CN117541129A - 一种土壤质量的评估方法及*** - Google Patents
一种土壤质量的评估方法及*** Download PDFInfo
- Publication number
- CN117541129A CN117541129A CN202410036567.8A CN202410036567A CN117541129A CN 117541129 A CN117541129 A CN 117541129A CN 202410036567 A CN202410036567 A CN 202410036567A CN 117541129 A CN117541129 A CN 117541129A
- Authority
- CN
- China
- Prior art keywords
- soil
- information
- thread
- description information
- association
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 613
- 238000001303 quality assessment method Methods 0.000 title abstract description 4
- 238000011156 evaluation Methods 0.000 claims abstract description 222
- 238000000605 extraction Methods 0.000 claims abstract description 137
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000006243 chemical reaction Methods 0.000 claims description 83
- 239000012634 fragment Substances 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001212 derivatisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000015784 hyperosmotic salinity response Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种土壤质量的评估方法及***,通过若干个预配置指示线程的配置确定目标知识片段抽取线程,若干个预配置指示线程的配置过程是对目标知识片段抽取线程的若干种配置约束,从而能够提高目标知识片段抽取线程的知识片段抽取能力,进一步提高信息属性评估线程的属性评估能力。从而,基于本发明中的信息属性评估线程进行信息属性评估,能够提高信息属性评估效率以及属性评估准确性,从而能够更加精确地对土壤进行评估,基于土壤精确评估的前提下,能够可靠地对土壤进行修复,从而能够尽快的恢复生态平衡。
Description
技术领域
本申请涉及质量评估技术领域,具体而言,涉及一种土壤质量的评估方法及***。
背景技术
随着社会的不断发展,人们越来越关注生态环境,在针对土壤的保护尤其关注,土壤是恢复生态的基本要素,要恢复土壤的生态平衡就需要获得土壤的成分信息和土壤的结构信息,根据上述信息采用对应的治理手段,从而能够更加有效的恢复土壤的生态,但是,针对现有技术如何能快速的获取土壤的成分信息和土壤的结构信息是现目前难以克服的一个技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了一种土壤质量的评估方法及***。
第一方面,提供一种土壤质量的评估方法,所述方法包括:获得目标对象的目标土壤信息;所述目标土壤信息为所述目标对象的土壤空间结构信息和土壤主题信息,或所述目标土壤信息为所述目标对象的土壤空间结构信息;基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果;所述信息属性评估线程基于与目标土壤数据对应的目标土壤描述信息示例,对待配置属性评估线程进行配置得到;所述待配置属性评估线程基于目标知识片段抽取线程以及指定属性评估单元得到;所述目标知识片段抽取线程基于指定土壤描述信息示例对若干个预配置指示线程分别进行线程配置得到,所述目标知识片段抽取线程为所述若干个预配置指示线程的共享线程。
在本申请中,所述指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;所述方法还包括:对所述若干个指定土壤描述信息关联项中的土壤主题信息分别进行信息抽取,得到与所述若干个指定土壤描述信息关联项分别对应的土壤实时信息;基于各个指定土壤描述信息关联项对应的土壤实时信息,与剩余指定土壤描述信息关联项对应的土壤实时信息,确定所述各个指定土壤描述信息关联项的相似土壤描述信息关联项;所述剩余指定土壤描述信息关联项为所述若干个指定土壤描述信息关联项中,除所述各个指定土壤描述信息关联项之外的指定土壤描述信息关联项;结合所述各个指定土壤描述信息关联项中的土壤空间结构信息,与所述相似土壤描述信息关联项中的土壤主题信息,生成第一新增关联项;结合所述相似土壤描述信息关联项中的土壤空间结构信息,与所述各个指定土壤描述信息关联项中的土壤主题信息,生成第二新增关联项。
可以理解的是,通过抽取土壤主题信息中的重要信息,从而能够更加精确地获得第二新增关联项。
在本申请中,所述若干个预配置指示线程包括第一指示线程,所述第一指示线程包括原始知识片段抽取线程以及比较输出单元;所述方法还包括:结合所述原始知识片段抽取线程对所述指定土壤描述信息示例,以及所述指定土壤描述信息示例对应的比较土壤描述信息示例分别进行知识片段抽取,得到相应的第一输出知识片段,以及第二输出知识片段;所述比较土壤描述信息示例基于对所述指定土壤描述信息示例中的土壤空间结构信息,和/或,土壤主题信息进行信息转换得到;结合所述比较输出单元对所述第一输出知识片段以及所述第二输出知识片段进行比较处理,得到比较输出信息;结合所述比较输出信息,以及所述指定土壤描述信息示例与所述比较土壤描述信息示例的指定关联信息,对所述第一指示线程的线程系数进行调试,得到已配置第一指示线程;结合所述已配置第一指示线程确定所述目标知识片段抽取线程。
可以理解的是,通过抽取比较土壤描述信息示例中的知识片段对线程进行精准的调试,从而能够提高目标知识片段抽取线程的可靠性。
在本申请中,所述若干个预配置指示线程包括第二指示线程,所述指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;所述方法还包括:获得所述若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项;所述转换土壤描述信息关联项基于对所述若干个指定土壤描述信息关联项中的土壤主题信息进行信息转换得到;结合所述若干个指定土壤描述信息关联项,以及所述若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项进行关联项评估,得到第一转换项,以及第二转换项;所述第一转换项中包括土壤空间结构信息与土壤主题信息相关联的转换项,以及土壤空间结构信息与土壤主题信息不关联的转换项;所述第二转换项为土壤空间结构信息与土壤主题信息不关联的转换项;结合所述第一转换项对所述第二指示线程进行线程配置,得到已配置第二指示线程;结合所述已配置第二指示线程对所述第二转换项进行关联评估,得到关联评估信息;在所述关联评估信息指示所述第二转换项中的土壤空间结构信息与土壤主题信息相关联时,将所述第二转换项确定为目标不存在联系的示例;结合所述目标不存在联系的示例对所述已配置第二指示线程进行线程配置,得到已优化的第二指示线程;结合所述已优化的第二指示线程,确定所述目标知识片段抽取线程。
可以理解的是,通过对关联项进行关联项评估,从而能够提高目标知识片段抽取线程的性能。
在本申请中,所述第二指示线程包括原始知识片段抽取线程以及关联输出单元;所述结合所述第一转换项对所述第二指示线程进行线程配置,得到已配置第二指示线程包括:结合所述原始知识片段抽取线程对所述第一转换项进行知识片段抽取,得到第三输出知识片段;结合所述关联输出单元对所述第三输出知识片段进行关联处理,得到关联输出信息;结合所述关联输出信息,以及所述第一转换项中的土壤空间结构信息与土壤主题信息的指定关联信息,对所述第二指示线程的线程系数进行调试,得到所述已配置第二指示线程。
可以理解的是,结合所述第一转换项对所述第二指示线程进行线程配置时,改善了第三输出知识片段不可靠的问题,从而能够可靠地得到已配置第二指示线程。
在本申请中,所述若干个预配置指示线程包括第三指示线程,所述第三指示线程包括原始知识片段抽取线程以及属性评估输出单元;所述指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;所述方法还包括:结合所述原始知识片段抽取线程对所述若干个指定土壤描述信息关联项对应的潜在信息项进行知识片段抽取,得到第四输出知识片段;所述潜在信息项基于对所述若干个指定土壤描述信息关联项中的土壤主题信息进行分析处理得到;结合所述属性评估输出单元对所述第四输出知识片段进行属性评估处理,得到属性评估输出信息;结合所述属性评估输出信息,以及所述若干个指定土壤描述信息关联项的目标属性评估标识,对所述第三指示线程的线程系数进行调试,得到已配置第三指示线程;结合所述已配置第三指示线程确定所述目标知识片段抽取线程。
可以理解的是,通过精确地进行属性评估处理,从而能够提高目标知识片段抽取线程的性能。
在本申请中,所述目标土壤描述信息示例包括若干种目标属性评估标识;所述方法还包括:获得优化土壤描述信息示例;所述优化土壤描述信息示例包含所述若干种目标属性评估标识;结合所述优化土壤描述信息示例对所述信息属性评估线程进行线程配置,得到优化后的信息属性评估线程。
可以理解的是,通过精确地获得优化土壤描述信息示例,从而提高优化后的信息属性评估线程的性能。
在本申请中,所述基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果,包括:获取土壤位置区域信息,其中,所述土壤位置区域信息包括历史土壤信息和突发土壤信息,所述突发土壤信息涵盖地质灾害引发的土壤结构的改变;将所述历史土壤信息和所述突发土壤信息输入至所述信息属性评估线程中,对所述信息属性评估线程进行系数调试,得到调试后的信息属性评估线程;通过所述调试后的信息属性评估线程对对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果。
可以理解的是,因为不同区域的土壤存在着差异,通过系数调试,能够提高信息属性评估线程评估的精确和可靠性。
第二方面,提供一种土壤质量的评估***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
本申请实施例所提供的一种土壤质量的评估方法及***,预先基于指定土壤描述信息示例对若干个预配置指示线程分别进行配置,得到若干个预配置指示线程共享的目标知识片段抽取线程;然后基于目标知识片段抽取层以及评估属性评估单元,确定待配置属性评估线程;基于与目标土壤数据对应的目标土壤描述信息示例,对待配置属性评估线程进行配置,得到与目标土壤数据对应的信息属性评估线程。即本发明中,通过预配置生成目标知识片段抽取线程,然后基于目标土壤数据对应到目标土壤描述信息示例对目标知识片段抽取线程进行微调,以得到能够用于目标土壤数据场景中信息属性评估线程,提高了信息属性评估线程的配置效率;进一步地,基于指定土壤描述信息示例进行线程配置,使得配置得到的信息属性评估线程具备基于土壤描述信息进行属性评估的能力,土壤描述信息能够从多个方面进行描述,从而使得土壤描述信息具有较好的知识片段表示能力,从而进一步提高属性评估的准确性;另外,本发明中通过若干个预配置指示线程的配置确定目标知识片段抽取线程,若干个预配置指示线程的配置过程是对目标知识片段抽取线程的若干种配置约束,从而能够提高目标知识片段抽取线程的知识片段抽取能力,进一步提高信息属性评估线程的属性评估能力。从而,基于本发明中的信息属性评估线程进行信息属性评估,能够提高信息属性评估效率以及属性评估准确性,从而能够更加精确地对土壤进行评估,基于土壤精确评估的前提下,能够可靠地对土壤进行修复,从而能够尽快的恢复生态平衡。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种土壤质量的评估方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种土壤质量的评估方法,该方法可以包括以下步骤210和220所描述的技术方案。
210.获得目标对象的目标土壤信息;所述目标土壤信息为所述目标对象的土壤空间结构信息和土壤主题信息,或所述目标土壤信息为所述目标对象的土壤空间结构信息。
其中,本申请目标土壤信息可以将需要检测区域的土壤进行采集并运输到测试中心进行分析获得数据。土壤在采集过程中尽量采集一个整块土壤,这样能够尽可能的保障原位土,保障土壤的结构尽可能不发生变化,土壤在运输过程中,尽可能保护土壤不发生碰撞,尽可能的保证土壤结构不发生变化。
其中,目标对象信息指的是在指定需要进行土壤评估的位置信息,土壤主题信息可以理解为土壤的成分信息以及土壤的空间结构信息,其中,土壤成分信息包括土壤中的重金属含量及土壤中的污染物含量,比如,土壤中含盐量大,需要种植耐盐性植物来改善周边环境;土壤的空间结构信息可以包括土壤的稳定性等,比如,该区域的土壤结构不稳定,容易发生滑坡或者泥石流需要种植一些根比较发达的植物,来维护土壤的稳定性。
220.基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果;所述信息属性评估线程基于与目标土壤数据对应的目标土壤描述信息示例,对待配置属性评估线程进行配置得到;所述待配置属性评估线程基于目标知识片段抽取线程以及指定属性评估单元得到;所述目标知识片段抽取线程基于指定土壤描述信息示例对若干个预配置指示线程分别进行线程配置得到,所述目标知识片段抽取线程为所述若干个预配置指示线程的共享线程。
其中,知识片段可以理解为特征,具体的特征包括土壤的成分信息和土壤的空间结构信息中的关键信息。
进一步地,信息属性评估线程可以理解为人工智能评估线程,在本申请中,针对土壤的质量和稳定性进行评估。
示例性的,指定属性评估单元可以理解为通过历史数据配置的土壤属性评估网络,通过历史数据来确定待检测区域的土壤评分,可以初步的判定出土壤的问题。
进一步地,基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果,包括:获取土壤位置区域信息,其中,所述土壤位置区域信息包括历史土壤信息和突发土壤信息,所述突发土壤信息涵盖地质灾害引发的土壤结构的改变;将所述历史土壤信息和所述突发土壤信息输入至所述信息属性评估线程中,对所述信息属性评估线程进行系数调试,得到调试后的信息属性评估线程;通过所述调试后的信息属性评估线程对对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果。
其中,该信息属性评估线程具有自主学习的能力属于人工智能线程的一种,该信息属性评估线程能够根据实时情况进行改变,从而提高信息属性评估线程的评估精度。
本实施例中的信息属性评估线程可以是基于线程预配置得到的,对于信息属性评估线程的配置方法,其可包括以下步骤所描述的内容。
S2202.获得目标知识片段抽取线程;所述目标知识片段抽取线程基于指定土壤描述信息示例对若干个预配置指示线程分别进行线程配置得到,所述目标知识片段抽取线程为所述若干个预配置指示线程的共享线程。
本发明实施例中的目标知识片段抽取线程可以为经过配置之后的,用于对土壤描述信息进行知识片段抽取的线程。进一步地,目标知识片段抽取线程可包括区域知识片段抽取单元、土壤主题知识片段抽取单元以及知识片段拼接单元,在通过目标知识片段抽取线程进行知识片段抽取时,将待抽取土壤描述信息中的土壤空间结构信息输入到区域知识片段抽取单元,得到区域知识片段信息,将待抽取土壤描述信息中的土壤主题信息输入到土壤主题知识片段抽取单元,得到土壤主题知识片段信息,将区域知识片段信息以及土壤主题知识片段信息输入知识片段拼接单元,得到与待抽取土壤描述信息对应的输出知识片段。具体地,对于区域知识片段抽取单元、土壤主题知识片段抽取单元以及知识片段拼接单元均可采用卷积线程。
指定土壤描述信息示例可以包括指定土壤空间结构信息以及与指定土壤空间结构信息关联的指定土壤主题信息,与指定土壤空间结构信息关联的指定土壤主题信息可以为基于指定土壤空间结构信息中涵盖的要素信息确定的,也可以是与指定土壤空间结构信息关联的土壤主题信息,譬如土壤空间结构信息对应的标题信息,或者土壤空间结构信息对应的标识信息等。
若干个预配置指示线程均是基于指定土壤描述信息示例进行配置的,并且可基于预配置指示的不一致,可对应不一致的预处理模块,以及后处理模块,若干个预配置指示线程包括一致的知识片段抽取线程,且若干个预配置指示线程共享知识片段抽取线程的线程系数,若干个预配置指示线程的配置过程是对目标知识片段抽取线程的若干种配置约束。若干个预配置指示线程的配置过程可以是同步进行的,在同步配置过程中,不断优化的知识片段抽取线程的线程系数在若干个预配置指示中共享。
S2204.结合所述目标知识片段抽取线程以及指定属性评估单元,确定待配置属性评估线程。
在基于对若干个预配置指示线程配置得到目标知识片段抽取线程的前提下,为了能够应用于属性评估场景下,可在目标知识片段抽取线程后连接指定属性评估单元,从而可得到相应的待配置属性评估线程。
S2206.基于与目标土壤数据对应的目标土壤描述信息示例,对所述待配置属性评估线程进行配置,得到与所述目标土壤数据对应的信息属性评估线程。
目标知识片段抽取线程可以是基于大规模土壤描述信息示例对若干个预配置指示线程进行配置后确定的,从而目标知识片段抽取线程是一个泛化的知识片段抽取线程,为了使得目标知识片段抽取线程能够适用于目标土壤数据场景中,可基于目标土壤数据对应的目标土壤描述信息示例对涵盖目标知识片段抽取线程的待配置属性评估线程进行针对性配置,以得到能够对目标土壤数据对应的信息进行属性评估的信息属性评估线程。其中目标土壤数据示例的数目一般小于指定土壤描述信息示例的数目,从而在基于指定土壤描述信息示例确定目标知识片段抽取线程后,可基于少量的目标土壤数据对应的目标土壤描述信息示例进行线程配置,即可得到适用于目标土壤数据场景的信息属性评估线程,从而降低了对目标土壤数据对应的目标土壤描述信息示例的数目要求,可应用于土壤描述信息示例稀疏,或者土壤描述信息示例难以获得的目标土壤数据场景中。
本发明中,通过预配置生成目标知识片段抽取线程,然后基于目标土壤数据对应到目标土壤描述信息示例对目标知识片段抽取线程进行微调,以得到能够用于目标土壤数据场景中信息属性评估线程,提高了属性评估线程的配置效率;进一步地,基于指定土壤描述信息示例进行线程配置,使得配置得到的信息属性评估线程具备基于土壤描述信息进行属性评估的能力,土壤描述信息能够从多个方面进行描述,从而使得土壤描述信息具有较好的知识片段表示能力,从而进一步提高属性评估的准确性;另外,本发明中通过若干个预配置指示线程的配置确定目标知识片段抽取线程,若干个预配置指示线程的配置过程是对目标知识片段抽取线程的若干种配置约束,从而能够提高目标知识片段抽取线程的知识片段抽取能力,进一步提高信息属性评估线程的属性评估能力。从而,基于本发明中的信息属性评估线程进行信息属性评估,能够提高信息属性评估效率以及属性评估准确性,从而能够更加精确地对土壤进行评估,基于土壤精确评估的前提下,能够可靠地对土壤进行修复,从而能够尽快的恢复生态平衡。
指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;为了进一步对指定土壤描述信息示例进行衍生,对于指定土壤描述信息示例中的各个指定土壤描述信息关联项,可确定相应的相似土壤描述信息关联项,且相似土壤描述信息关联项可基于指定土壤描述信息示例中的土壤空间结构信息以及土壤主题信息得到。
其示出了一种指定土壤描述信息示例衍生方法,该方法可包括如下内容。
S310.对所述若干个指定土壤描述信息关联项中的土壤主题信息分别进行信息抽取,得到与所述若干个指定土壤描述信息关联项分别对应的土壤实时信息。
S320.基于各个指定土壤描述信息关联项对应的土壤实时信息,与剩余指定土壤描述信息关联项对应的土壤实时信息,确定所述各个指定土壤描述信息关联项的相似土壤描述信息关联项;所述剩余指定土壤描述信息关联项为所述若干个指定土壤描述信息关联项中,除所述各个指定土壤描述信息关联项之外的指定土壤描述信息关联项。
S330.结合所述各个指定土壤描述信息关联项中的土壤空间结构信息,与所述相似土壤描述信息关联项中的土壤主题信息,生成第一新增关联项。
S340.结合所述相似土壤描述信息关联项中的土壤空间结构信息,与所述各个指定土壤描述信息关联项中的土壤主题信息,生成第二新增关联项。
土壤实时信息可包括以上土壤实时中的一项或者多项。对于土壤实时信息的抽取,可通过指定的土壤实时识别线程得到。在识别得到各个指定土壤描述信息关联项对应的土壤实时信息的前提下,可基于各指定土壤描述信息关联项对应的土壤实时信息进行相似度计算,从而得到各个指定土壤描述信息关联项与其他指定土壤描述信息关联项的相似度,进而确定与各个指定土壤描述信息关联项对应的相似土壤描述信息关联项。在确定与各个指定土壤描述信息关联项对应的相似土壤描述信息关联项时,可将相似度大于指定相似度的指定土壤描述信息关联项确定为相似土壤描述信息关联项,也可将相似度最大的指定数目的指定土壤描述信息关联项确定为相似土壤描述信息关联项。
土壤实时信息相似的土壤主题信息所对应的土壤空间结构信息也可认为是相似的,从而在确定了当前指定土壤描述信息关联项对应的相似土壤描述信息关联项的前提下,可以基于当前指定土壤描述信息关联项的土壤空间结构信息,与相似土壤描述信息关联项中的土壤主题信息组成第一新增关联项;在相似土壤描述信息关联项为若干个时,还可基于当前指定土壤描述信息关联项的土壤空间结构信息,与随机筛选的若干个相似土壤描述信息关联项中的土壤主题信息,组成第一新增关联项。进一步地,在确定了当前指定土壤描述信息关联项对应的相似土壤描述信息关联项的前提下,还可以基于相似土壤描述信息关联项中的土壤空间结构信息,与当前指定土壤描述信息关联项中的土壤主题信息,生成第二新增关联项;在相似土壤描述信息关联项为若干个时,还可基于当前指定土壤描述信息关联项的土壤主题信息,与随机筛选的若干个相似土壤描述信息关联项中的土壤空间结构信息,组成第二新增关联项。
在一种可能实施的实施例中,对于各个指定土壤描述信息关联项对应的若干个相似土壤描述信息关联项,可对若干个相似土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息进行互相转换,从而能够生成第三新增关联项。
通过确定各个指定土壤描述信息关联项的相似土壤描述信息关联项,在各个指定土壤描述信息关联项以及相应的相似土壤描述信息关联项之间进行土壤空间结构信息以及土壤主题信息的相互转换,从而形成新增关联项,实现了对指定土壤描述信息示例的衍生,增加了示例数目。
本发明实施例中的若干个预配置指示线程可包括第一指示线程,第一指示线程可以为实现比较指示学习的线程,通过配置第一指示线程,使得第一指示线程具备识别相似点或者不一致点的性能;具体地,第一指示线程可包括原始知识片段抽取线程,以及比较输出单元,其示出了第一指示线程配置方法,该方法可包括如下内容。
S410.结合所述原始知识片段抽取线程对所述指定土壤描述信息示例,以及所述指定土壤描述信息示例对应的比较土壤描述信息示例分别进行知识片段抽取,得到相应的第一输出知识片段,以及第二输出知识片段;所述比较土壤描述信息示例基于对所述指定土壤描述信息示例中的土壤空间结构信息,和/或,土壤主题信息进行信息转换得到。
S420.结合所述比较输出单元对所述第一输出知识片段以及所述第二输出知识片段进行比较处理,得到比较输出信息。
S430.结合所述比较输出信息,以及所述指定土壤描述信息示例与所述比较土壤描述信息示例的指定关联信息,对所述第一指示线程的线程系数进行调试,得到已配置第一指示线程。
S440.结合所述已配置第一指示线程确定所述目标知识片段抽取线程。
本实施例中,可对指定土壤空间结构信息进行区域转换,得到转换土壤空间结构信息,指定土壤空间结构信息与转换土壤空间结构信息相似或者相关联;可对指定土壤主题信息进行区域转换,得到转换土壤主题信息,指定土壤主题信息与转换土壤主题信息相似或者相关联。指定土壤描述信息示例对应的比较土壤描述信息示例可以为对指定土壤描述信息示例中的土壤空间结构信息进行转换之后得到的土壤描述信息示例,或者为对指定土壤描述信息示例中的土壤主题信息进行转换之后得到的土壤描述信息示例,或者为对指定土壤描述信息示例中的土壤空间结构信息以及土壤主题信息均进行转换之后得到的土壤描述信息示例。
原始知识片段抽取线程是与目标知识片段抽取线程相对应的,通过对原始知识片段抽取线程进行配置之后,即可得到相应的目标知识片段抽取线程。
在基于原始知识片段抽取线程对指定土壤描述信息示例以及比较土壤描述信息示例进行知识片段抽取时,可基于在同一状态下的原始知识片段抽取线程实现,同一状态可以是指两次进行知识片段抽取时,原始知识片段抽取线程的线程系数一致的状态,从而能够保证在一致状态下分别进行知识片段抽取;譬如可以是在对指定土壤描述信息示例进行知识片段抽取时,记录此时原始知识片段抽取线程的线程系数,便于在进行比较土壤描述信息示例知识片段抽取时,采用一致的线程系数。
比较输出单元可对输入的第一输出知识片段以及第二输出知识片段进行比较分析,以确定两者的比较输出信息;对于指定土壤描述信息示例以及转换土壤描述信息,可基于两者的关联关系确定指定关联信息,指定关联信息可以为关联或者不关联。基于比较输出信息以及指定关联信息,可确定第一量化评估信息,然后基于第一量化评估信息对第一指示线程进行线程系数调试,得到相应的已配置第一指示线程。
第一指示线程包括原始知识片段抽取线程,相应的已配置第一指示线程中包括已配置知识片段抽取线程;对于目标知识片段抽取线程的确定,可在第一指示线程配置得到的已配置知识片段抽取线程的前提下,结合其他一个或者若干个指示线程配置得到的已配置知识片段线程共同确定目标知识片段抽取线程。
本实施例中的预配置指示线程还可包括第二指示线程,第二指示线程可以为执行区域土壤主题关联指示的线程,通过配置第二指示线程,使得第二指示线程能够学习到土壤空间结构信息与土壤主题信息的相关性;相应地,其示出了第二指示线程配置方法,该方法可包括如下步骤。
S510.获得所述若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项;所述转换土壤描述信息关联项基于对所述若干个指定土壤描述信息关联项中的土壤主题信息进行信息转换得到。
S520.结合所述若干个指定土壤描述信息关联项,以及所述若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项进行关联项评估,得到第一转换项,以及第二转换项;所述第一转换项中包括土壤空间结构信息与土壤主题信息相关联的转换项,以及土壤空间结构信息与土壤主题信息不关联的转换项;所述第二转换项为土壤空间结构信息与土壤主题信息不关联的转换项。
S530.结合所述第一转换项对所述第二指示线程进行线程配置,得到已配置第二指示线程。
S540.结合所述已配置第二指示线程对所述第二转换项进行关联评估,得到关联评估信息。
S550.在所述关联评估信息指示所述第二转换项中的土壤空间结构信息与土壤主题信息相关联时,将所述第二转换项确定为目标不存在联系的示例。
S560.结合所述目标不存在联系的示例对所述已配置第二指示线程进行线程配置,得到已优化的第二指示线程。
S570.结合所述已优化的第二指示线程,确定所述目标知识片段抽取线程。
在对指定土壤描述信息关联项中的信息进行转换时,可对土壤空间结构信息进行转换,也可对土壤主题信息进行转换,本实施例以对土壤主题信息进行转换为例进行说明,具体可以指定可能性对土壤主题信息进行转换,指定可能性可以为0.3、0.6等。在对指定土壤描述信息关联项中的土壤主题信息进行转换时,可采用指定指定土壤描述信息示例中其他指定土壤描述信息关联项的土壤主题信息转换当前指定土壤描述信息关联项中的土壤主题信息,或者将当前指定土壤描述信息关联项的土壤主题信息转换为空信息。将其他指定土壤描述信息关联项的土壤主题信息转换当前指定土壤描述信息关联项中的土壤主题信息,使得第二指示线程能够学习到土壤空间结构信息以及土壤主题信息的相关性;通过将当前指定土壤描述信息关联项的土壤主题信息转换为空信息,能够模拟实际应用场景中土壤主题信息丢失的情况,从而提高第二指示线程的适应性以及鲁棒性。
在采用指定指定土壤描述信息示例中其他指定土壤描述信息关联项的土壤主题信息转换当前指定土壤描述信息关联项中的土壤主题信息的前提下,转换土壤描述信息关联项中也可能包括土壤空间结构信息与土壤主题信息相关联的转换项,以及土壤空间结构信息与土壤主题信息不关联的转换项。
若干个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联,从而可直接将若干个指定土壤描述信息关联项确定为第一转换项;对于若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项,可将转换土壤描述信息关联项中土壤空间结构信息与土壤主题信息相关联的转换项确定为第一转换项,并从土壤空间结构信息与土壤主题信息不关联的转换项中随机筛选部分转换土壤描述信息关联项作为第一转换项,以及将剩余转换土壤描述信息关联项确定为第二转换项。
第一转换项中包括土壤空间结构信息与土壤主题信息相关联的转换项,可基于第一转换项对第二指示线程进行线程配置,得到已配置第二线程;然后基于已配置第二指示线程对第二转换项进行关联评估,得到关联评估信息;第二转换项中的土壤空间结构信息与土壤主题信息不关联,从而第二转换项可作为不存在联系的示例。第二转换项中的各转换土壤描述信息的指定关联信息是不关联,从而在关联评估信息指示第二转换项中的土壤空间结构信息与土壤主题信息相关联时,此时可确定评估有误,从而将土壤空间结构信息与土壤主题信息相关联的第二转换项确定为目标不存在联系的示例,目标不存在联系的示例即为难不存在联系的示例,即容易评估错误的不存在联系的示例,从而将容易评估出错的不存在联系的示例筛选出来,基于目标不存在联系的示例对第二指示线程进行配置,使得第二指示线程具备学习目标不存在联系的示例的能力,能够提高第二指示线程的线程性能;进一步基于已优化的第二指示线程确定出目标知识片段抽取线程,提高目标知识片段抽取线程的线程性能。
对于目标知识片段抽取线程的确定,可在第二指示线程配置得到的已配置知识片段抽取线程的前提下,结合其他一个或者若干个指示线程配置得到的已配置知识片段线程共同确定目标知识片段抽取线程。
进一步地,第二指示线程包括原始知识片段抽取线程以及关联输出单元;相应地,其示出了另一种第二指示线程配置方法,包括如下步骤。
S610.结合所述原始知识片段抽取线程对所述第一转换项进行知识片段抽取,得到第三输出知识片段。
S620.结合所述关联输出单元对所述第三输出知识片段进行关联处理,得到关联输出信息。
S630.结合所述关联输出信息,以及所述第一转换项中的土壤空间结构信息与土壤主题信息的指定关联信息,对所述第二指示线程的线程系数进行调试,得到所述已配置第二指示线程。
本实施例中,第三输出知识片段可包括第一转换项的土壤空间结构信息对应的知识片段,以及土壤主题信息对应的知识片段,从而关联输出单元可对输入的第三输出知识片段进行关联处理,得到第一转换项中土壤空间结构信息与土壤主题信息的关联输出信息;关联输出信息可用于表征第一转换项中土壤空间结构信息与土壤主题信息的关联程度。
第一转换项中的土壤空间结构信息以及土壤主题信息具备相应的指定关联信息,基于关联输出信息以及指定关联信息能够确定第二量化评估信息,基于第二量化评估信息对第二指示线程的线程系数进行调试,得到相应的已配置第二指示线程。
本实施例中的预配置指示线程还可以包括第三指示线程,第三指示线程可以为实现有监督属性评估配置指示的线程,通过配置第三指示线程,使得第三指示线程能够学习到土壤空间结构信息以及土壤主题信息所涵盖的属性评估信息;第三指示线程包括原始知识片段抽取线程以及属性评估输出单元;指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联。相应地,其示出了第三指示线程配置方法,该方法可包括如下步骤。
S710.结合所述原始知识片段抽取线程对所述若干个指定土壤描述信息关联项对应的潜在信息项进行知识片段抽取,得到第四输出知识片段;所述潜在信息项基于对所述若干个指定土壤描述信息关联项中的土壤主题信息进行分析处理得到。
S720.结合所述属性评估输出单元对所述第四输出知识片段进行属性评估处理,得到属性评估输出信息。
S730.结合所述属性评估输出信息,以及所述若干个指定土壤描述信息关联项的目标属性评估标识,对所述第三指示线程的线程系数进行调试,得到已配置第三指示线程。
S740.结合所述已配置第三指示线程确定所述目标知识片段抽取线程。
第三指示线程中的属性评估输出单元能够实现基于输入知识片段输出相应的属性评估信息;指定土壤描述信息示例中还可包括与若干个指定土壤描述信息关联项各自对应的目标属性评估标识,基于若干个指定土壤描述信息关联项以及相应的目标属性评估标识对第三指示线程进行配置,可得到相应的已配置第三指示线程。
进一步地,还可对若干个指定土壤描述信息关联项的土壤主题信息进行随机分析处理,具体可以是从若干个指定土壤描述信息关联项中随机筛选部分指定土壤描述信息关联项,然后以指定可能性对筛选的部分指定土壤描述信息关联项进行分析处理,得到相应的潜在信息项,指定可能性可以为0.3、0.6等;然后可基于对未被筛选的指定土壤描述信息关联项以及潜在信息项对第三指示线程进行配置。
其中,在基于潜在信息项对第三指示线程进行配置时,基于原始知识片段抽取线程对潜在信息项进行知识片段抽取,得到相应的第四输出知识片段;基于属性评估输出单元对第四输出知识片段进行属性评估处理,得到属性评估输出信息,基于属性评估输出信息以及目标属性评估标识确定第三量化评估信息,基于第三量化评估信息对第三指示线程的线程系数进行调试,得到相应的已配置第三指示线程。
对于没有被潜在的指定土壤描述信息关联项,其输入原始知识片段抽取线程的信息包括土壤空间结构信息以及土壤主题信息;对于潜在信息项,其输入原始知识片段抽取线程的信息包括土壤空间结构信息以及空信息。
对于目标知识片段抽取线程的确定,可在第三指示线程配置得到的已配置知识片段抽取线程的前提下,结合其他一个或者若干个指示线程配置得到的已配置知识片段线程共同确定目标知识片段抽取线程。
通过第三指示线程执行有监督属性评估配置指示,使得第三指示线程能够学习到土壤空间结构信息以及土壤主题信息所涵盖的属性评估信息,从而能够提高第三指示线程的线程性能,从而也能够提高基于第三指示线程确定的目标抽取线程的线程性能;进一步地,通过对指定土壤描述信息关联项中的土壤主题信息进行随机分析处理,能够模拟在土壤主题信息丢失的前提下,基于土壤空间结构信息进行信息属性评估,从而能够提高已配置第三指示线程的适应性以及鲁棒性,进一步能够提高基于第三指示线程确定的目标抽取线程的适应性以及鲁棒性。
进一步地,本发明实施例中的预配置指示线程还可以包括第四指示线程,第四指示线程可以为掩码语言线程,第四指示线程包括原始知识片段抽取线程以及遮蔽信息评估层,通过对指定土壤描述信息关联项中的土壤主题信息进行遮蔽处理,然后基于原始知识片段抽取线程对指定土壤描述信息关联项中的土壤空间结构信息,以及被遮蔽后的土壤主题信息进行知识片段抽取,得到第五输出知识片段;基于遮蔽信息评估层对第五输出知识片段进行评估,得到遮蔽评估信息,基于遮蔽评估信息以及被遮蔽土壤主题信息,对第四指示线程进行配置,得到已配置第四指示线程;基于已配置第四指示线程确定目标知识片段抽取线程。
本实施例中,目标土壤数据对应的目标土壤描述信息示例中可包括若干个指定土壤描述信息关联项以及相应的目标属性评估标识,从而可基于目标土壤描述信息示例对待配置属性评估线程进行配置,能够得到相应的信息属性评估线程;在目标土壤数据场景中,根据土壤数据需求,进行了属性评估数目的增加,从而在目标属性评估标识的前提下,新增了与新增属性评估对应的优化属性评估标识;其示出了一种信息属性评估线程优化方法,该方法可包括如下步骤。
S810.获得优化土壤描述信息示例;所述优化土壤描述信息示例包含所述若干种目标属性评估标识。
S820.结合所述优化土壤描述信息示例对所述信息属性评估线程进行线程配置,得到优化后的信息属性评估线程。
在一种可能实施的实施例中,目标土壤数据场景中可确定X个目标属性评估标识,即对于目标土壤数据场景中所涉及的土壤描述信息,可具有X种属性评估;随着目标土壤数据的不断推进,对目标土壤数据场景中的土壤描述信息的属性评估进行了优化;本实施例中,对目标属性评估标识进行优化可以包括在目标属性评估标识的前提下,添加了新增属性评估标识,从而增加了属性评估的种类;对目标属性评估标识进行优化也可以为对目标属性评估标识中的一个或者若干个标识进行了进一步细化,即可将各个目标属性评估标识细化为两个或者两个以上的新标识,这两个或者两个以上的新标识可转换相应的目标属性评估标识;在优化了属性评估标识的同时,也需要优化相应优化属性评估标识所对应的土壤描述信息。
从而基于优化土壤描述信息示例信息对信息属性评估线程进行线程配置,即在优化土壤描述信息示例之后进行线程配置是在已配置得到的信息属性评估线程的前提下实现的,而不需要重新进行线程配置,对信息属性评估线程的再次配置可基于有优化的信息实现,从而使得信息属性评估线程能够学习到优化信息,从而提高了信息属性评估线程优化的灵活性。
在上述基础上,提供了一种土壤质量的评估装置,所述装置包括:
信息获得模块,用于获得目标对象的目标土壤信息;所述目标土壤信息为所述目标对象的土壤空间结构信息和土壤主题信息,或所述目标土壤信息为所述目标对象的土壤空间结构信息;
结果评估模块,用于基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果;所述信息属性评估线程基于与目标土壤数据对应的目标土壤描述信息示例,对待配置属性评估线程进行配置得到;所述待配置属性评估线程基于目标知识片段抽取线程以及指定属性评估单元得到;所述目标知识片段抽取线程基于指定土壤描述信息示例对若干个预配置指示线程分别进行线程配置得到,所述目标知识片段抽取线程为所述若干个预配置指示线程的共享线程
在上述基础上,示出了一种土壤质量的评估***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,预先基于指定土壤描述信息示例对若干个预配置指示线程分别进行配置,得到若干个预配置指示线程共享的目标知识片段抽取线程;然后基于目标知识片段抽取层以及评估属性评估单元,确定待配置属性评估线程;基于与目标土壤数据对应的目标土壤描述信息示例,对待配置属性评估线程进行配置,得到与目标土壤数据对应的信息属性评估线程。即本发明中,通过预配置生成目标知识片段抽取线程,然后基于目标土壤数据对应到目标土壤描述信息示例对目标知识片段抽取线程进行微调,以得到能够用于目标土壤数据场景中信息属性评估线程,提高了信息属性评估线程的配置效率;进一步地,基于指定土壤描述信息示例进行线程配置,使得配置得到的信息属性评估线程具备基于土壤描述信息进行属性评估的能力,土壤描述信息能够从多个方面进行描述,从而使得土壤描述信息具有较好的知识片段表示能力,从而进一步提高属性评估的准确性;另外,本发明中通过若干个预配置指示线程的配置确定目标知识片段抽取线程,若干个预配置指示线程的配置过程是对目标知识片段抽取线程的若干种配置约束,从而能够提高目标知识片段抽取线程的知识片段抽取能力,进一步提高信息属性评估线程的属性评估能力。从而,基于本发明中的信息属性评估线程进行信息属性评估,能够提高信息属性评估效率以及属性评估准确性,从而能够更加精确地对土壤进行评估,基于土壤精确评估的前提下,能够可靠地对土壤进行修复,从而能够尽快的恢复生态平衡。
应当理解,上述所示的***及其模块可以利用各种方式来实现。例如,在一些实施例中,***及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和***可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的***及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
Claims (9)
1.一种土壤质量的评估方法,其特征在于,所述方法包括:
获得目标对象的目标土壤信息;所述目标土壤信息为所述目标对象的土壤空间结构信息和土壤主题信息,或所述目标土壤信息为所述目标对象的土壤空间结构信息;
基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果;所述信息属性评估线程基于与目标土壤数据对应的目标土壤描述信息示例,对待配置属性评估线程进行配置得到;所述待配置属性评估线程基于目标知识片段抽取线程以及指定属性评估单元得到;所述目标知识片段抽取线程基于指定土壤描述信息示例对若干个预配置指示线程分别进行线程配置得到,所述目标知识片段抽取线程为所述若干个预配置指示线程的共享线程。
2.根据权利要求1所述的方法,其特征在于,所述指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;所述方法还包括:
对所述若干个指定土壤描述信息关联项中的土壤主题信息分别进行信息抽取,得到与所述若干个指定土壤描述信息关联项分别对应的土壤实时信息;
基于各个指定土壤描述信息关联项对应的土壤实时信息,与剩余指定土壤描述信息关联项对应的土壤实时信息,确定所述各个指定土壤描述信息关联项的相似土壤描述信息关联项;所述剩余指定土壤描述信息关联项为所述若干个指定土壤描述信息关联项中,除所述各个指定土壤描述信息关联项之外的指定土壤描述信息关联项;结合所述各个指定土壤描述信息关联项中的土壤空间结构信息,与所述相似土壤描述信息关联项中的土壤主题信息,生成第一新增关联项;
结合所述相似土壤描述信息关联项中的土壤空间结构信息,与所述各个指定土壤描述信息关联项中的土壤主题信息,生成第二新增关联项。
3.根据权利要求1所述的方法,其特征在于,所述若干个预配置指示线程包括第一指示线程,所述第一指示线程包括原始知识片段抽取线程以及比较输出单元;所述方法还包括:
结合所述原始知识片段抽取线程对所述指定土壤描述信息示例,以及所述指定土壤描述信息示例对应的比较土壤描述信息示例分别进行知识片段抽取,得到相应的第一输出知识片段,以及第二输出知识片段;所述比较土壤描述信息示例基于对所述指定土壤描述信息示例中的土壤空间结构信息,和/或,土壤主题信息进行信息转换得到;
结合所述比较输出单元对所述第一输出知识片段以及所述第二输出知识片段进行比较处理,得到比较输出信息;
结合所述比较输出信息,以及所述指定土壤描述信息示例与所述比较土壤描述信息示例的指定关联信息,对所述第一指示线程的线程系数进行调试,得到已配置第一指示线程;结合所述已配置第一指示线程确定所述目标知识片段抽取线程。
4.根据权利要求1所述的方法,其特征在于,所述若干个预配置指示线程包括第二指示线程,所述指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;所述方法还包括:
获得所述若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项;所述转换土壤描述信息关联项基于对所述若干个指定土壤描述信息关联项中的土壤主题信息进行信息转换得到;
结合所述若干个指定土壤描述信息关联项,以及所述若干个指定土壤描述信息关联项各自对应的转换土壤描述信息关联项进行关联项评估,得到第一转换项,以及第二转换项;
所述第一转换项中包括土壤空间结构信息与土壤主题信息相关联的转换项,以及土壤空间结构信息与土壤主题信息不关联的转换项;所述第二转换项为土壤空间结构信息与土壤主题信息不关联的转换项;
结合所述第一转换项对所述第二指示线程进行线程配置,得到已配置第二指示线程;结合所述已配置第二指示线程对所述第二转换项进行关联评估,得到关联评估信息;
在所述关联评估信息指示所述第二转换项中的土壤空间结构信息与土壤主题信息相关联时,将所述第二转换项确定为目标不存在联系的示例;
结合所述目标不存在联系的示例对所述已配置第二指示线程进行线程配置,得到已优化的第二指示线程;结合所述已优化的第二指示线程,确定所述目标知识片段抽取线程。
5.根据权利要求4所述的方法,其特征在于,所述第二指示线程包括原始知识片段抽取线程以及关联输出单元;所述结合所述第一转换项对所述第二指示线程进行线程配置,得到已配置第二指示线程包括:
结合所述原始知识片段抽取线程对所述第一转换项进行知识片段抽取,得到第三输出知识片段;
结合所述关联输出单元对所述第三输出知识片段进行关联处理,得到关联输出信息;
结合所述关联输出信息,以及所述第一转换项中的土壤空间结构信息与土壤主题信息的指定关联信息,对所述第二指示线程的线程系数进行调试,得到所述已配置第二指示线程。
6.根据权利要求1所述的方法,其特征在于,所述若干个预配置指示线程包括第三指示线程,所述第三指示线程包括原始知识片段抽取线程以及属性评估输出单元;所述指定土壤描述信息示例包括若干个指定土壤描述信息关联项,各个指定土壤描述信息关联项中的土壤空间结构信息以及土壤主题信息相关联;所述方法还包括:
结合所述原始知识片段抽取线程对所述若干个指定土壤描述信息关联项对应的潜在信息项进行知识片段抽取,得到第四输出知识片段;所述潜在信息项基于对所述若干个指定土壤描述信息关联项中的土壤主题信息进行分析处理得到;
结合所述属性评估输出单元对所述第四输出知识片段进行属性评估处理,得到属性评估输出信息;
结合所述属性评估输出信息,以及所述若干个指定土壤描述信息关联项的目标属性评估标识,对所述第三指示线程的线程系数进行调试,得到已配置第三指示线程;结合所述已配置第三指示线程确定所述目标知识片段抽取线程。
7.根据权利要求1所述的方法,其特征在于,所述目标土壤描述信息示例包括若干种目标属性评估标识;所述方法还包括:
获得优化土壤描述信息示例;所述优化土壤描述信息示例包含所述若干种目标属性评估标识;
结合所述优化土壤描述信息示例对所述信息属性评估线程进行线程配置,得到优化后的信息属性评估线程。
8.根据权利要求1所述的方法,其特征在于,所述基于信息属性评估线程对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果,包括:
获取土壤位置区域信息,其中,所述土壤位置区域信息包括历史土壤信息和突发土壤信息,所述突发土壤信息涵盖地质灾害引发的土壤结构的改变;
将所述历史土壤信息和所述突发土壤信息输入至所述信息属性评估线程中,对所述信息属性评估线程进行系数调试,得到调试后的信息属性评估线程;
通过所述调试后的信息属性评估线程对对所述目标土壤信息进行属性评估,得到所述目标对象的第一属性评估结果。
9.一种土壤质量的评估***,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410036567.8A CN117541129B (zh) | 2024-01-10 | 2024-01-10 | 一种土壤质量的评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410036567.8A CN117541129B (zh) | 2024-01-10 | 2024-01-10 | 一种土壤质量的评估方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117541129A true CN117541129A (zh) | 2024-02-09 |
CN117541129B CN117541129B (zh) | 2024-04-09 |
Family
ID=89794286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410036567.8A Active CN117541129B (zh) | 2024-01-10 | 2024-01-10 | 一种土壤质量的评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541129B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003139765A (ja) * | 2001-07-06 | 2003-05-14 | Sakae Shibusawa | 土壌特性観測装置 |
US9563852B1 (en) * | 2016-06-21 | 2017-02-07 | Iteris, Inc. | Pest occurrence risk assessment and prediction in neighboring fields, crops and soils using crowd-sourced occurrence data |
CN109359814A (zh) * | 2018-09-06 | 2019-02-19 | 和辰(深圳)科技有限公司 | 土壤成分信息处理方法、装置、***、存储介质及设备 |
CN113848305A (zh) * | 2021-09-03 | 2021-12-28 | 刘伟 | 一种基于土壤元素含量检测的区域标识方法及*** |
KR102512415B1 (ko) * | 2022-07-22 | 2023-03-21 | 경희대학교 산학협력단 | 생태계 서비스 기반의 토양 기능·질 평가 시스템 및 평가방법 |
CN116205497A (zh) * | 2023-04-24 | 2023-06-02 | 四川川核地质工程有限公司 | 基于人工智能的滑坡智能预警方法及*** |
CN116629492A (zh) * | 2023-06-03 | 2023-08-22 | 中国农业科学院农业环境与可持续发展研究所 | 一种土壤质量改善效应的集成学习优化评价方法 |
CN116862320A (zh) * | 2023-09-04 | 2023-10-10 | 北京佳格天地科技有限公司 | 一种农村生态环境评估监管方法、***及存储介质 |
CN116912061A (zh) * | 2023-07-14 | 2023-10-20 | 邢台职业技术学院 | 基于大数据的土壤生态环境监测管理方法及*** |
CN116959602A (zh) * | 2023-09-19 | 2023-10-27 | 四川省华地建设工程有限责任公司 | 基于人工智能的土壤评估方法及*** |
-
2024
- 2024-01-10 CN CN202410036567.8A patent/CN117541129B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003139765A (ja) * | 2001-07-06 | 2003-05-14 | Sakae Shibusawa | 土壌特性観測装置 |
US9563852B1 (en) * | 2016-06-21 | 2017-02-07 | Iteris, Inc. | Pest occurrence risk assessment and prediction in neighboring fields, crops and soils using crowd-sourced occurrence data |
CN109359814A (zh) * | 2018-09-06 | 2019-02-19 | 和辰(深圳)科技有限公司 | 土壤成分信息处理方法、装置、***、存储介质及设备 |
CN113848305A (zh) * | 2021-09-03 | 2021-12-28 | 刘伟 | 一种基于土壤元素含量检测的区域标识方法及*** |
KR102512415B1 (ko) * | 2022-07-22 | 2023-03-21 | 경희대학교 산학협력단 | 생태계 서비스 기반의 토양 기능·질 평가 시스템 및 평가방법 |
CN116205497A (zh) * | 2023-04-24 | 2023-06-02 | 四川川核地质工程有限公司 | 基于人工智能的滑坡智能预警方法及*** |
CN116629492A (zh) * | 2023-06-03 | 2023-08-22 | 中国农业科学院农业环境与可持续发展研究所 | 一种土壤质量改善效应的集成学习优化评价方法 |
CN116912061A (zh) * | 2023-07-14 | 2023-10-20 | 邢台职业技术学院 | 基于大数据的土壤生态环境监测管理方法及*** |
CN116862320A (zh) * | 2023-09-04 | 2023-10-10 | 北京佳格天地科技有限公司 | 一种农村生态环境评估监管方法、***及存储介质 |
CN116959602A (zh) * | 2023-09-19 | 2023-10-27 | 四川省华地建设工程有限责任公司 | 基于人工智能的土壤评估方法及*** |
Non-Patent Citations (2)
Title |
---|
任加国;王彬;师华定;武倩倩;: "沱江上源支流土壤重金属污染空间相关性及变异解析", 农业环境科学学报, no. 03, 20 March 2020 (2020-03-20), pages 92 - 103 * |
张国政: "区域农业旱灾灾情预测与评估灰建模方法研究", 《中国博士学位论文全文数据库 (基础科学辑)》, no. 02, 15 February 2023 (2023-02-15), pages 009 - 24 * |
Also Published As
Publication number | Publication date |
---|---|
CN117541129B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rahimi et al. | Vulnerability scrying method for software vulnerability discovery prediction without a vulnerability database | |
CN114139210B (zh) | 一种基于智慧业务的大数据安全威胁处理方法及*** | |
US20160255109A1 (en) | Detection method and apparatus | |
Mahecha et al. | Crowd‐sourced plant occurrence data provide a reliable description of macroecological gradients | |
Bao et al. | Reverse engineering time-series interaction data from screen-captured videos | |
CN113449703B (zh) | 环境在线监测数据的质控方法、装置、存储介质及设备 | |
CN115494526A (zh) | 一种gnss欺骗干扰检测方法、装置、电子设备及存储介质 | |
CN117541129B (zh) | 一种土壤质量的评估方法及*** | |
Xu et al. | An improved SMURF scheme for cleaning RFID data | |
CN116074092B (zh) | 一种基于异构图注意力网络的攻击场景重构*** | |
Zhao et al. | YOLO-CEA: A real-time industrial defect detection method based on contextual enhancement and attention | |
Dhaouadi et al. | On the data stream processing frameworks: A case study | |
Kwok et al. | Dataset Difficulty and the Role of Inductive Bias | |
Shao et al. | TD-Net: tiny defect detection network for industrial products | |
Tsai et al. | Object architected design and efficient dynamic adjustment mechanism of distributed web crawlers | |
Chen et al. | YOLOv5-ABLN: A Small Object Detection Model for Game App Interface | |
Yu et al. | GCFormer: Global Context-aware Transformer for Remote Sensing Image Change Detection | |
CN117668368B (zh) | 基于大数据的电子商务数据推送方法及*** | |
Xudong et al. | An novel circuit board fault diagnosis network using infrared thermal image | |
Jonietz et al. | Towards an analytical framework for enriching movement trajectories with spatio-temporal context data | |
CN117930370B (zh) | 海洋磁力场测量及成像方法、装置、设备及介质 | |
CN112837040B (zh) | 应用于智能电网的电力数据管理方法及*** | |
Soldatos et al. | IoT Analytics: From Data Collection to Deployment and Operationalization | |
CN116383883B (zh) | 一种基于大数据的数据管理权限处理方法及*** | |
Jing et al. | Feature aggregation network for small object detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |