一种基于复合头脑风暴算法的森林芬多精检测方法与流程

1.本发明涉及森林挥发性化合物检测技术领域，尤其涉及一种基于复合头脑风暴算法的森林芬多精检测方法。


背景技术：

2.voc是挥发性有机化合物(volatile organic compounds)的缩写，voc有一般分为两种——有害voc和有益voc，这两种voc拥有相似的分子式。在没有污染的人工维护的森林中一般仅存在有益voc即芬多精(原始深林会有个别释放毒气的植物除外)，即通过预测voc的分布可以实现对有益芬多精的分布预测。
3.对voc的监测主要通过近红外摄像机(短波近红外)和探地雷达(甚特高频)获得植物的叶绿素光合作用的蒸腾模型。
4.当使用近红外摄像头采集植物的信息时，不同的近红外波段照射不同的植物或者同一种植物的不同生长状态时，采集到的植物反射回来的红外信息不同。可以通过采集到的信息分析出植物分泌芬多精的强弱。当使用能发出甚特高频的雷达采集植物的信息时，因为树根的含矿物水量不同、导电性不同，所以其对雷达的甚高频与特高频波段的反射情况也是不同的。在雷达的不同甚特高频波段其呈现的信息也是不同的，可以通过监测雷达收到的不同波段甚特高频发出的电磁波经过植物后反射波的强弱，来看植物根茎吸收液体矿物质的情况。
5.目前很多航拍都是使用大疆来实现的，但大疆一般搭载的都是远红外摄像系统(波长1.5～400微米的红外线)，无法满足后期进行归一化植被指数(ndvi)的计算。归一化植被指数(ndvi)是通过测量近红外(植被强烈反射)和红光(植被吸收)之间的差异来量化植被。现在市场上流通的探地雷达太过昂贵，而且其功能主要针对的就是测量树根的尺寸大小，而不是针对树根芬多精含量进行测量。
6.目前当下利用近红外摄像机和探地雷达在森林中检测芬多精没有形成量产规模，主要原因是辐照通量误差不易控制，需要优化控制的参数众多。
7.另外，现有的检测技术必须按照其使用的阻抗(幅度与频率)时空进行非实时检测，因此就算现有的技术可以量产但是不能实时全自动工作，耗费大量的人工现场样本采集与手动计算处理工作量。


技术实现要素：

8.本发明的目的在于提供一种基于复合头脑风暴算法的森林芬多精检测方法，以解决上述背景技术中遇到的问题。
9.为实现上述目的，本发明的技术方案如下：
10.一种基于复合头脑风暴算法的森林芬多精检测方法，包括以下步骤：
11.步骤一、根据原始静态芬多精浓度和实验生成的实际芬多精动态浓度，获取至少两个植物蒸腾模型的目标控制参数；
12.步骤二、通过骏方差聚类算法对获取的至少两个所述控制参数进行聚类；
13.步骤三、计算每个所述控制参数的适应度值，并将每个聚类中适应度值最优的控制参数作为所述控制参数聚类的中心；
14.步骤四、判断至少两个所述控制参数是否满足复合头脑风暴算法的终止条件，满足条件则转入步骤六，否则进入步骤五；
15.步骤五、通过复合头脑风暴算法对至少两个控制参数复原进行扰动处理并转入步骤二；
16.步骤六、将至少两个所述控制参数导入复合头脑风暴算法对高斯球中芬多精浓度进行优化，并输出芬多精浓度对应的芬多精浓度。
17.与现有技术相比，本发明的有益效果是：
18.在步骤一中，通过获取至少两个植物蒸腾模型的目标控制参数，来实现变量的离子化，这是根据离子理论中的高维度的扰动关联模型的控制优化关系确定的。
19.在步骤二中，使用骏方差来作为头脑风暴算法的聚类算法，可以深度提取隐含的芬多精蒸发总量的容差特征信息。
20.在步骤五和步骤六中，分别进行控制参数复原进行扰动和将控制参数导入复合头脑风暴算法对高斯球中芬多精浓度进行优化，由于步骤一和步骤二，步骤五和步骤六的操作都是在动态时空四维度里进行运算的，可以准确推算芬多精浓度。
21.因此，芬多精从冠叶到根茎的全面检测可以实现一种非常紧凑一体的多种芬多精从冠叶到根茎的全面检测，也可以结合wifi/5g/6g领域进一步提高自动化动态芬多精的检测与森林植物林相动态分析与时空采样预测，能够同时在许多不同的阻抗(幅度与频率)与平面内以良好甚至卓越的性能复合头脑风暴算法协调工作，降低人工现场样本采集与手动计算处理工作量。
附图说明
22.参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
23.图1为本发明检测方法的流程图；
24.图2为本发明在实施时的森林芬多精叶绿素红外探测器俯视示意图；
25.图3为本发明在实施时的森林芬多精甚高频水份胁迫检测器俯视示意图。
具体实施方式
26.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示本发明有关的构成。
27.根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
28.下面结合附图和实施例对本发明的技术方案做进一步的详细说明。
29.如图1所示，一种基于复合头脑风暴算法的森林芬多精检测方法，包括以下步骤：
30.步骤一、根据原始静态芬多精浓度和实验生成的实际芬多精动态浓度，获取至少两个植物蒸腾模型的目标控制参数。
31.在图2中，采集工作是通过多波段近红外摄像机实现的，具体的是通过舵机控制滤光片的切换，实现采集不同波长的近红外图像，如图中举例的700纳米、800纳米，900纳米滤光片。
32.在图3中，采集工作是通过多频段近甚高频雷达实现的，具体的是通过舵机控制金属触点切换到不同波段的天线上，实现采集不同波段的雷达图像，如图中举例的200mhz、300mhz、400mhz、500mhz、600mhz天线。
33.从图2可切换波长的红外采集器中，获取n个第一控制参数的复值。从图3的可切换频率的甚特高频雷达中，获取n个第二控制参数的复值。目标控制参数可以为土壤热通量、冠叶水汽压等。
34.步骤二、通过骏方差聚类算法对获取的至少两个所述控制参数进行聚类。在对目标控制参数进行聚类时，芬多精从冠叶到根茎的全面检测采用近红外摄像系统、甚特高频雷达，辅助百叶箱探针，同时利用气质联动活性碳棒获取真值验证融合结果。
35.步骤三、计算每个所述控制参数的适应度值，并将每个聚类中适应度值最优的控制参数作为所述控制参数聚类的中心。控制参数包括每次迭代的覆盖量程公差和通量的公差，所有的控制参数用复数表示。
36.步骤四、判断至少两个所述控制参数是否满足复合头脑风暴算法的终止条件，满足条件则转入步骤六，否则进入步骤五。
37.步骤五、通过复合头脑风暴算法对至少两个控制参数复原进行扰动处理，当达到最大迭代次数或者与碳棒真值的误差小于一定范围时进入步骤六，否则并转入步骤二。复合头脑风暴优化算法(compound brain storm optimization algorithm,简称c-bso算法)作为一种新型的智能优化计算方法，在解决经典优化算法难以求解的大规模高维多峰函数问题是显示出其优势。
38.步骤六、将至少两个所述控制参数导入复合头脑风暴算法对高斯球中芬多精浓度进行优化，并输出芬多精浓度对应的芬多精浓度。高斯球计算包括两个或者三个平面的计算，计算后分别合成优化芬多精浓度数据，可有效降低成本。
39.在本步骤五中，其中，所述复合头脑风暴算法包括以下步骤：
40.第一步、首先确定工作阻抗的上限与下限，其次计算上下限的比例，然后计算需要的迭代次数，取n＝4次迭代，其中，工作阻抗包括幅度与频率。实施时，即为首先确定工作阻抗(幅度与频率)的上限与下限，比如下限是fd＝250，上限是fu＝500，其次计算上下限的比例，rf＝fu/fd＝2，取每次迭代的比例rr＝1.2，然后计算需要的迭代次数n＝log(rf)/log(rr)＝3.99,也就是4次迭代。
41.第二步、确定多种芬多精从冠叶到根茎的全面检测范围的不对称性维度，不对称性的维度呈“花瓣”型分布。平原上下不对称，城市上下前后左右都不对称，山区介于两者中间。主要按照场景的要求决定，如果是平原乡村，采用二维度的花瓣，如果是城区，就采用六维度的花瓣，如果是山区就采用四维度的花瓣。场景越复杂，花瓣个数越多越均匀，但是控制成本也越高。
42.第三步、确定每次迭代的控制参数，使控制参数覆盖尺寸公差，最大限度降低内部干扰。比如确定每次迭代的覆盖量程公差gi,j,k；i表示迭代次数，j表示时间,k表示交汇半径，本步骤是为了最大限度的降低内部干扰，不允许任何形式的甲醛污染导致肺癌伤害存在，所有连接处都必须是安全过渡,初始控制半径通常是小区长度的e＝2.718分子一，其次，再确定通量的公差bi,j,k，i表示迭代次数，j表示时间，k依旧表示交汇半径。
43.第四步、控制复合头脑风暴算法对应结构，并处理控制参数。控制离子fwa算法对应结构，用于处理gi,j,k与bi,j,k，所有的控制参数都用复数表示，实部表示参数的大小(对应近红外或者甚特高频图片的像素的坐标与帧数值)，只能取正数，虚部表示参数的公差即为生产工艺流程造成的或正或负的误差范围，可以正可以负，正的表示变大，负的表示变小，正的用负离子代表，负的对应正离子，在实际测量过程中公差是随机的变大或者变小，没有人可以控制预测，类似离子测不准原理。复合头脑风暴算法通过结合八皇后算法，进行不断试错寻找最小的公差点。
44.第五步、通过实验室测试和仿真计算，确定复合头脑风暴算法的评价函数。这种评价需要把多种芬多精从冠叶到根茎的全面检测范围测量出来，周期比较长，所有通常需要采用仿真计算，比如调用matlab软件包。本检测方法注重最小化污染，最小化失配，所以主要计算目标控制参数，当然也可以针对其它参数计算优化。
45.第六步、选取好的初始参数，借用芬多精从冠叶到根茎的全面检测的量程作为芬多精从冠叶到根茎的全面检测的初始值。为了降低优化控制的时间与工作量，需要选取好的初始参数gi,j,k与bi,j,k，直接借用芬多精从冠叶到根茎的全面检测的量程作为芬多精从冠叶到根茎的全面检测的初始值，这样可以节约时间。
46.第七步、确定淘汰机制，记录左旋声子优化的评价函数性能指标和正离子优化的评价函数性能指标，利用公式dp＝max(pr,pl)-min(pr,pl),式中，比较负离子与正离子指标，形成中间产物电子，淘汰指标低的子代电子，完成电子再到离子扰动的复合头脑风暴算法操作。比如记录pr为负离子优化的评价函数性能指标，pl为正离子优化的评价函数性能指标，dp＝max(pr,pl)-min(pr,pl),假设负离子的指标高于正，那么以概率2*dp/(pr+pl)的概率淘汰正的子代电子，从而完成电子再到离子扰动的风暴算法操作，确保收敛快的同时，不丢失好的子代。
47.上述方案中，为了匹配芬多精蒸发总量，利用前一次人为加入电场后的离子曳引效应获得的新电子，不断继续作用于信号波，然后每次获得的结果，都与移动的芬多精位置比对，看信号波相对于芬多精位置来说，传输到指定位置时其剩余的浓度是否过强或过弱。如果都不是，则代表符合度高，符合度高的就采纳，符合度低的话就重新爆炸。而符合度用骏方差计算，其中目标函数的评估基于骏方差和全局最佳风暴算法优化，而不是高斯方差，并且全局最优合并了一个由当前种群状态触发的重新初始化方案，结合了每个变量更新和基于适应度的分组，通过使用复数加权的扰动关联性离子学习策略来提供新的平面动力，使个体能够逃离局部最优。
48.进一步的，列举一个浓度容差的例子，设置芬多精从冠叶到根茎的全面检测量程参数(百叶窗探针获取的voc值)，如下表所示：
49.浓度东南西北方差骏方差上限45530.690.33-0.38i
下限34530.690.38-0.33i
50.当计算上限与下限的方差的时，发现无论“东南西北”各方向的取值多少都是0.69，但是如果计算骏方差，两种工作就不一样了，这就证明了新的方法可以给出更精确的容差分析。
51.芬多精从冠叶到根茎的全面检测方法，关键在于它们在两个或两个以上的尺度上重复一个棋盘覆盖模版或“迭代”推演高效获得百万亩大尺度芬多精快速演化渐进覆盖分布图。因此，芬多精从冠叶到根茎的全面检测可以实现一种非常紧凑一体的多种芬多精从冠叶到根茎的全面检测，也可以结合wifi/5g/6g领域进一步提高自动化动态芬多精的检测与森林植物林相动态分析与时空采样预测，能够同时在许多不同的阻抗(幅度与频率)与平面内以良好甚至卓越的性能复合头脑风暴算法协调工作，降低人工现场样本采集与手动计算处理工作量。
52.与现有森林芬多精检测技术相比，本发明的有益效果：
53.1、本发明中以离子群为导向对风暴算法进行定位优化以结合两种算法的优势，利用风暴算法交流社会信息能力和离子立体交叉能力相互配合，操作涉及离子扰动算法的方法优化平面函数，离子理论中的扰动思想改善了优化性能。
54.2、本发明中使用风暴算法和骏方差的混合模型，根据离子理论中的高维度的扰动关联模型的控制优化关系，深度提取隐含的通量容差特征信息，确认动态时空四维度工作量程。
55.3、本发明中芬多精从冠叶到根茎的全面检测利用了分形棋盘结构，具有的紧凑覆盖量程以及高宽带操作和低污染性，并且该芬多精从冠叶到根茎的全面检测具有理想的频域特性，拥有几乎无污染林心与污染林缘方向图、高效率自动化以及合理的收益。
56.4、本发明中芬多精从冠叶到根茎的全面检测提出了n＝4次迭代，每次迭代的比例rr是有理数，使芬多精从冠叶到根茎的全面检测过程拥有体积小、制造成本低、易于量产制造、安全绿色、高工作带宽以及适合动态调整的宽带综合气体系统特征。
57.以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的森林检测相关技术人员来说，其依然可以对前述各实施例所记载的森林芬多精技术方案进行修改，或者对其中部分森林蒸腾技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。