本发明涉及环境保护以及生态资源的监测等,特别是涉及到海洋、湖泊等水域环境保护和生态资源监控,尤其涉及一种基于细胞丰度实现浮游植物的特征提取方法及系统。
背景技术:
1、浮游植物广泛分布于海洋、湖泊等水体中,是自然生态初级生产力的重要贡献者,在物质循环和能量流动中发挥着重要作用。浮游植物种群结构的监测对海洋、湖泊等水域环境保护、维持海洋、湖泊等水域生态平衡有着非常重要的意义。
2、而细胞丰度是指单位体积内细胞个数的值,基于细胞丰度实现浮游植物的特征提取的过程为基于单位体积内浮游植物个数的值,来分析浮游植物的外形特征、空间分布特征等的过程。
3、目前,对浮游植物进行特征提取之前首先需要采集水中浮游植物图像,从浮游植物图像中鉴定浮游植物所属物种,在这个过程中,由于水中辽域广阔,每个位置下所拍摄的浮游植物图像并不能包含所需要的区域中的所有浮游植物,此时需要采集多个位置下的多张浮游植物图像,以拼凑所需要的区域中的所有浮游植物,这个过程中既需要去除不同角度下所出现的重复浮游植物,还需要在水中环境模糊不清和多数植物外形相似的前提下,辨别不同植物之间的边界,这导致人工统计方式和机器学习技术均难以识别植物的外形特征,从而较难拼凑空间格局内的整体浮游植物分布图。因此,植物特征提取过程的便捷性不足。
技术实现思路
1、为了解决上述问题,本发明提供了一种基于细胞丰度实现浮游植物的特征提取方法及系统,可以提升植物特征提取过程的便捷性。
2、第一方面,本发明提供了一种基于细胞丰度实现浮游植物的特征提取方法,包括:
3、采集所述浮游植物的历史数据,从所述历史数据中划分所述浮游植物的历史环境因子和历史植物特征,其中,所述历史植物特征包括历史单体特征和历史群体特征;
4、识别所述历史环境因子与所述历史单体特征之间的第一关联关系,并识别所述历史环境因子与所述历史群体特征之间的第二关联关系;
5、采集所述浮游植物的当前环境因子,基于所述当前环境因子,利用所述第一关联关系分析所述浮游植物的当前单体特征;
6、基于所述当前环境因子,利用所述第二关联关系分析所述浮游植物的当前群体特征,其中,所述当前群体特征包括细胞丰度、分布形状、多样性特征及均匀度特征;
7、对所述当前单体特征与所述当前群体特征进行特征协调处理,得到协调单体特征与协调群体特征,融合所述协调单体特征与所述协调群体特征,得到融合特征,利用所述融合特征生成所述浮游植物的植物特征图,并将所述植物特征图作为所述浮游植物的特征提取结果。
8、在第一方面的一种可能实现方式中,所述识别所述历史环境因子与所述历史单体特征之间的第一关联关系,包括:
9、利用下述公式构建所述历史环境因子与所述历史单体特征之间的一元回归模型:
10、
11、其中,y表示所述一元回归模型,β1,β2,...,βn表示所述历史环境因子的回归因子,x1,x2,...,xn表示所述历史环境因子,b1,b2,...,bn表示常数参数1的回归因子,ε1,ε2,...,εn表示误差,yi表示所述历史单体特征,i表示所述历史单体特征的序号,n表示所述历史环境因子的总数;
12、根据所述一元回归模型,利用下述公式计算所述历史环境因子与所述历史单体特征之间的多元回归模型:
13、nyi=(β1x1+b1+ε1)+(β2x2+b2+ε2)+...+(βnxn+bn+εn)
14、
15、其中,表示所述多元回归模型,β1,β2,...,βn表示所述历史环境因子的回归因子,x1,x2,...,xn表示所述历史环境因子,b1,b2,...,bn表示常数参数1的回归因子,ε1,ε2,...,εn表示误差,yi表示所述历史单体特征,i表示所述历史单体特征的序号,n表示所述历史环境因子的总数;
16、将所述多元回归模型作为所述历史环境因子与所述历史单体特征之间的第一关联关系。
17、在第一方面的一种可能实现方式中,所述识别所述历史环境因子与所述历史群体特征之间的第二关联关系,包括:
18、构建所述历史环境因子与所述历史群体特征之间的体积空间;
19、将所述历史环境因子中在所述体积空间内的历史环境因子转换为多维点云;
20、将所述多维点云输入至预设的特征分析模型中,以通过所述特征分析模型分析所述历史环境因子对应的历史群体特征;
21、计算所述历史环境因子对应的历史群体特征与所述历史群体特征之间的损失值;
22、利用所述损失值训练所述特征分析模型,得到训练好的特征分析模型;
23、将所述训练好的特征分析模型作为所述第二关联关系。
24、在第一方面的一种可能实现方式中,所述构建所述历史环境因子与所述历史群体特征之间的体积空间,包括:
25、构建所述历史环境因子与所述历史群体特征之间的随机体积空间;
26、计算所述历史环境因子在所述随机体积空间内的方差均值;
27、利用所述方差均值对所述随机体积空间进行体积空间筛选,得到筛选体积空间;
28、在所述筛选体积空间中的浮游植物的物种种类最多时,将所述筛选体积空间作为所述历史环境因子与所述历史群体特征之间的体积空间。
29、在第一方面的一种可能实现方式中,所述通过所述特征分析模型分析所述历史环境因子对应的历史群体特征,包括:
30、利用所述特征分析模型中的特征提取层对所述多维点云进行特征提取,得到提取特征;
31、利用所述特征分析模型中的分类层输出所述提取特征对应的特征类别概率;
32、基于所述特征类别概率确定所述历史环境因子对应的分布形状、细胞丰度、均匀度、多样性;
33、将所述分布形状、所述细胞丰度、所述均匀度、所述多样性作为所述历史群体特征。
34、在第一方面的一种可能实现方式中,所述对所述当前单体特征与所述当前群体特征进行特征协调处理,得到协调单体特征与协调群体特征,包括:
35、分别获取所述当前群体特征对应的第一当前环境因子和所述当前单体特征对应的第二当前环境因子;
36、在所述第一当前环境因子与所述第二当前环境因子之间的相似度小于预设相似度时,利用所述当前单体特征确定所述当前群体特征对应的浮游植物物种;
37、基于所述浮游植物物种对应的第一当前环境因子,分别计算所述浮游植物物种的群落分布形状、群落细胞丰度、群落均匀度、群落多样性;
38、基于所述群落分布形状、所述群落细胞丰度、所述群落均匀度、所述群落多样性,对所述当前单体特征与所述当前群体特征进行特征协调处理,得到协调单体特征与协调群体特征。
39、在第一方面的一种可能实现方式中,所述利用所述当前单体特征确定所述当前群体特征对应的浮游植物物种,包括:
40、采集全部浮游植物物种;
41、从所述当前单体特征中识别所述全部浮游植物物种中目标浮游植物物种对应的目标当前单体特征;
42、在所述目标当前单体特征的值小于预设特征值时,判定所述目标浮游植物物种不存在;
43、在所述目标当前单体特征的值不小于预设特征值时,判定所述目标浮游植物物种存在;
44、在所述目标浮游植物物种存在时,将所述目标浮游植物物种作为所述浮游植物物种。
45、在第一方面的一种可能实现方式中,所述基于所述浮游植物物种对应的第一当前环境因子,分别计算所述浮游植物物种的群落分布形状、群落细胞丰度、群落均匀度、群落多样性,包括:
46、基于所述浮游植物物种,利用下述公式计算所述群落多样性:
47、
48、其中,h表示所述群落多样性,s表示所述浮游植物物种的总物种数,pk表示第k个物种占总数的比例;
49、基于所述群落多样性,利用下述公式计算所述群落均匀度:
50、e=h/ln(s)
51、其中,e表示所述群落均匀度,h表示所述群落多样性,s表示所述浮游植物物种的总物种数;
52、基于所述浮游植物物种,利用下述公式计算所述群落细胞丰度:
53、d=(s-1)/log2n
54、其中,d表示所述群落细胞丰度,n表示所述浮游植物物种的总个体数,s表示所述浮游植物物种的总物种数;
55、基于所述浮游植物物种对应的第一当前环境因子,计算所述浮游植物物种中每两个浮游植物物种之间的地理距离;
56、基于所述地理距离分析所述群落分布形状。
57、在第一方面的一种可能实现方式中,所述融合所述协调单体特征与所述协调群体特征,得到融合特征,包括:
58、拼接所述协调单体特征与所述协调群体特征,得到拼接特征;
59、利用下述公式对所述拼接特征进行特征融合,得到所述融合特征:
60、g(x)=b(p(relu(b(p(g(x))))))
61、l(x)=b(p(relu(b(p(x)))))
62、x'=x·σ(l(x)+g(x))
63、其中,x'表示所述融合特征,b表示batchnorm,p表示点卷积,g表示全局平均池化,g(x)表示全局通道注意力,l(x)表示局部通道注意力,x表示所述拼接特征,σ表示sigmoid函数。
64、第二方面,本发明提供了一种基于细胞丰度实现浮游植物的特征提取系统,所述系统包括:
65、历史划分模块,用于采集所述浮游植物的历史数据,从所述历史数据中划分所述浮游植物的历史环境因子和历史植物特征,其中,所述历史植物特征包括历史单体特征和历史群体特征;
66、关系识别模块,用于识别所述历史环境因子与所述历史单体特征之间的第一关联关系,并识别所述历史环境因子与所述历史群体特征之间的第二关联关系;
67、单体分析模块,用于采集所述浮游植物的当前环境因子,基于所述当前环境因子,利用所述第一关联关系分析所述浮游植物的当前单体特征;
68、群体分析模块,用于基于所述当前环境因子,利用所述第二关联关系分析所述浮游植物的当前群体特征,其中,所述当前群体特征包括细胞丰度、分布形状、多样性特征及均匀度特征;
69、特征生成模块,用于对所述当前单体特征与所述当前群体特征进行特征协调处理,得到协调单体特征与协调群体特征,融合所述协调单体特征与所述协调群体特征,得到融合特征,利用所述融合特征生成所述浮游植物的植物特征图,并将所述植物特征图作为所述浮游植物的特征提取结果。
70、与现有技术相比,本方案的技术原理及有益效果在于:
71、本发明实施例通过识别所述历史环境因子与所述历史单体特征之间的第一关联关系,以用于将所述历史环境因子对所述历史单体特征的影响通过具体化的函数表示,方便后续根据环境状况分析浮游植物应生长的外形特征。
72、进一步地,本发明实施例通过识别所述历史环境因子与所述历史群体特征之间的第二关联关系,以用于将所述历史环境因子与所述历史群体特征之间的隐形关联关系输入至神经网络模型中,使得神经网络模型学习所述历史环境因子与所述历史群体特征之间的隐形关联关系,从而可以在后续利用训练好的神经网络模型分析所述历史环境因子所对应的历史群体特征。
73、本发明实施例通过对所述当前单体特征与所述当前群体特征进行特征协调处理,得到协调单体特征与协调群体特征,以用于使得所分析得到的当前单体特征可以满足所述当前群体特征,且在所述当前群体特征的前提下可以存在所述当前单体特征,从而提升所述当前单体特征与所述当前群体特征之间的适配性。
74、进一步地,本发明实施例通过融合所述协调单体特征与所述协调群体特征,得到融合特征,以用于进一步对拼接特征进行权重筛选,凸显重要通道的特征信息。
75、进一步地,本发明实施例通过利用所述融合特征生成所述浮游植物的植物特征图,以用于基于所述融合特征生成水下浮游植物的分布特征图。
76、因此,本发明实施例提出的一种基于细胞丰度实现浮游植物的特征提取方法及系统,可以提升植物特征提取过程的便捷性,从而为海洋或者湖泊等湿地的环境保护以及生态资源的监测问题带来技术性的突破。