CN101609042A - 基于近红外光谱的手持式土壤养分无损测量系统 - Google Patents
基于近红外光谱的手持式土壤养分无损测量系统 Download PDFInfo
- Publication number
- CN101609042A CN101609042A CN 200910100125 CN200910100125A CN101609042A CN 101609042 A CN101609042 A CN 101609042A CN 200910100125 CN200910100125 CN 200910100125 CN 200910100125 A CN200910100125 A CN 200910100125A CN 101609042 A CN101609042 A CN 101609042A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- infrared spectrum
- microprocessor
- soil nutrient
- spectrum module
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种手持式土壤养分快速无损测量系统,由微处理器、液晶显示屏、光源、近红外光谱模块、键盘、数据存储器、电源和Y型光纤组成;微处理器与近红外光谱模块通过RS232串行接口电路相连;电源分别对微处理器、液晶显示屏、光源、近红外光谱模块、键盘和数据存储器供电;Y型光纤的末端为光谱采集探头,另外两端分别连接光源和近红外光谱模块。本发明系统可测量土壤最主要的养分信息,包括氮含量、磷含量、钾含量和有机质含量。通过近红外光谱模块和微处理器进行光谱的采集和处理,弥补了传统大型近红外光谱仪只能在室内使用,不适合田间携带的不足,整个装置重量不足1kg,便于携带,可以满足田间土壤养分快速测量需要。
Description
技术领域
本发明涉及一种手持式土壤养分快速无损测量系统,属于农业与生物工程领域。
背景技术
土壤养分是由土壤提供给植物生长所必须的营养元素,掌握农田土壤的养分分布,对指导农业生产具有重要意义。
数字农业是高新技术在农业与生物工程领域应用的重要方向,也是农业现代化的重要标志。掌握农田土壤的养分信息是数字农业中的重要和基础部分之一。目前我国传统采用的人工测土配方方式耗时、费工,并且很难在田间直接快速测定,已不适合农业机械化作业的要求。
现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型,然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。与传统分析技术相比,近红外光谱分析技术具有诸多优点,它能在几分钟内,仅通过对被测样品完成一次近红外光谱的采集测量,即可完成其多项性能指标的测定(最多可达十余项指标)。光谱测量时不需要对分析样品进行前处理;分析过程中不消耗其它材料或破坏样品;分析重现性好、成本低,可应用于油及石油化工、基本有机化工、精细化工、冶金、生命科学、制药、医学临床、农业、食品、饮料、烟草、纺织、造纸、化妆品、质量监督、环境保护等多个领域。
公开号为CN101210875的发明专利申请公开了一种基于近红外光谱技术的无损测量土壤养分含量的方法。土壤养分含量的检测包括建立校正模型和未知样品的测定两个阶段。首先要建立校正模型,必须收集不同土壤类型的样本作为校正样本集,并扫描得到校正样本集的近红外光谱,对得到的光谱数据进行光谱预处理。然后采用国标法测量建模样本的养分含量作为标准含量。采用多元校正算法建立建模样本的近红外光谱与它们的养分标准含量之间的定量关系,即建立了校正模型。对于待检测的土壤样本,只要扫描它们的近红外光谱图,并把经过相应光谱预处理的光谱数据输入到校正模型,经过校正模型的测定即得到了该土壤各养分含量。整个过程在计算机的控制下,实现数据的采集、存储、显示和处理功能。但是该方法也需要将土壤样品采集回实验室进行检测,不能实现田间的快速检测。
发明内容
本发明提供一种手持式土壤养分快速无损测量系统,在对于土壤养分近红外光谱数据分析的基础之上,将土壤养分检测数学模型固化到手持式土壤养分快速无损测量系统的微处理器上,实现土壤养分快速测量。
本发明所采用的技术方案如下:
一种基于近红外光谱的手持式土壤养分快速无损测量系统,由微处理器、液晶显示屏、光源、近红外光谱模块、键盘、数据存储器、电源和Y型光纤组成;微处理器与近红外光谱模块通过RS232串行接口电路相连;电源分别对微处理器、液晶显示屏、光源、近红外光谱模块、键盘和数据存储器供电;Y型光纤的末端为光谱采集探头,另外两端分别连接光源和近红外光谱模块;光源发出的可覆盖近红外范围的光通过Y型光纤照射到土壤表面,光线经过表面吸收反射和漫反射后,由探头通过Y型光纤,最后进入近红外光谱模块。
所述的微处理器接收近红外光谱模块的光谱数据,通过运行土壤养分检测数学模型得到检测数据,将检测数据储存在数据存储器中并显示在液晶显示屏上。键盘与微处理器连接,一是实现对仪器的参数设置,二是控制仪器的测量过程和数据显示状态功能,三是实现对显示的清除、翻页显示等,实现人机交互。
所述的土壤养分检测数学模型的建立的步骤如下:
5)标准土壤样品的光谱采集:应用近红外光谱模块采集不同土壤类型的样本的近红外光谱,每个样本需多次重复测量,并将测量得到的光谱平均后作为该样本的标准光谱。
6)光谱的预处理:采用平滑、标准化、中心化、导数、多元散射校正和标准正态变量等常用光谱预处理方法。
7)通过标准化学方法测量标准土壤样品的养分值:其中可以采用凯式定氮法测量氮含量、采用钼锑抗比色法磷含量、采用火焰光度法测量钾含量,采用重铬酸钾法测量有机质含量。
8)采用化学计量学方法建立光谱数据和标准测量值的关系模型:所述的化学计量学方法包括多元线性回归、主成分回归、偏最小二乘回归、人工神经网络和支持向量机,针对不同的土壤养分,可以采用不同的化学计量学方法建立光谱数据和标准测量值的关系模型。
对测量到的未知土壤样本的光谱,针对不同的土壤养分,首先进行相对应的光谱预处理,然后将预处理好的光谱输入土壤养分检测数学模型,模型根据不同的土壤养分,选取对应的关系模型进行未知样品的养分预测。
所述的电源可根据需要选择220V市电、蓄电池及太阳能电池板等多种形式。
本发明具有的有益效果是:
(1)实现了土壤养分信息的快速、无损、非接触测量;
(2)仪器可测量土壤最主要的养分信息,包括氮含量、磷含量、钾含量和有机质含量;
(3)通过近红外光谱模块和微处理器进行光谱的采集和处理,弥补了传统大型近红外光谱仪只能在室内使用,不适合田间携带的不足;
(4)将可以采集的近红外光谱范围扩展到了全部近红外900-2550nm,增强了系统的土壤养分测量能力。
(5)光纤的使用使得光谱信号采集受环境干扰小;
(6)本发明整个系统重量不足1kg,便于携带,可以满足田间土壤养分快速测量需要。
附图说明
图1为本发明系统的原理框图。
具体实施方式
如图1所示,本发明系统由微处理器1、液晶显示屏3、光源4、近红外光谱模块5、键盘6、数据存储器7,电源8和Y型光纤2组成;微处理器1与近红外光谱模块5通过RS232串行接口电路相连;采用蓄电池作为电源8,电源8分别对微处理器1、液晶显示屏3、光源4、近红外光谱模块5、键盘6和数据存储器7供电;Y型光纤的末端为光谱采集探头,另外两端分别连接光源4和近红外光谱模块5;光源4发出的可覆盖近红外范围的光通过光纤照射到土壤表面,光线经过表面吸收反射和漫反射后,由探头,通过光纤,最后进入近红外光谱模块5。
近红外光谱模块5型号为NIR256-2.5,光谱范围为900-2550nm,分辨率为约7.5-25.0nm FWHM,256像素InGaAs线阵CCD检测器,积分时间1-30毫秒,16位A模/数转换器,USB2.0接口和RS232接口。
微处理器5型号为STC12C5A60S2,有62KB片内Flash程序存储器,1280字节片内RAM数据存储器,2个UART接口。
微处理器1对测量到的未知土壤样本的光谱,针对不同的土壤养分,首先进行相对应的光谱预处理方法,然后将预处理好的光谱输入土壤养分检测数学模型。模型根据不同的土壤养分,选取对应的关系模型进行未知样品的养分预测
土壤养分检测数学模型建立的步骤如下:
1)标准土壤样品的光谱采集:应用近红外光谱模块采集不同土壤类型的样本的近红外光谱,每个样本需多次重复测量,并将测量得到的光谱平均后作为该样本的标准光谱。
2)光谱的预处理:采用平滑、标准化、中心化、导数、多元散射校正和标准正态变量等常用光谱预处理方法。
3)通过标准化学方法测量标准土壤样品的养分值:其中可以采用凯式定氮法测量氮含量、采用钼锑抗比色法磷含量、采用火焰光度法测量钾含量,采用重铬酸钾法测量有机质含量。
4)采用化学计量学方法建立光谱数据和标准测量值的关系模型:所述的化学计量学方法包括多元线性回归、主成分回归、偏最小二乘回归、人工神经网络和支持向量机,针对不同的土壤养分,可
以采用不同的化学计量学方法建立光谱数据和标准测量值的关系模型。
本发明的工作原理如下:
微处理器内置基于近红外光谱的土壤养分检测数学模型,可测量土壤氮含量、磷含量、钾含量和有机质含量。系统采用固定光路的256像素InGaAs线阵CCD检测器为主体的近红外光谱模块作为近红外光谱获取器件,采用低功耗微处理器,具有土壤近红外光谱信号采集,土壤养分信息快速计算、显示、储存、传输等功能。微处理器通过RS232接口连接近红外光谱模块。内置光源发出的光通过光纤照射到土壤表面,光线经过表面吸收反射和漫反射后,由探头,通过光纤,最后进入近红外光谱模块。近红外光谱模块通过模/数转换,将采集到的光谱模拟信号转换成数字信号,经过放大电路后,通过RS232输入到微处理器。微处理器运行土壤养分检测数学模型程序,完成土壤养分的计算,结果存储在数据存储器中并显示在液晶显示屏上。
Claims (3)
1、一种基于近红外光谱的手持式土壤养分快速无损测量系统,其特征在于:由微处理器(1)、液晶显示屏(3)、光源(4)、近红外光谱模块(5)、键盘(6)、数据存储器(7)、电源(8)和Y型光纤(2)组成;微处理器(1)与近红外光谱模块(5)通过RS232串行接口电路相连;电源(8)分别对微处理器(1)、液晶显示屏(3)、光源(4)、近红外光谱模块(5)、键盘(6)和数据存储器(7)供电;Y型光纤的末端为光谱采集探头,另外两端分别连接光源(4)和近红外光谱模块(5);
近红外光谱模块(5)将采集的光谱模拟信号转换为数字信号,输入微处理器(1),微处理器(1)运行土壤养分检测数学模型得到检测结果。
2、如权利要求1所述的基于近红外光谱的手持式土壤养分快速无损测量系统,其特征在于:所述的土壤养分检测数学模型的建立步骤如下:
1)标准土壤样品的光谱采集;
2)对标准土壤样品的光谱进行预处理;
3)通过标准化学方法测量标准土壤样品的养分值;
4)采用化学计量学方法建立预处理后的标准土壤样品的光谱的光谱数据和标准土壤样品的养分值的关系模型,即得到土壤养分检测数学模型。
3、如权利要求2所述的基于近红外光谱的手持式土壤养分快速无损测量系统,其特征在于:所述的化学计量学方法包括多元线性回归、主成分回归、偏最小二乘回归、人工神经网络或支持向量机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910100125 CN101609042A (zh) | 2009-06-29 | 2009-06-29 | 基于近红外光谱的手持式土壤养分无损测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910100125 CN101609042A (zh) | 2009-06-29 | 2009-06-29 | 基于近红外光谱的手持式土壤养分无损测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101609042A true CN101609042A (zh) | 2009-12-23 |
Family
ID=41482871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910100125 Pending CN101609042A (zh) | 2009-06-29 | 2009-06-29 | 基于近红外光谱的手持式土壤养分无损测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101609042A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149174A (zh) * | 2013-03-19 | 2013-06-12 | 周口市农业科学院 | 一种快速检测小麦籽粒中黄色素含量的方法 |
CN103398967A (zh) * | 2013-08-20 | 2013-11-20 | 杭州北斗星膜制品有限公司 | 一种在线测定有机溶液中tmc浓度的仪器 |
CN103471996A (zh) * | 2013-09-20 | 2013-12-25 | 华东交通大学 | 基于卤素灯组合光源的多功能土壤养分快速检测装置 |
CN103884828A (zh) * | 2014-02-20 | 2014-06-25 | 闫道良 | 山核桃功能器官和林地土壤c、n、p化学计量相关性确定方法 |
CN105300897A (zh) * | 2015-11-14 | 2016-02-03 | 华东交通大学 | 一种野外便携式土壤养分快速检测装置 |
CN105319172A (zh) * | 2015-11-17 | 2016-02-10 | 中国计量学院 | 基于可见-近红外光谱技术的土壤养分检测装置 |
CN105758819A (zh) * | 2016-02-29 | 2016-07-13 | 上海交通大学 | 一种利用近红外光谱检测土壤的有机组分的方法 |
CN105784628A (zh) * | 2016-02-29 | 2016-07-20 | 上海交通大学 | 一种利用中红外光谱检测土壤有机质化学组成的方法 |
CN106248631A (zh) * | 2016-09-18 | 2016-12-21 | 安徽农业大学 | 一种基于光谱反射率的土壤耕层养分动态测试系统及方法 |
CN106323909A (zh) * | 2016-09-14 | 2017-01-11 | 江苏大学 | 果蔬品质手持式近红外光谱检测系统及检测方法 |
CN106442400A (zh) * | 2016-10-31 | 2017-02-22 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 |
CN106644978A (zh) * | 2016-11-16 | 2017-05-10 | 山东省科学院海洋仪器仪表研究所 | 可判定精度的基于光谱特征波长分析土壤养分含量检测法 |
CN106950183A (zh) * | 2017-02-28 | 2017-07-14 | 中国科学院合肥物质科学研究院 | 一种基于光谱技术的便携式土壤养分检测装置 |
CN108287046A (zh) * | 2018-02-05 | 2018-07-17 | 广东轻工职业技术学院 | 一种车用发动机漏液检测仪器及方法 |
CN110146321A (zh) * | 2018-08-16 | 2019-08-20 | 浙江大学山东工业技术研究院 | 土壤养分定位测试分析仪器 |
CN110261324A (zh) * | 2019-07-08 | 2019-09-20 | 无锡迅杰光远科技有限公司 | 一种多功能光谱分析仪 |
CN110672702A (zh) * | 2019-10-21 | 2020-01-10 | 商洛学院 | 土壤成分检测建模与分析系统 |
CN110763823A (zh) * | 2019-11-22 | 2020-02-07 | 威海精讯畅通电子科技有限公司 | 一种手持式土壤快速检测仪及检测方法 |
CN110865041A (zh) * | 2019-12-17 | 2020-03-06 | 四川省科源工程技术测试中心 | 一种土壤成分含量检测智能分析系统 |
-
2009
- 2009-06-29 CN CN 200910100125 patent/CN101609042A/zh active Pending
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149174A (zh) * | 2013-03-19 | 2013-06-12 | 周口市农业科学院 | 一种快速检测小麦籽粒中黄色素含量的方法 |
CN103398967B (zh) * | 2013-08-20 | 2016-02-24 | 蓝星(杭州)膜工业有限公司 | 一种在线测定有机溶液中tmc浓度的仪器 |
CN103398967A (zh) * | 2013-08-20 | 2013-11-20 | 杭州北斗星膜制品有限公司 | 一种在线测定有机溶液中tmc浓度的仪器 |
CN103471996B (zh) * | 2013-09-20 | 2016-08-10 | 华东交通大学 | 基于卤素灯组合光源的多功能土壤养分快速检测装置 |
CN103471996A (zh) * | 2013-09-20 | 2013-12-25 | 华东交通大学 | 基于卤素灯组合光源的多功能土壤养分快速检测装置 |
CN103884828A (zh) * | 2014-02-20 | 2014-06-25 | 闫道良 | 山核桃功能器官和林地土壤c、n、p化学计量相关性确定方法 |
CN105300897A (zh) * | 2015-11-14 | 2016-02-03 | 华东交通大学 | 一种野外便携式土壤养分快速检测装置 |
CN105319172A (zh) * | 2015-11-17 | 2016-02-10 | 中国计量学院 | 基于可见-近红外光谱技术的土壤养分检测装置 |
CN105319172B (zh) * | 2015-11-17 | 2018-02-16 | 中国计量学院 | 基于可见‑近红外光谱技术的土壤养分检测装置 |
CN105758819A (zh) * | 2016-02-29 | 2016-07-13 | 上海交通大学 | 一种利用近红外光谱检测土壤的有机组分的方法 |
CN105784628A (zh) * | 2016-02-29 | 2016-07-20 | 上海交通大学 | 一种利用中红外光谱检测土壤有机质化学组成的方法 |
CN106323909A (zh) * | 2016-09-14 | 2017-01-11 | 江苏大学 | 果蔬品质手持式近红外光谱检测系统及检测方法 |
CN106248631A (zh) * | 2016-09-18 | 2016-12-21 | 安徽农业大学 | 一种基于光谱反射率的土壤耕层养分动态测试系统及方法 |
CN106442400A (zh) * | 2016-10-31 | 2017-02-22 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 |
CN106442400B (zh) * | 2016-10-31 | 2019-06-14 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 |
CN106644978A (zh) * | 2016-11-16 | 2017-05-10 | 山东省科学院海洋仪器仪表研究所 | 可判定精度的基于光谱特征波长分析土壤养分含量检测法 |
CN106950183A (zh) * | 2017-02-28 | 2017-07-14 | 中国科学院合肥物质科学研究院 | 一种基于光谱技术的便携式土壤养分检测装置 |
CN108287046A (zh) * | 2018-02-05 | 2018-07-17 | 广东轻工职业技术学院 | 一种车用发动机漏液检测仪器及方法 |
CN108287046B (zh) * | 2018-02-05 | 2024-04-05 | 广东轻工职业技术学院 | 一种车用发动机漏液检测仪器及方法 |
CN110146321A (zh) * | 2018-08-16 | 2019-08-20 | 浙江大学山东工业技术研究院 | 土壤养分定位测试分析仪器 |
CN110261324A (zh) * | 2019-07-08 | 2019-09-20 | 无锡迅杰光远科技有限公司 | 一种多功能光谱分析仪 |
CN110672702A (zh) * | 2019-10-21 | 2020-01-10 | 商洛学院 | 土壤成分检测建模与分析系统 |
CN110763823A (zh) * | 2019-11-22 | 2020-02-07 | 威海精讯畅通电子科技有限公司 | 一种手持式土壤快速检测仪及检测方法 |
CN110763823B (zh) * | 2019-11-22 | 2022-04-12 | 威海精讯畅通电子科技有限公司 | 一种手持式土壤快速检测仪及检测方法 |
CN110865041A (zh) * | 2019-12-17 | 2020-03-06 | 四川省科源工程技术测试中心 | 一种土壤成分含量检测智能分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101609042A (zh) | 基于近红外光谱的手持式土壤养分无损测量系统 | |
CN201503392U (zh) | 基于近红外光谱的手持式土壤养分无损测量装置 | |
CN101210875A (zh) | 基于近红外光谱技术的无损测量土壤养分含量的方法 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN102279168A (zh) | 基于近红外光谱技术快速无损分析整粒棉籽营养品质的方法 | |
CN101221125A (zh) | 用光谱技术测定富营养化水体特征参量的方法 | |
CN111855590A (zh) | 水稻叶片淀粉积累量遥感反演模型和方法 | |
CN111855591A (zh) | 水稻地上部碳氮比遥感反演模型和方法 | |
CN111829965A (zh) | 水稻地上部淀粉积累量遥感反演模型和方法 | |
CN107703097A (zh) | 利用衰减全反射探头与近红外光谱仪构建快速预测原油性质的模型的方法及其应用 | |
CN111855593A (zh) | 水稻叶片淀粉含量遥感反演模型和方法 | |
CN103344597A (zh) | 一种抗调味干扰的莲藕内部成分近红外无损检测的方法 | |
CN112270131A (zh) | 基于ard回归算法的水稻叶面积指数遥感反演模型和方法 | |
CN104266998A (zh) | 用于氨纶预聚体中异氰酸酯基含量的近红外光谱检测方法 | |
CN111855592A (zh) | 水稻单位面积内地上部干物重遥感反演模型和方法 | |
CN103487398B (zh) | 一种赖氨酸发酵液的分析方法 | |
CN101769867A (zh) | 一种堆肥产品品质的无损检测方法 | |
CN103308507B (zh) | 一种快速测定聚氨酯中游离-nco的分析方法 | |
CN102288569A (zh) | 一种纤维生物质的快速分析方法 | |
CN112362812A (zh) | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 | |
CN101387497A (zh) | 采用近红外光谱技术测量植物纤维材料纤维形态的方法 | |
CN101650306A (zh) | 快速检测分析绢云母质量的方法 | |
CN101858862B (zh) | 一种油菜籽硫甙含量快速检测方法及系统 | |
CN112630167A (zh) | 基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型和方法 | |
CN112525831A (zh) | 基于CatBoost回归算法的水稻地上部蛋白氮积累量遥感反演模型和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20091223 |