,所述发送换能器贯穿连接于菌棒中间位置;
所述接收换能器、所述信号放大电路、所述滤波电路、所述超声波检测与发生单元和所述微控制器顺次相连接;
所述接收换能器贯穿连接于菌棒中间位置,所述接收换能器接收菌棒中的超声波信号后,发送至所述信号放大电路进行信号幅度放大,再经过所述滤波电路进行噪声滤除,将超声波信号发送至所述超声波检测与发生单元,获得超声波速度,将所述超声波速度由预设数字通信接口传输至所述微控制器,由所述微控制器通过预设网络接口进行数据上传。
7.根据权利要求1所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述菌棒环境采集设备包括微控制器、空气温湿度传感器、二氧化碳浓度传感器、光照强度传感器、传输单元和供电单元;
所述微控制器分别与所述空气温湿度传感器、所述二氧化碳浓度传感器、所述光照强度传感器和所述传输单元相连接;
所述空气温湿度传感器用于采集空气中的温度数据和湿度数据,所述二氧化碳浓度传感器用于采集空气中的二氧化碳浓度数据,所述光照强度传感器用于采集光照强度数据;
所述传输单元用于按照预设周期向所述无线基站传输所述温度数据、所述湿度数据、所述二氧化碳浓度数据和所述光照强度数据;
所述供电单元分别向所述微控制器、所述空气温湿度传感器、所述二氧化碳浓度传感器、所述光照强度传感器和所述传输单元进行供电。
8.根据权利要求1所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述无线基站包括微控制器、近场传输单元、存储单元和远程传输单元;
所述微控制器分别与所述近场传输单元、所述存储单元和所述远程传输单元相连接;
所述近场传输单元包括远距离无线电Lora接收单元和Lora发射单元,所述Lora接收单元用于接收所述菌棒内部温度数据和所述菌棒外部环境数据,所述Lora发射单元用于向所述菌棒环境采集设备发送反馈信息;
所述存储单元用于存储所述菌棒内部温度数据和所述菌棒外部环境数据;
所述远程传输单元用于向所述云平台传输所述菌棒内部温度数据和所述菌棒外部环境数据。
9.根据权利要求1所述的基于成熟度识别装置的香菇菌棒成熟度识别方法,其特征在于,所述云平台包括接入网关层、设备与数据管理层、数据分析与模型管理系统和数据存储系统;
所述数据分析与模型管理系统分别与所述接入网关层、所述设备与数据管理层和所述数据存储系统相连接;
所述接入网关层用于与所述无线基站相连接;
所述设备与数据管理层用于设备管理,并推送香菇菌棒成熟度识别结果至终端设备;
所述数据分析与模型管理系统用于执行所述香菇菌棒成熟度识别方法;
所述数据存储系统用于存储备份中间数据和结果数据。
10.基于成熟度识别装置的香菇菌棒成熟度识别系统,其特征在于,包括:
获取模块,用于获取香菇菌棒特征数据集合;
识别模块,用于将所述香菇菌棒特征数据集合输入至预先训练好的成熟度预测模型中,得到香菇菌棒成熟度识别结果;其中所述成熟度预测模型是基于香菇菌棒特征样本集合,以及按照香菇菌棒数据分类标签,对卷积门控循环单元训练得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211387081.6A CN115690777A (zh) | 2022-11-07 | 2022-11-07 | 基于成熟度识别装置的香菇菌棒成熟度识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211387081.6A CN115690777A (zh) | 2022-11-07 | 2022-11-07 | 基于成熟度识别装置的香菇菌棒成熟度识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690777A true CN115690777A (zh) | 2023-02-03 |
Family
ID=85049359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211387081.6A Pending CN115690777A (zh) | 2022-11-07 | 2022-11-07 | 基于成熟度识别装置的香菇菌棒成熟度识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690777A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746994A (zh) * | 2024-02-20 | 2024-03-22 | 济宁职业技术学院 | 一种基于数据分析的菌棒成熟度判定方法 |
-
2022
- 2022-11-07 CN CN202211387081.6A patent/CN115690777A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746994A (zh) * | 2024-02-20 | 2024-03-22 | 济宁职业技术学院 | 一种基于数据分析的菌棒成熟度判定方法 |
CN117746994B (zh) * | 2024-02-20 | 2024-04-26 | 济宁职业技术学院 | 一种基于数据分析的菌棒成熟度判定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102959354B (zh) | 用于利用LiDAR数据来分析树冠层的方法和装置 | |
CN104700829A (zh) | 动物声音情绪识别系统及其方法 | |
CN107909109B (zh) | 基于显著性和多尺度深度网络模型的sar图像分类方法 | |
CN112731309A (zh) | 一种基于双线性高效神经网络的有源干扰识别方法 | |
CN115690777A (zh) | 基于成熟度识别装置的香菇菌棒成熟度识别方法及系统 | |
CN108875913A (zh) | 一种基于卷积神经网络的松茸快速无损检测系统及方法 | |
CN110852158B (zh) | 一种基于模型融合的雷达人体运动状态分类算法及系统 | |
CN102124964B (zh) | 海水养殖智能化管理系统 | |
CN111414832B (zh) | 一种基于鲸豚类低频水声信号的实时在线识别分类系统 | |
Wang et al. | Soil moisture retrieval algorithm based on TFA and CNN | |
CN116034904B (zh) | 基于轨道式巡检机器人的猪只健康监测系统及方法 | |
CN111916089B (zh) | 基于声信号特征分析的冰雹检测方法和装置 | |
CN106417143B (zh) | 一种基于被动声学信息的淡水鱼品种识别装置和方法 | |
CN114707532B (zh) | 一种基于改进的Cascade R-CNN的探地雷达隧道病害目标检测方法 | |
CN116626753A (zh) | 一种基于多模态神经网络的微地震事件识别方法及系统 | |
CN106376511A (zh) | 一种基于被动声学信息的淡水鱼存活率预测装置及方法 | |
CN104749249B (zh) | 一种基于超声波技术的检测种子净度的方法 | |
CN113887454A (zh) | 基于卷积神经网络点源识别的非接触激光超声检测方法 | |
CN117351404A (zh) | 一种奶牛分娩应激程度判识方法及系统 | |
CN112257735A (zh) | 一种基于人工智能的内部缺陷雷达检测系统 | |
CN108845075B (zh) | 基于深度学习网络的堆肥腐熟实时预测方法 | |
CN114664438A (zh) | 咳嗽疾病识别模型构建方法及应用 | |
Qian et al. | Deep Learning-Augmented Stand-off Radar Scheme for Rapidly Detecting Tree Defects | |
CN106770417B (zh) | 基于核磁共振机器人的油菜干旱诊断方法及装置 | |
CN100427029C (zh) | 基于脉搏熵的多点脉搏信息融合方法 |
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 |