1.一种食用菌育种生长参数寻优的方法，其特征在于，包括以下步骤：

收集食用菌育种的生长阶段集合；

在实验环境中，收集测试食用菌菌落在每个生长阶段的速度训练数据以及阶段结果训练数据；

收集每个测试食用菌菌落在完整培育阶段的营养吸收数据；

基于速度训练数据，训练预测食用菌菌落在各个生长阶段的生长速度的第一机器学习模型的集合；

基于阶段结果训练数据，训练预测食用菌菌落在各个生长阶段的阶段成果数据的第二机器学习模型的集合；

基于阶段成果数据和营养吸收数据，训练预测营养消耗总量的第三机器学习模型；

基于第一机器学习模型的集合、第二机器学习模型的集合以及第三机器学习模型，分析适合待育种的食用菌菌落各个生长阶段的生长参数；

在所述实验环境，实验人员通过主动控制每个测试食用菌菌落的培养容器参数、培养液参数以及环境参数的方式，来观察每个测试食用菌菌落的不同育种过程以及育种结果，以收集测试食用菌菌落在不同的生长阶段的速度训练数据以及在菌落成熟阶段的面积训练数据；所述测试食用菌菌落为在实验环境中，实验人员进行育种的食用菌菌落；

所述速度训练数据包括所有测试食用菌菌落在对应的生长阶段的生长参数特征数据、菌落初始特征数据以及生长速度；

其中，所述生长参数特征数据包括在食用菌菌落的各个生长阶段中，影响食用菌菌落生长速度和成熟阶段菌落面积的环境参数值；

其中，所述菌落初始特征数据为在食用菌菌落的各个生长阶段开始时刻，食用菌的各项生长特征数据；

所述生长速度是在每个生长阶段中,为每个测试食用菌菌落提供对应生长参数特征数据的环境时，测试食用菌菌落从当前生长阶段进入下一个生长阶段所经历的时长；

所述阶段结果训练数据包括测试食用菌菌落在对应的生长阶段的生长参数特征数据、菌落初始特征数据以及阶段成果特征数据；所述阶段成果特征数据为食用菌菌落在下一生长阶段的菌落初始特征数据；

菌落成熟阶段的阶段成果特征数据为菌落稳定时菌落的成果值；所述菌落稳定时是指食用菌菌落的面积不再增大时；所述成果值的计算公式为：将菌落稳定时，测试食用菌菌落的重量标记W、面积标记为S、成果值标记为F；则成果值F=a1×W+a2×S；其中，a1和a2分别为预设的比例系数；

将生长阶段集合中生长阶段的编号标记为j；

分析适合待育种的食用菌菌落各个生长阶段的生长参数包括以下步骤：

步骤P1：预先为待培育的食用菌菌落设置接种的孢子数量，为每个生长阶段设置一组初始生长参数；将生长参数类型的编号标记为i，将第j个生长阶段的第i种初始生长参数的值标记为Rji，为第i种生长参数预设步长bi；

步骤P2：计算综合收益；将该综合收益标记为Z；

步骤P3：将每个初始生长参数Rji进行更新，更新的方式为随机的增加或减小对应的步长bi，将更新后的初始生长参数Rji标记为Rji1，并重新计算更新后的综合收益，将更新后的综合收益标记为Z1；

步骤P4：计算第j个生长阶段的第i种初始生长参数的梯度Tji，梯度Tji的计算公式为；将每个更新后的初始生长参数Rji1更新为Rji1‑bi×Tji，再重新计算综合收益；将原Rji1重新标记为Rji，将Z1重新标记为Z，并将重新计算的综合收益标记为Z1；

步骤P5：循环执行步骤P4，直至循环次数达到预设的循环次数阈值；将循环结束时，第j个生长阶段的第i种初始生长参数Rji1作为待培育的食用菌菌落在对应阶段的对应生长参数的值；

计算综合收益的方式为：

将第j个生长阶段的初始生长参数标记为Cj；

将第j个生长阶段的初始生长参数Cj以及菌落初始特征数据作为第j个生长阶段对应的第二机器学习模型的输入，获得第j个生长阶段的预测的阶段成果特征数据；

将对待培育的食用菌菌落预测的菌落成熟阶段的阶段成果特征数据对应的成果值标记为Fp；

将第j个生长阶段的初始生长参数Cj以及菌落初始特征数据作为第j个生长阶段对应的第一机器学习模型的输入，获得第j个生长阶段的预测的生长速度，将第j个生长阶段的预测的生长速度标记为Vj；

将成果值Fp输入至第三机器学习模型，获得预测的营养吸收数据；将预测的营养吸收数据标记为X；

计算该初始生长参数的组合的综合收益Z；所述综合收益Z的计算公式为：

；其中，b1和b2为预设的比例系数。

2.根据权利要求1所述的一种食用菌育种生长参数寻优的方法，其特征在于，所述生长阶段集合包括食用菌菌落从接种培养容器到菌落成熟的过程中经历的各个生长阶段；所述生长阶段集合包括孢子形成阶段、菌丝生长阶段、菌落形成阶段以及菌落成熟阶段。

3.根据权利要求2所述的一种食用菌育种生长参数寻优的方法，其特征在于，所述营养吸收数据包括每个测试食用菌菌落从将孢子接种至培养容器开始至菌落稳定时的各种营养因素的消耗量之和；

每种营养因素的消耗量为在培养容器中，将孢子接种至培养容器时的营养元素含量与菌落稳定时的营养元素含量的差值。

4.根据权利要求3所述的一种食用菌育种生长参数寻优的方法，其特征在于，训练预测食用菌菌落在各个生长阶段的生长速度的第一机器学习模型的集合的方式为：对于第j个生长阶段，将速度训练数据中，每组生长参数特征数据和菌落初始特征数据组合为特征向量的形式，特征向量作为第一机器学习模型的输入，所述第一机器学习模型以对每组特征向量的预测的生长速度作为输出，以速度训练数据中，特征向量对应的生长速度为预测目标，以最小化所有特征向量的预测误差之和作为训练目标；对第一机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，训练出根据生长参数特征数据和菌落初始特征数据输出预测第j个生长阶段食用菌菌落的生长速度的第一机器学习模型；

所述特征向量中的特征值包括生长参数特征数据中的环境参数值以及菌落初始特征数据。

5.根据权利要求4所述的一种食用菌育种生长参数寻优的方法，其特征在于，训练预测食用菌菌落在各个生长阶段的阶段成果数据的第二机器学习模型的集合的方式为：对于第j个生长阶段，将阶段结果训练数据中，每组生长参数特征数据和菌落初始特征数据组合为特征向量的形式，特征向量作为第二机器学习模型的输入，所述第二机器学习模型以对每组特征向量的预测的阶段成果特征数据作为输出，以阶段结果训练数据中，特征向量对应的阶段成果特征数据为预测目标，以最小化所有特征向量的预测误差之和作为训练目标；对第二机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，训练出根据生长参数特征数据和菌落初始特征数据输出预测第j个生长阶段的阶段成果特征数据的第二机器学习模型。

6.根据权利要求3所述的一种食用菌育种生长参数寻优的方法，其特征在于，训练预测营养消耗总量的第三机器学习模型的方式为：将每个测试食用菌菌落的成果值作为第三机器学习模型的输入，所述第三机器学习模型以对每个测试食用菌菌落预测的营养吸收数据作为输出，以收集的每个测试食用菌菌落的营养吸收数据为预测目标，以最小化所有对营养吸收数据进行预测的预测误差之和作为训练目标；对第三机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，训练出根据成果值输出预测的营养吸收数据的第三机器学习模型。

7.一种食用菌育种生长参数寻优系统，其基于权利要求1‑6的任意一项所述的一种食用菌育种生长参数寻优的方法实现，其特征在于，包括数据收集模块、模型训练模块以及生长参数分析模块；其中，各个模块之间通过有线方式连接；

其中，所述数据收集模块用于收集食用菌育种的生长阶段集合、在实验环境中，收集测试食用菌菌落在每个生长阶段的速度训练数据以及阶段结果训练数据、以及收集每个测试食用菌菌落在完整培育阶段的营养吸收数据，并将收集的速度训练数据、阶段结果训练数据以及营养吸收数据发送至模型训练模块；

其中，所述模型训练模块用于基于速度训练数据，训练预测食用菌菌落在各个生长阶段的生长速度的第一机器学习模型的集合；基于阶段结果训练数据，训练预测食用菌菌落在各个生长阶段的阶段成果数据的第二机器学习模型的集合；基于阶段成果数据和营养吸收数据，训练预测营养消耗总量的第三机器学习模型，并将第一机器学习模型、第二机器学习模型以及第三机器学习模型发送至生长参数分析模块；

其中，所述生长参数分析模块用于基于第一机器学习模型的集合、第二机器学习模型的集合以及第三机器学习模型，分析适合待育种的食用菌菌落各个生长阶段的生长参数。

8.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1‑6中的任意一项所述的食用菌育种生长参数寻优的方法。

9.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；

当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行权利要求1‑6中的任意一项所述的食用菌育种生长参数寻优的方法。