[发明专利]温室大棚采光调节方法及其系统

权利要求书

1.一种温室大棚采光调节方法，其特征在于，包括：

获取预定时间段内多个预定时间点的被检测植物对象的多种氨基酸的含量值以及所述多个预定时间点的多个环境因子的测量值；

将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值通过经训练完成的具有多个全连接层的结构特征值编码器以得到对应于各个预定时间点的结构特征值；

将所述对应于各个预定时间点的结构特征值按照时间维度排列为一维特征向量后通过经训练完成的多尺度邻域特征提取模块以得到多尺度结构特征向量；

将所述多个预定时间点的多个环境因子的测量值按照时间维度和样本维度排列为输入矩阵后通过经训练完成的相邻层使用互为转置的卷积核的卷积神经网络以得到环境因子关联特征矩阵；

融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量；以及

将所述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是否开启温室大棚内的补光灯。

2.根据权利要求1所述的温室大棚采光调节方法，其特征在于，所述将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值通过经训练完成的具有多个全连接层的结构特征值编码器以得到对应于各个预定时间点的结构特征值，包括：

将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值按照样本维度排列为含量输入向量；

使用所述具有多个全连接层的结构特征值编码器以如下公式对所述含量输入向量进行全连接编码以得到含量特征向量，其中，所述公式为：其中X是含量输入向量，Y是含量特征向量，W是权重矩阵，B是偏置向量，表示矩阵乘；以及

计算所述含量特征向量的所有位置的特征值的全局均值作为所述对应于各个预定时间点的结构特征值。

3.根据权利要求2所述的温室大棚采光调节方法，其特征在于，所述将所述对应于各个预定时间点的结构特征值按照时间维度排列为一维特征向量后通过经训练完成的多尺度邻域特征提取模块以得到多尺度结构特征向量，包括：

使用所述多尺度邻域特征提取模块的第一卷积层以具有第一长度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第一尺度结构特征向量；

使用所述多尺度邻域特征提取模块的第二卷积层以具有第二长度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第二尺度结构特征向量，所述第二长度不同于所述第一长度；以及

将所述第一尺度结构特征向量和所述第二尺度结构特征向量进行级联以得到所述多尺度结构特征向量。

4.根据权利要求3所述的温室大棚采光调节方法，其特征在于，所述将所述多个预定时间点的多个环境因子的测量值按照时间维度和样本维度排列为输入矩阵后通过经训练完成的相邻层使用互为转置的卷积核的卷积神经网络以得到环境因子关联特征矩阵，包括：

使用所述卷积神经网络的第一层对所述输入矩阵进行基于第一卷积核的卷积处理、沿通道维度的池化处理和非线性激活处理以得到第一激活特征图；以及

使用所述卷积神经网络的第二层对所述第一激活特征图进行基于第二卷积核的卷积处理、沿通道维度的池化处理和非线性激活处理以得到第二激活特征图，其中，所述第一卷积核的数值矩阵与所述第二卷积核的数值矩阵互为转置；

其中，所述卷积神经网络的最后一层的输出为所述环境因子关联特征矩阵。

5.根据权利要求4所述的温室大棚采光调节方法，其特征在于，所述融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量，包括：

将所述多尺度结构特征向量与所述环境因子关联特征矩阵进行相乘以将所述环境因子关联特征矩阵的高维特征信息映射到所述多尺度结构特征向量的高维特征域中以得到所述分类特征向量。

6.根据权利要求4所述的温室大棚采光调节方法，其特征在于，所述融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量，包括：

计算所述多尺度结构特征向量相对于所述环境因子关联特征矩阵的转移向量作为所述分类特征向量。