本申请涉及种肥混播领域，且更为具体地，涉及一种种肥混播的智能化管控方法及设备。
背景技术：
1、种肥混播是一种将种子和化肥同时施入土壤的农业播种方法，具有节省劳动力、提高播种效率、促进作物生长等优点。然而，种肥混播也存在一些问题，如种子与化肥的分布不均匀，导致作物生长不一致，甚至引起化肥烧苗等不良后果，影响农作物的产量和质量。因此，需要对于种肥混播进行管控来提高种子与化肥的分布均匀度。但是，传统的种肥混播管控方法主要依靠人工经验和视觉判断来控制混播过程，这种方法存在主观性和不稳定性的问题。
2、因此，期望一种种肥混播的智能化管控方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种种肥混播的智能化管控方法及设备，其可以实时监测和调整种肥混播的过程，以实现种肥混播的智能化管控，从而提高种子与化肥的分布均匀度和一致性，提高作物的生长质量和产量。
2、根据本申请的一个方面，提供了一种种肥混播的智能化管控方法，其包括：
3、获取由部署于混料箱的摄像头采集的种子和化肥混合状态图像；
4、对所述种子和化肥混合状态图像进行图像分块处理以得到混合状态局部图像块的序列；
5、通过基于深度神经网络模型的混合状态特征提取器分别对所述混合状态局部图像块的序列进行特征提取以得到局部混合状态语义特征向量的序列；
6、对所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量进行局部混合状态相关度分析以得到局部混合状态对比语义特征；以及
7、基于所述局部混合状态对比语义特征，确定种子和化肥的分布均匀度是否符合预定标准，并确定是否进行再搅拌提示信号的生成。
8、根据本申请的另一个方面，提供了一种种肥混播的智能化管控设备，其包括：
9、图像获取模块，用于获取由部署于混料箱的摄像头采集的种子和化肥混合状态图像；
10、分块处理模块，用于对所述种子和化肥混合状态图像进行图像分块处理以得到混合状态局部图像块的序列；
11、特征提取模块，用于通过基于深度神经网络模型的混合状态特征提取器分别对所述混合状态局部图像块的序列进行特征提取以得到局部混合状态语义特征向量的序列；
12、局部混合状态相关度分析模块，用于对所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量进行局部混合状态相关度分析以得到局部混合状态对比语义特征；以及
13、信号控制模块，用于基于所述局部混合状态对比语义特征，确定种子和化肥的分布均匀度是否符合预定标准，并确定是否进行再搅拌提示信号的生成。
14、与现有技术相比，本申请提供的种肥混播的智能化管控方法及设备，其首先对种子和化肥混合状态图像进行图像分块处理以得到混合状态局部图像块的序列，然后，通过基于深度神经网络模型的混合状态特征提取器分别对所述混合状态局部图像块的序列进行特征提取以得到局部混合状态语义特征向量的序列，接着，对所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量进行局部混合状态相关度分析以得到局部混合状态对比语义特征，最后，基于所述局部混合状态对比语义特征，确定种子和化肥的分布均匀度是否符合预定标准，并确定是否进行再搅拌提示信号的生成。这样，可以提高作物的生长质量和产量。
1.一种种肥混播的智能化管控方法，其特征在于，包括：
2.根据权利要求1所述的种肥混播的智能化管控方法，其特征在于，所述深度神经网络模型为卷积神经网络模型。
3.根据权利要求2所述的种肥混播的智能化管控方法，其特征在于，对所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量进行局部混合状态相关度分析以得到局部混合状态对比语义特征，包括：计算所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量之间的相关度以得到由多个相关度组成的局部混合状态对比语义特征向量作为所述局部混合状态对比语义特征。
4.根据权利要求3所述的种肥混播的智能化管控方法，其特征在于，计算所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量之间的相关度以得到由多个相关度组成的局部混合状态对比语义特征向量作为所述局部混合状态对比语义特征，包括：以如下相关度计算公式计算所述局部混合状态语义特征向量的序列中任意两个局部混合状态语义特征向量之间的相关度以得到由多个相关度组成的所述局部混合状态对比语义特征向量；其中，所述相关度计算公式为：
5.根据权利要求4所述的种肥混播的智能化管控方法，其特征在于，基于所述局部混合状态对比语义特征，确定种子和化肥的分布均匀度是否符合预定标准，并确定是否进行再搅拌提示信号的生成，包括：
6.根据权利要求5所述的种肥混播的智能化管控方法，其特征在于，还包括训练步骤：用于对基于卷积神经网络模型的混合状态特征提取器和所述分类器进行训练。
7.根据权利要求6所述的种肥混播的智能化管控方法，其特征在于，所述训练步骤，包括：
8.根据权利要求7所述的种肥混播的智能化管控方法，其特征在于，将所述训练局部混合状态对比语义特征向量通过所述分类器以得到分类损失函数值，包括：
9.一种种肥混播的智能化管控设备，其特征在于，包括：
10.根据权利要求9所述的种肥混播的智能化管控设备，其特征在于，所述深度神经网络模型为卷积神经网络模型。
