基于粉煤灰对盐碱地进行改良的方法与流程

本技术涉及土壤改良，具体地，涉及一种基于粉煤灰对盐碱地进行改良的方法。

背景技术：

1、随着工业化进程的加速，大量的工业副产品被排放到环境中，对土壤结构和生态环境造成了严重影响。盐碱化是影响土地质量和农业生产的主要问题之一，特别是在干旱和半干旱地区。粉煤灰作为一种丰富的工业废料，因其含有多种有益元素和矿物质，被认为具有改良盐碱土壤的潜力。然而，如何有效利用粉煤灰及其他材料，来实现盐碱土壤的改良，是一个技术挑战。

2、土壤改良的关键在于找到合适的材料配比，以促进土壤结构的优化和提高土壤肥力。传统的土壤改良方法依赖于经验和小规模试验，这不仅耗时耗力，而且难以保证改良效果的普遍性和可复制性。随着人工智能和机器学习技术的发展，利用深度学习模型来分析和推理土壤改良的最佳配比方案为解决上述技术问题提供一种新的解决思路。

技术实现思路

1、提供该技术实现要素：部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本技术提供了一种基于粉煤灰对盐碱地进行改良的方法，所述方法包括：

3、获取多个土壤改良配比方案以及所述多个土壤改良配比方案对应的多个土壤结构改良效果图像，其中，所述各个土壤改良配比方案包括粉煤灰、脱硫石膏和有机肥，所述粉煤灰包括二氧化硅、氧化铝、氧化钙、氧化铁、氧化钛、氧化硫、氧化钾、氧化磷、氧化镁和氧化钠；

4、对所述多个土壤改良配比方案和所述多个土壤结构改良效果图像进行关联特征提取以得到改良配比成分关联特征图和配方间改良效果关联特征图；

5、将所述改良配比成分关联特征图和所述配方间改良效果关联特征图输入包括特征多尺度感知强化模块和多尺度语义特征提取模块的信息激励-压榨模块以得到改良配比成分关联特征向量和配方间改良效果关联特征向量；

6、将所述改良配比成分关联特征向量和所述配方间改良效果关联特征向量输入基于先验分布的特征动态约束交互模块以得到改良配方-改良效果交互特征向量；

7、基于所述改良配方-改良效果交互特征向量来确定推理最佳改良方案。

8、可选地，对所述多个土壤改良配比方案和所述多个土壤结构改良效果图像进行关联特征提取以得到改良配比成分关联特征图和配方间改良效果关联特征图，包括：将所述多个土壤改良配比方案按照配方样本维度排列为全样本土壤改良配比输入矩阵；将所述多个土壤结构改良效果图像按照图像样本维度排列为土壤结构改良效果输入张量；将所述全样本土壤改良配比输入矩阵输入基于空洞卷积神经网络模型的改良配比成分关联特征提取器以得到所述改良配比成分关联特征图；将所述土壤结构改良效果输入张量输入基于三维卷积神经网络模型的配方间改良效果关联特征提取器以得到所述配方间改良效果关联特征图。

9、可选地，将所述改良配比成分关联特征图和所述配方间改良效果关联特征图输入包括特征多尺度感知强化模块和多尺度语义特征提取模块的信息激励-压榨模块以得到改良配比成分关联特征向量和配方间改良效果关联特征向量，包括：将所述改良配比成分关联特征图和所述配方间改良效果关联特征图输入所述信息激励-压榨模块的特征多尺度感知强化模块以得到多尺度感知增强改良配比成分关联特征图和多尺度感知增强配方间改良效果关联特征图；将所述多尺度感知增强改良配比成分关联特征图和所述多尺度感知增强配方间改良效果关联特征图输入所述信息激励-压榨模块的多尺度语义特征提取模块以得到所述改良配比成分关联特征向量和所述配方间改良效果关联特征向量。

10、可选地，将所述改良配比成分关联特征图和所述配方间改良效果关联特征图输入所述信息激励-压榨模块的特征多尺度感知强化模块以得到多尺度感知增强改良配比成分关联特征图和多尺度感知增强配方间改良效果关联特征图，包括：将所述改良配比成分关联特征图输入所述特征多尺度感知强化模块的低频侦测分支以得到改良配比成分关联局部低频激活特征向量；将所述改良配比成分关联特征图输入所述特征多尺度感知强化模块的精简压缩分支以得到改良配比成分关联压缩特征图；将所述改良配比成分关联特征图输入所述特征多尺度感知强化模块的全局空间感知分支以得到改良配比成分关联感受野扩张激活特征矩阵；将所述改良配比成分关联感受野扩张激活特征矩阵与所述改良配比成分关联压缩特征图的沿通道维度的各个特征矩阵进行按位置点乘以得到改良配比成分关联压缩-扩张激活特征图；将所述改良配比成分关联局部低频激活特征向量中的各个特征值作为权重，对所述改良配比成分关联压缩特征图的沿通道维度的各个特征矩阵进行点乘以得到改良配比成分关联压缩-低频融合特征图；将所述改良配比成分关联压缩-扩张激活特征图和所述改良配比成分关联压缩-低频融合特征图进行按位置相加以得到改良配比成分关联多尺度融合激活特征图； 对所述改良配比成分关联多尺度融合激活特征图进行空洞卷积编码以得到所述多尺度感知增强改良配比成分关联特征图。

11、可选地，将所述改良配比成分关联特征图输入所述特征多尺度感知强化模块的低频侦测分支以得到改良配比成分关联局部低频激活特征向量，包括：对所述改良配比成分关联特征图进行点卷积处理以得到改良配比成分关联通道压缩特征图；对所述改良配比成分关联通道压缩特征图进行全局均值池化以得到改良配比成分关联局部低频特征向量；对所述改良配比成分关联局部低频特征向量进行非线性激活以得到所述改良配比成分关联局部低频激活特征向量。

12、可选地，将所述改良配比成分关联特征图输入所述特征多尺度感知强化模块的精简压缩分支以得到改良配比成分关联压缩特征图，包括：对所述改良配比成分关联特征图进行点卷积处理以得到所述改良配比成分关联压缩特征图。

13、可选地，将所述改良配比成分关联特征图输入所述特征多尺度感知强化模块的全局空间感知分支以得到改良配比成分关联感受野扩张激活特征矩阵，包括：对所述改良配比成分关联特征图进行空洞卷积编码以得到改良配比成分关联感受野扩张特征图；对所述改良配比成分关联感受野扩张特征图进行点卷积处理以得到改良配比成分关联感受野扩张全局特征矩阵；对所述改良配比成分关联感受野扩张全局特征矩阵进行非线性激活以得到所述改良配比成分关联感受野扩张激活特征矩阵。

14、可选地，将所述多尺度感知增强改良配比成分关联特征图和所述多尺度感知增强配方间改良效果关联特征图输入所述信息激励-压榨模块的多尺度语义特征提取模块以得到所述改良配比成分关联特征向量和所述配方间改良效果关联特征向量，包括：对所述多尺度感知增强改良配比成分关联特征图进行上采样以得到上采样多尺度感知增强改良配比成分关联特征图；使用改良配比成分关联全局语义特征抽取模块对所述上采样多尺度感知增强改良配比成分关联特征图进行处理以得到改良配比成分关联全局语义抽取特征向量；对所述改良配比成分关联全局语义抽取特征向量进行维度调整以得到改良配比成分关联全局语义特征向量；使用改良配比成分关联局部语义特征抽取模块对所述上采样多尺度感知增强改良配比成分关联特征图进行处理以得到改良配比成分关联局部语义抽取特征向量；对所述改良配比成分关联局部语义抽取特征向量进行维度调整以得到改良配比成分关联局部语义特征向量；计算所述改良配比成分关联全局语义特征向量和所述改良配比成分关联局部语义特征向量的按位置逐元素相加以得到改良配比成分关联多尺度语义融合特征向量；将所述改良配比成分关联多尺度语义融合特征向量进行基于sigmoid函数的激活处理以得到所述改良配比成分关联特征向量；其中，所述改良配比成分关联全局语义特征抽取模块包括全局平均池化层、第一点卷积层、第一批量归一化层和第一激活层，所述改良配比成分关联局部语义特征抽取模块包括第二点卷积层、第二批量归一化层和第二激活层。

15、可选地，将所述改良配比成分关联特征向量和所述配方间改良效果关联特征向量输入基于先验分布的特征动态约束交互模块以得到改良配方-改良效果交互特征向量，包括：计算以自然常数为底，以第一权重系数与所述改良配比成分关联特征向量中各个特征值的点乘值为指数的指数函数值以得到非线性改良配比成分关联特征向量；计算以自然常数为底，以第二权重系数与所述配方间改良效果关联特征向量中各个特征值的点乘值为指数的指数函数值以得到非线性配方间改良效果关联特征向量；计算第一高斯分布函数系数与所述非线性改良配比成分关联特征向量之点乘和第二高斯分布函数系数与所述非线性配方间改良效果关联特征向量之点乘的按位置逐元素相加以得到所述改良配方-改良效果交互特征向量。

16、可选地，基于所述改良配方-改良效果交互特征向量来确定推理最佳改良方案，包括：将所述改良配方-改良效果交互特征向量输入基于解码器的最佳改良方案推理器以得到所述推理最佳改良方案。

17、采用上述技术方案，通过利用智能化算法，挖掘不同土壤改良配比方案对应的土壤结构改良效果图像与方案本身之间的响应性关联关系，以及各个土壤结构改良效果图像之间的动态变化规律，从而分析和推演出最佳的土壤改良配比方案。通过这样的方式，基于有限实验数据来进行最佳配比方案的推理，减少人工分析的周期，提高土壤改良方式的智能化和自动化程度，为盐碱地的可持续利用提供技术支持。

18、本技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。