生物隔离装置的智能控制方法及系统与流程

本发明涉及智能控制，尤其涉及一种生物隔离装置的智能控制方法及系统。

背景技术：

1、现有技术中，已有多种生物隔离装置能够隔离培养特定生物，通过人工调节环境参数如温度、湿度、光照等，为生物生长提供适宜条件。一般采用预设控制程序结合环境传感器反馈，对装置内环境进行调控。

2、但是，现有的生物隔离装置环境调控大多依赖于人工设定参数和模式，缺乏智能化分析和动态优化能力。尤其是针对不同生物种类，环境参数的动态调控策略难以快速智能生成和动态优化，导致隔离培养的效果不佳，参数控制精度不够理想，难以实现生物培养过程的智能优化控制，培养效率和成活率有待提高。

技术实现思路

1、有鉴于此，本发明实施例提供了一种生物隔离装置的智能控制方法及系统，用于提高生物隔离装置的智能控制的效率及准确率。

2、本发明提供了一种生物隔离装置的智能控制方法，包括：对预置的生物隔离装置进行环境数据进行采集，得到生物环境数据，其中，所述生物环境数据包括图像数据以及传感器数据；

3、将所述生物环境数据输入预置的智能识别模型进行生物图谱识别，得到生物识别数据，其中，生物识别数据包括生物种类、生物数量以及环境状态数据；

4、对所述生物识别数据进行环境调节策略分析，生成所述生物隔离装置对应的环境调控策略；

5、将所述环境调控策略输入深度q网络进行调控策略优化，得到目标调控策略，并通过所述目标调控策略对所述生物隔离装置进行环境参数控制；

6、实时采集环境参数控制过程中的实时环境参数，并对所述实时环境参数进行参数变化幅度分析，得到变化幅度集；

7、根据所述变化幅度集对所述目标调控策略进行策略评价，得到策略评价数据，并根据所述策略评价数据对所述目标调控策略进行控制建议分析，得到智能控制建议报告。

8、在本发明中，所述对预置的生物隔离装置进行环境数据进行采集，得到生物环境数据，其中，所述生物环境数据包括图像数据以及传感器数据步骤，包括：

9、对所述生物隔离装置内的生物个体进行图像采集，得到图像数据；

10、对所述生物隔离装置内的环境参数进行传感器采集，得到传感器数据，其中，所述传感器数据包括温度数据、湿度数据、光照数据以及气体浓度数据；

11、将所述图像数据以及所述传感器数据合并为所述生物环境数据。

12、在本发明中，所述将所述生物环境数据输入预置的智能识别模型进行生物图谱识别，得到生物识别数据，其中，生物识别数据包括生物种类、生物数量以及环境状态数据步骤，包括：

13、对所述图像数据进行图像预处理，得到预处理后的生物图像；

14、将所述预处理后的生物图像输入所述智能识别模型的卷积神经网络，对生物个体进行目标检测，得到多个生物目标框；

15、根据所述多个生物目标框对生物个体进行区域特征提取，得到特征向量集；

16、将所述特征向量集输入所述智能识别模型的卷积神经网络，对生物个体进行种类识别，得到生物种类标签；

17、统计所述多个生物目标框的数量，得到所述生物数量，同时根据所述生物种类标签生成所述生物种类；

18、将所述传感器数据输入所述卷积神经网络进行环境状态评估，得到环境状态数据；

19、将所述生物种类、生物数量和环境状态数据进行数据融合，得到初始识别数据，并对所述初始识别数据进行数据降维处理，得到所述生物识别数据。

20、在本发明中，所述对所述生物识别数据进行环境调节策略分析，生成所述生物隔离装置对应的环境调控策略步骤，包括：

21、对所述生物识别数据进行特征提取，得到生物特征向量；

22、根据所述生物特征向量对预置的生物生长模型进行模型参数估计，得到生物生长参数；

23、根据所述生物生长参数对预置的环境调节知识库进行规则匹配，得到初始环境调控策略集；

24、对所述初始环境调控策略集进行策略冲突检测，得到冲突策略对；

25、根据所述冲突策略对对预置的策略协同模型进行策略优化，得到优化后的环境调控策略集；

26、对所述优化后的环境调控策略集进行策略评估，得到策略评估值；

27、根据所述策略评估值对所述优化后的环境调控策略集进行策略筛选，得到候选环境调控策略；

28、对所述候选环境调控策略进行多目标决策分析，得到最优环境调控策略；

29、根据所述最优环境调控策略对预置的控制器模型进行控制器参数生成，得到环境调控控制器参数；

30、根据所述环境调控控制器参数生成所述生物隔离装置对应的环境调控策略。

31、在本发明中，所述将所述环境调控策略输入深度q网络进行调控策略优化，得到目标调控策略，并通过所述目标调控策略对所述生物隔离装置进行环境参数控制步骤，包括：

32、对所述环境调控策略进行状态空间构建，得到策略状态空间；

33、根据所述策略状态空间对预置的深度q网络进行网络结构初始化，得到初始化的深度q网络；

34、根据所述环境调控策略对所述初始化的深度q网络进行强化学习，得到训练后的深度q网络模型；

35、对所述训练后的深度q网络模型进行目标函数优化，得到优化后的深度q网络模型；

36、根据所述优化后的深度q网络模型对所述环境调控策略进行决策迭代，得到最优环境调控策略序列；

37、对所述最优环境调控策略序列进行时间序列分析，得到目标调控策略；

38、根据所述目标调控策略对所述生物隔离装置的环境参数范围进行约束分析，得到约束后的环境参数控制范围；

39、根据所述约束后的环境参数控制范围对所述生物隔离装置的环境控制器进行参数设定，得到环境参数控制指令；

40、将所述环境参数控制指令传输至所述生物隔离装置的控制终端，对所述生物隔离装置进行环境参数控制。

41、在本发明中，所述实时采集环境参数控制过程中的实时环境参数，并对所述实时环境参数进行参数变化幅度分析，得到变化幅度集步骤，包括：

42、通过所述生物隔离装置的环境传感器进行数据采集，得到实时环境参数数据流；

43、根据所述实时环境参数数据流对预置的时间序列模型进行参数估计，得到估计后的时间序列模型；

44、对所述估计后的时间序列模型进行平稳性检验，得到平稳性检验结果；

45、根据所述平稳性检验结果对所述实时环境参数数据流进行平稳化处理，得到平稳化后的实时环境参数数据；

46、对所述平稳化后的实时环境参数数据进行自相关分析，得到自相关系数矩阵；

47、根据所述自相关系数矩阵对预置的arima模型进行模型阶数确定，得到最优arima模型；

48、根据所述最优arima模型对所述平稳化后的实时环境参数数据进行拟合预测，得到预测的环境参数变化趋势；

49、对所述预测的环境参数变化趋势进行斜率计算，得到环境参数变化斜率；

50、根据所述环境参数变化斜率对预置的变化幅度阈值进行比较，得到变化幅度比较结果，并根据所述变化幅度比较结果生成所述变化幅度集。

51、在本发明中，所述根据所述变化幅度集对所述目标调控策略进行策略评价，得到策略评价数据，并根据所述策略评价数据对所述目标调控策略进行控制建议分析，得到智能控制建议报告步骤，包括：

52、对所述变化幅度集进行特征提取，得到变化幅度特征向量；

53、根据所述变化幅度特征向量对预置的策略评价模型进行模型训练，得到训练后的策略评价模型；

54、对所述目标调控策略进行策略编码，得到策略编码向量；

55、根据所述策略编码向量以及所述训练后的策略评价模型进行策略评分预测，得到策略评分；

56、对所述策略评分进行归一化处理，得到归一化后的策略评分； 根据所述归一化后的策略评分生成所述策略评价数据；

57、对所述策略评价数据进行聚类分析，得到策略评价聚类结果；

58、根据所述策略评价聚类结果对预置的控制建议规则库进行规则匹配，得到匹配后的控制建议集；

59、对所述匹配后的控制建议集进行语义关联分析，得到关联后的控制建议集；

60、根据所述关联后的控制建议集生成所述智能控制建议报告。

61、本发明还提供了一种生物隔离装置的智能控制系统，包括：

62、采集模块，用于对预置的生物隔离装置进行环境数据进行采集，得到生物环境数据，其中，所述生物环境数据包括图像数据以及传感器数据；

63、识别模块，用于将所述生物环境数据输入预置的智能识别模型进行生物图谱识别，得到生物识别数据，其中，生物识别数据包括生物种类、生物数量以及环境状态数据；

64、生成模块，用于对所述生物识别数据进行环境调节策略分析，生成所述生物隔离装置对应的环境调控策略；

65、优化模块，用于将所述环境调控策略输入深度q网络进行调控策略优化，得到目标调控策略，并通过所述目标调控策略对所述生物隔离装置进行环境参数控制；

66、分析模块，用于实时采集环境参数控制过程中的实时环境参数，并对所述实时环境参数进行参数变化幅度分析，得到变化幅度集；

67、评价模块，用于根据所述变化幅度集对所述目标调控策略进行策略评价，得到策略评价数据，并根据所述策略评价数据对所述目标调控策略进行控制建议分析，得到智能控制建议报告。

68、本发明提供的技术方案中，通过对生物隔离装置内环境进行数据采集，利用卷积神经网络等智能算法模型对生物种类、数量等进行智能识别，结合智能算法分析生成动态环境调控策略，并引入深度强化学习模型对策略进行持续优化，可以实现生物隔离环境参数的智能化控制。具体而言，本方案采集隔离装置内的图像数据和环境参数传感器数据，通过数据融合获得完整的生物生存环境数据，利用卷积神经网络进行生物图谱识别，准确获知装置内的生物种类、数量等信息，并通过分析环境状态数据，利用多智能体协同算法动态生成优化的环境调控策略，可针对性地根据生物特性智能调节环境参数。同时，本方案将环境调控策略输入深度强化学习模型进行训练优化，通过引入强化学习的奖惩机制，使调控策略能够根据环境反馈不断自我优化，从而生成最优的环境参数控制策略。另外，本方案还能够实时监测采集环境参数变化数据，对调控策略执行过程进行持续跟踪分析，对环境参数的动态变化进行幅度评估，根据评估数据对调控策略进行实时评分和反馈优化，使得在整个生物培养过程中环境调控策略能够智能动态调整。基于评分数据，系统可进一步智能生成调控策略优化建议，为使用者提供决策参考。与现有技术相比，本发明引入多种人工智能和深度学习技术，融合图像识别、智能分析、强化学习等算法，使生物隔离装置具备对生物生长环境进行智能感知、分析、动态调控的能力，克服了传统依赖人工经验设置参数的不足，大大提高了生物隔离培养过程的智能化程度和精准控制能力，使环境参数调节更加精确高效，有利于提高生物培养成活率和生长质量，降低人工操作成本。