本发明涉及蛹虫草培养，尤其涉及一种蛹虫草培养基配制及制备方法。
背景技术：
1、蛹虫草作为一种珍贵的药用真菌，其培养基配比对于其生长和子实体的形成具有至关重要的影响。传统的培养基配制往往依赖于经验和试错，缺乏系统性和科学性，导致生产效率低下，而且对于不同的生产环境，需要进行重复进行试错，难以培养出高品质的蛹虫草子实体。
技术实现思路
1、本发明实施例提供一种蛹虫草培养基配制方法，旨在提供一个蛹虫草培养基配制方法来提高蛹虫草培养基配制的系统性和科学性。可以通过在相同的生产环境下，培养不同配比的蛹虫草样本，并采集其从接种阶段到采收阶段之间的多组培养基数据，然后利用数据分析和预测技术，得到多个候选蛹虫草培养基的推荐配比，最后通过实际培养验证，确定出最优的目标蛹虫草培养基配比，可以用于指导实际生产，为蛹虫草的培养基提供一种新的、更加科学和高效的配制手段。
2、第一方面，本发明实施例提供一种蛹虫草培养基配制方法，所述方法包括：
3、在相同的生产环境下，通过不同配比的蛹虫草培养基培养出对应的蛹虫草样本，并采集各个所述蛹虫草样本从接种阶段到采收阶段之间的多组培养基数据，所述蛹虫草样本具有不同的子实体评价值，一个所述蛹虫草样本对应一组所述培养基数据；
4、按所述子实体评价值由大到小的顺序对所述培养基数据进行排序，得到排序好的多组所述培养基数据；
5、按预设的采样时间段在所述排序好的多组所述培养基数据中进行采样，得到所述采样时间段对应的培养基变化序列，一个所述采样时间段对应一个所述培养基变化序列；
6、基于多个所述培养基变化序列，预测得到多个候选蛹虫草培养基的推荐配比，每个候选蛹虫草培养基对应一个推荐配比；
7、基于所述候选蛹虫草培养基对应的所述推荐配比，配制出所述候选蛹虫草培养基，并在所述生产环境下，通过所述候选蛹虫草培养基培养出对应的候选蛹虫草样本；
8、基于所述候选蛹虫草样本的子实体评价值，确定出目标蛹虫草培养基配比，所述目标蛹虫草培养基配比用于目标蛹虫草培养基的配制。
9、可选的，所述按预设的采样时间段在所述排序好的多组所述培养基数据中进行采样，得到所述采样时间段对应的培养基变化序列的步骤包括：
10、按从接种阶段到采收阶段之间的多个阶段对所述排序好的多组所述培养基数据进行分段，得到每个所述阶段对应的多组培养基子数据；
11、确定每个所述阶段对应的采样时间段；
12、基于所述每个阶段对应的采样时间段，对每个所述阶段对应的多组所述培养基子数据进行采样，得到所述采样时间段对应的培养基变化序列。
13、可选的，所述确定每个阶段对应的采样时间段的步骤包括：
14、针对于一个所述阶段，根据每组所述培养基子数据对应的时间长度，确定所述阶段的最小公约时间长度；
15、基于所述最小公约时间长度，确定每个所述阶段对应的采样时间段。
16、可选的，所述基于所述每个阶段对应的采样时间段，对每个所述阶段对应的多组所述培养基子数据进行采样，得到所述采样时间段对应的培养基变化序列的步骤包括：
17、针对于一个所述阶段，以多组所述培养基子数据对应的时间段最长为基础，以所述阶段对应的所述最小公约时间长度为单位时间长度，在多组所述培养基子数据的时间段中，确定出各组所述培养基子数据的缺失时间段；
18、针对于一组所述培养基子数据，以所述阶段对应的所述最小公约时间长度为单位时间长度，在所述培养基子数据对应的时间段中确定出所述缺失时间段的邻居时间段数据；
19、基于所述邻居时间段数据，对所述缺失时间段进行数据预测，得到缺失时间段数据；
20、通过所述缺失时间段数据，对所述培养基子数据进行时间维度上的对齐处理，得到对齐后的多组所述培养基子数据；
21、基于所述采样时间段，对多组所述培养基子数据进行采样，得到所述采样时间段对应的培养基变化序列。
22、可选的，所述基于多个所述培养基变化序列，预测得到多个候选蛹虫草培养基的推荐配比的步骤包括：
23、基于所述培养基变化序列，构建配比-时间矩阵，所述配比-时间矩阵包括配比项、时间项以及培养基变化数据，一个所述配比项与一个所述时间项构成所述配比-时间矩阵中的一个矩阵单元，一个所述矩阵单元对应一个所述培养基变化数据；
24、对所述配比-时间矩阵进行矩阵分解，得到第一子矩阵与第二子矩阵，所述第一子矩阵包括所述配比项，所述第二子矩阵包括所述时间项；
25、对所述第一子矩阵进行线性变换，得到第三子矩阵，所述第三子矩阵为所述第一矩阵进行线性变化后的矩阵，所述第三子矩阵的配比项数量大于所述第一子矩阵的配比项数量，所述第三子矩阵的配比项包括所述第一子矩阵的配比项；
26、基于所述第三子矩阵和所述第二子矩阵，确定出预测矩阵，所述预测矩阵包括所述第三子矩阵的配比项；
27、在所述预测矩阵中，确定出多个候选蛹虫草培养基的推荐配比。
28、可选的，所述对所述第一子矩阵进行线性变换，得到第三子矩阵的步骤包括：
29、确定初始线性变换矩阵；
30、通过所述初始线性变换矩阵对所述第一子矩阵进行线性变换，得到参考第三子矩阵；
31、将所述参考第三子矩阵与所述第二子矩阵进行矩阵乘法计算，得到参考矩阵，计算所述参考矩阵与所述配比-时间矩阵之间的误差损失；
32、以所述误差损失最小为优化目标，对所述初始线性变换矩阵进行参数调整，并迭代所述参数调整的过程到预设的迭代次数，得到目标线性变换矩阵；
33、通过所述目标线性变换矩阵对所述第一子矩阵进行线性变换，得到第三子矩阵。
34、可选的，所述计算所述参考矩阵与所述配比-时间矩阵之间的误差损失的步骤包括：
35、在所述参考矩阵中，确定出与所述配比-时间矩阵之间的相同配比；
36、基于预设的损失函数，计算所述参考矩阵与所述配比-时间矩阵之间，在所述相同配比下的误差损失。
37、可选的，所述基于预设的损失函数，计算所述参考矩阵与所述配比-时间矩阵之间，在所述相同配比下的误差损失的步骤包括：
38、通过预设的第一损失函数，计算所述相同配比的排序误差，并将所述排序误差确定为第一误差损失；
39、通过预设的第二损失函数，计算所述相同配比下的培养基变化数据误差，并将所述培养基变化数据误差确定为第二误差损失；
40、基于所述第一误差损失和第二误差损失，确定出所述参考矩阵与所述配比-时间矩阵之间，在所述相同配比下的误差损失。
41、可选的，所述基于所述第三子矩阵和所述第二子矩阵，确定出预测矩阵的步骤包括：
42、将所述第三子矩阵与所述第二子矩阵进行矩阵乘法计算，得到预测矩阵；
43、所述在所述预测矩阵中，确定出多个候选蛹虫草培养基的推荐配比的步骤包括：
44、在所述预测矩阵中，将排序在前的多个配比项所对应的配比值确定为多个候选蛹虫草培养基的推荐配比。
45、第二方面，本发明实施例还提供了一种蛹虫草培养基，所述蛹虫草培养基配制通过如本发明实施例中任一项所述的蛹虫草培养基配制方法配制得到。
46、本发明涉及蛹虫草培养技术领域，尤其涉及一种蛹虫草培养基配制方法以及蛹虫草培养基，在相同的生产环境下，通过不同配比的蛹虫草培养基培养出对应的蛹虫草样本，并采集各个蛹虫草样本从接种阶段到采收阶段之间的多组培养基数据，蛹虫草样本具有不同的子实体评价值，一个所述蛹虫草样本对应一组培养基数据；按子实体评价值由大到小的顺序对培养基数据进行排序，得到排序好的多组培养基数据；按预设的采样时间段在排序好的多组培养基数据中进行采样，得到采样时间段对应的培养基变化序列，一个采样时间段对应一个培养基变化序列；基于多个培养基变化序列，预测得到多个候选蛹虫草培养基的推荐配比，每个候选蛹虫草培养基对应一个推荐配比；基于候选蛹虫草培养基对应的推荐配比，配制出候选蛹虫草培养基，并在生产环境下，通过候选蛹虫草培养基培养出对应的候选蛹虫草样本；基于候选蛹虫草样本的子实体评价值，确定出目标蛹虫草培养基配比，目标蛹虫草培养基配比用于目标蛹虫草培养基的配制。本发明可以通过在相同的生产环境下，培养不同配比的蛹虫草样本，并采集其从接种阶段到采收阶段之间的多组培养基数据，然后利用数据分析和预测技术，得到多个候选蛹虫草培养基的推荐配比，最后通过实际培养验证，确定出最优的目标蛹虫草培养基配比，可以用于指导实际生产，为蛹虫草的培养基提供一种新的、更加科学和高效的配制手段。
1.一种蛹虫草培养基制备方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的蛹虫草培养基制备方法，其特征在于，所述按预设的采样时间段在所述排序好的多组所述培养基数据中进行采样，得到所述采样时间段对应的培养基变化序列的步骤包括：
3.如权利要求2所述的蛹虫草培养基制备方法，其特征在于，所述确定每个阶段对应的采样时间段的步骤包括：
4.如权利要求3所述的蛹虫草培养基制备方法，其特征在于，所述基于所述每个阶段对应的采样时间段，对每个所述阶段对应的多组所述培养基子数据进行采样，得到所述采样时间段对应的培养基变化序列的步骤包括：
5.如权利要求1至4中任一项所述的蛹虫草培养基制备方法，其特征在于，所述基于多个所述培养基变化序列，预测得到多个候选蛹虫草培养基的推荐配比的步骤包括：
6.如权利要求5所述的蛹虫草培养基制备方法，其特征在于，所述对所述第一子矩阵进行线性变换，得到第三子矩阵的步骤包括：
7.如权利要求6所述的蛹虫草培养基制备方法，其特征在于，所述计算所述参考矩阵与所述配比-时间矩阵之间的误差损失的步骤包括：
8.如权利要求7所述的蛹虫草培养基制备方法，其特征在于，所述基于预设的损失函数，计算所述参考矩阵与所述配比-时间矩阵之间，在所述相同配比下的误差损失的步骤包括：
9.如权利要求5所述的蛹虫草培养基制备方法，其特征在于，所述基于所述第三子矩阵和所述第二子矩阵，确定出预测矩阵的步骤包括：
10.一种蛹虫草培养基配制，其特征在于，所述蛹虫草培养基通过如权利要求1至9中任一项所述的蛹虫草培养基配制方法配制得到。
