CN111141809A - 一种基于非接触式电导信号的土壤养分离子含量检测方法 - Google Patents
一种基于非接触式电导信号的土壤养分离子含量检测方法 Download PDFInfo
- Publication number
- CN111141809A CN111141809A CN202010061915.9A CN202010061915A CN111141809A CN 111141809 A CN111141809 A CN 111141809A CN 202010061915 A CN202010061915 A CN 202010061915A CN 111141809 A CN111141809 A CN 111141809A
- Authority
- CN
- China
- Prior art keywords
- peak
- soil
- sample
- soil sample
- gaussian
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/416—Systems
- G01N27/447—Systems using electrophoresis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及一种基于非接触式电导信号的土壤养分离子含量检测方法,该方法包括:获取各土壤样品的非接触式电导信号谱图,对各谱图进行峰谱识别;对各土壤样品的非接触式电导信号峰谱进行峰值过滤;对各土壤样品的非接触式电导信号峰谱进行高斯拟合优化;采用加标法计算出土壤样品的土壤养分离子含量;构建土壤养分离子含量预测模型;将土壤样品中测试样本的高斯峰参数输入土壤养分离子含量预测模型,完成对测试样本土壤养分离子含量的分析预测;将待测土壤样品的高斯峰参数,将高斯峰参数输入构建好的土壤养分离子含量预测模型,得到土壤养分离子含量。本发明可实现土壤中养分离子的快速分析,具有普适性、简单有效等特点。
Description
技术领域
本发明涉及土壤养分离子含量检测技术领域,具体涉及一种基于非接触式电导信号的土壤养分离子含量检测方法。
背景技术
土壤养分离子含量传统监测方法是采用野外采样调查,结合实验室分析(火焰分光光度法,火焰原子吸收法、流动分析注射仪法和极谱法等方法)对土样中的养分离子含量进行测定。虽然这些方法测量土壤养分离子含量精度较高,但是过程繁琐,需要耗费大量的人力、物力和财力,并且往往具有滞后性。因此,如何快速、准确地检测土壤养分离子含量,对实现精准农业以及农业发展具有重要意义。
毛细管电泳技术能快速分离复杂样品中的待测物质,然而主流商业毛细管电泳仪的检测器以紫外检测器为主,因检测光程受毛细管内径影响,导致灵敏度较低。近年发展的电容耦合非接触式电导检测法具有灵敏度高、成本低、性能长期稳定等优点,是有应用价值的检测方法,但目前还未有方法针对非接触式电导信号计算土壤养分离子含量。
发明内容
本发明的目的在于提供一种基于非接触式电导信号的土壤养分离子含量检测方法,该方法可实现土壤中养分离子的快速分析,具有普适性、简单有效等特点。
为实现上述目的,本发明采用了以下技术方案:
一种基于非接触式电导信号的土壤养分离子含量检测方法,该方法包括以下步骤:
(1)将采集的土壤样品分为训练样本和测试样本,获取各土壤样品的非接触式电导信号谱图,并对各土壤样品的非接触式电导信号谱图进行峰谱识别,得到各土壤样品的非接触式电导信号峰谱。
(2)对各土壤样品的非接触式电导信号峰谱进行峰值过滤,消除其中的伪峰。
(3)对完成峰值过滤后的各土壤样品的非接触式电导信号峰谱进行高斯拟合优化,得到更接近原始数据峰谱的各土壤样品的非接触式电导信号的高斯峰参数。
(4)根据土壤样品中训练样本和测试样本的非接触式电导信号的高斯峰参数,采用加标法计算出训练样本和测试样本的土壤养分离子含量。
(5)根据土壤样品中训练样本的非接触式电导信号的高斯峰参数和土壤养分离子含量,构建土壤养分离子含量预测模型。
(6)将土壤样品中测试样本的高斯峰参数输入土壤养分离子含量预测模型,完成对测试样本土壤养分离子含量的分析预测。
(7)将待测土壤样品采用与训练样本相同的处理方法得到待测土壤样本的高斯峰参数,将待测土壤样品的高斯峰参数输入构建好的土壤养分离子含量预测模型,得到待测土壤样品的土壤养分离子含量。
进一步的,步骤(1)中所述的“对各土壤样品的非接触式电导信号谱图进行峰谱识别,得到各土壤样品的非接触式电导信号峰谱”,其采用导数-高斯曲线拟合法进行峰谱识别,具体包括以下步骤:
(11)设原始的土壤样品的非接触式电导信号为f,δ为一阶导数f的标准差,对一阶导数取sign(d(t))值记为D;设置土壤样品的非接触式电导信号的斜率变化阈值、幅值阈值、平滑宽度、平滑类型和峰顶部测量点数。
(12)对土壤样品的非接触式电导信号f求两点中心差一阶导数d和二阶导数s。
(13)根据给定参数,按平滑宽度数值对所有数据进行指定类型平滑。
(14)对土壤样品的非接触式电导信号的谱图进行峰顶点判别:当sign(d(t))>sign(d(t+1)),且f(t)>f(t-1),f(t)>f(t+1),d(t)-d(t+1)>3δ2,f(t)>3δ2时,判定为峰顶点。
(15)以峰顶点处为中心,按给定峰顶部测量点数值取点,并进行高斯拟合,初步确定峰位、峰值和半峰宽,并得到预设边界。
(16)对土壤样品的非接触式电导信号的谱图进行峰起始点判别:以峰顶点为中心,在预设边界范围内向负方向移动,当f(t)>f(t-1),d(t)>3δ2,d(t-1)<3δ2,且s(t)>3δ2,s(t-1)<3δ2时,判定为峰起点。
(17)对土壤样品的非接触式电导信号的谱图进行峰谷点判别:以峰顶点为中心,在预设边界范围内向正方向移动,当sign(d(t))<sign(d(t+1)),且s(t)>3δ2时,判定为峰谷点。
(18)对土壤样品的非接触式电导信号的谱图进行峰终止点判别:以峰顶点为中心,在预设边界范围内向正方向移动,当f(t)>f(t+1),d(t)>3δ2,d(t+1)<3δ2,且s(t)>3δ2,s(t+1)<3δ2时,判定为峰终止点。
(19)根据判别出的峰顶点、预设边界、峰起始点和峰终止点,得到土壤样品的非接触式电导信号的峰谱。
进一步的,步骤(2)中所述的“对各土壤样品的非接触式电导信号峰谱进行峰值过滤,消除其中的伪峰”,其具体包括以下步骤:
(21)计算原始的土壤样品的非接触式电导信号的峰谱与拟合高斯峰信号峰谱的残差error表示,当残差标准差超过2时,则判定该峰为伪峰,将该峰删除;其中error=原始信号数据点-拟合信号数据点。
(22)计算土壤样品的非接触电导信号峰谱的峰区域内一阶导数绝对值大于阈值T的次数n1和二阶导数越过零线的次数n2,当n1小于5或n2大于8时,则判定该峰为伪峰,将该峰删除。
(23)通过步骤(21)和(22)将土壤样品的非接触式电导信号峰谱中的伪峰删除后,土壤样品的非接触式电导信号峰谱中只包含有效峰。
进一步的,步骤(3)中所述的“高斯拟合优化”是采用L-M算法实现的。
进一步的,步骤(4)中所述的“根据土壤样品中训练样本和测试样本的非接触式电导信号的高斯峰参数,采用加标法计算出训练样本和测试样本的土壤养分离子含量”,其具体包括以下步骤:
(41)将一定量已知浓度的标准溶液加入待测土壤样品中,测定加入前后样品的浓度,加入标准溶液后的浓度将比加入前的高,其增加的量应等于加入的标准溶液中所含的待测物质的量。
(42)待测样品溶液浓度为Ct(mg/L),对应的电泳峰面积S1;加标后溶液中所含目标例子浓度为对应的电泳峰面积S2;根据土壤样品中训练样本的非接触式电导信号的高斯峰参数,采用以下公式求得电泳峰面积S1和S2:其中,t表示峰位t,h表示峰高,ω表示半峰宽,S表示电泳峰面积。
(43)根据峰面积变化结合加入的标样浓度,采用以下公式计算出待测土壤中养分离子含量;
其中,V1表示加标前溶液体积,单位mL,V2表示加标后溶液体积,单位mL;S1为加标前电泳峰面积;S2为加标后电泳峰面积;C0为标准溶液原始浓度,单位为mg/L;Ct为待测样品溶液浓度,单位为mg/L。
(44)设待检测土壤样品养分离子含量设为X,单位为mg/L,样品浸提时称量土壤样品Y g,加入Z mL超纯水,则采用以下公式对土壤样品养分离子含量进行单位换算:
进一步的,步骤(5)所述的“土壤养分离子含量预测模型”是偏最小二乘回归模型,其将土壤样品中训练样本的高斯峰特征参数看作四维特征自变量组,将训练样本高斯峰对应的土壤养分离子含量作为一维因变量组。所述土壤养分离子含量预测模型的表达式为Ct=Ai*p+Bi*h+Ci*w+Di*S,其中,Ai、Bi、Ci、Di分别为离子峰峰位p、峰高h、半峰宽ω、峰面积S特征参数的系数,将各个离子峰的特征参数带入土壤离子含量预测模型,即可求出土壤养分离子含量。
和现有技术相比,本发明的优点为:
(1)本发明使用导数法和高斯曲线拟合法相结合的方法进行峰谱识别,降低了导数法对噪声的敏感度,避免了导数法易出现识别峰谱特征点(主要为起点和终点)误差较大的问题;同时,也避免了曲线拟合法效率低的情况。本发明所采用的可以快速准确地对非接触式电导信号进行峰谱识别,完成信号峰特征点的判定。
(2)本发明采用L-M算法对土壤样品非接触式电导信号的高斯峰特征参数进行拟合优化,可以实现单峰和重叠峰的参数优化,而且提高了拟合优化的精度。
(3)本发明将土壤养分离子的非接触式电导信号高斯峰特征参数与离子含量之间建立模型关系,构建基于PLS的分析模型,实现土壤养分离子含量预测,可用于日常快速分析。
附图说明
图1是本发明的方法流程图;
图2是本发明中峰谱识别的方法流程图;
图3是本发明中基于L-M算法的参数优化流程图;
图4土壤钾离子含量模型评价结果;
图5是河南潮土的非接触式电导信号及拟合曲线。
具体实施方式
下面结合附图对本发明做进一步说明:
如图1所示的一种基于非接触式电导信号的土壤养分离子含量检测方法,该方法包括以下步骤:
(1)将采集的土壤样品分为训练样本和测试样本,获取各土壤样品的非接触式电导信号谱图,并对各土壤样品的非接触式电导信号谱图进行峰谱识别,得到各土壤样品的非接触式电导信号峰谱。
(2)对各土壤样品的非接触式电导信号峰谱进行峰值过滤,消除其中的伪峰。
(3)对完成峰值过滤后的各土壤样品的非接触式电导信号峰谱进行高斯拟合优化,得到更接近原始数据峰谱的各土壤样品的非接触式电导信号的高斯峰参数。
(4)根据土壤样品中训练样本和测试样本的非接触式电导信号的高斯峰参数,采用加标法计算出训练样本和测试样本的土壤养分离子含量。
(5)根据土壤样品中训练样本的非接触式电导信号的高斯峰参数和土壤养分离子含量,构建土壤养分离子含量预测模型。
(6)将土壤样品中测试样本的高斯峰参数输入土壤养分离子含量预测模型,完成对测试样本土壤养分离子含量的分析预测。
(7)将待测土壤样品采用与训练样本相同的处理方法得到待测土壤样本的高斯峰参数,将待测土壤样品的高斯峰参数输入构建好的土壤养分离子含量预测模型,得到待测土壤样品的土壤养分离子含量。
进一步的,如图2所示,步骤(1)中所述的“对各土壤样品的非接触式电导信号谱图进行峰谱识别,得到各土壤样品的非接触式电导信号峰谱”,其采用导数-高斯曲线拟合法进行峰谱识别,具体包括以下步骤:
(11)设原始的土壤样品的非接触式电导信号为f,δ为一阶导数f的标准差,对一阶导数取sign(d(t))值记为D;设置土壤样品的非接触式电导信号的斜率变化阈值、幅值阈值、平滑宽度、平滑类型和峰顶部测量点数。
(12)对土壤样品的非接触式电导信号f求两点中心差一阶导数d和二阶导数s。
(13)根据给定参数,按平滑宽度数值对所有数据进行指定类型平滑。
由于非接触式电导信号中存在噪声和基线漂移,为减少被干扰,本发明引入零斜率区[-T,T],即在该区间内被认为是基线处斜率。通常认为随机噪声与基线漂移的斜率变化服从正态分布且具有零均值特性。一般情况下,当n>100时,T=3δ2可以保证97.3%的基线斜率落在该区间内。
(14)对土壤样品的非接触式电导信号的谱图进行峰顶点判别:当sign(d(t))>sign(d(t+1)),且f(t)>f(t-1),f(t)>f(t+1),d(t)-d(t+1)>3δ2,f(t)>3δ2时,判定为峰顶点。
(15)以峰顶点处为中心,按给定峰顶部测量点数值取点,并进行高斯拟合,初步确定峰位、峰值和半峰宽,并得到预设边界。
(16)对土壤样品的非接触式电导信号的谱图进行峰起始点判别:以峰顶点为中心,在预设边界范围内向负方向移动,当f(t)>f(t-1),d(t)>3δ2,d(t-1)<3δ2,且s(t)>3δ2,s(t-1)<3δ2时,判定为峰起点。
(17)对土壤样品的非接触式电导信号的谱图进行峰谷点判别:以峰顶点为中心,在预设边界范围内向正方向移动,当sign(d(t))<sign(d(t+1)),且s(t)>3δ2时,判定为峰谷点。
(18)对土壤样品的非接触式电导信号的谱图进行峰终止点判别:以峰顶点为中心,在预设边界范围内向正方向移动,当f(t)>f(t+1),d(t)>3δ2,d(t+1)<3δ2,且s(t)>3δ2,s(t+1)<3δ2时,判定为峰终止点。
(19)根据判别出的峰顶点、预设边界、峰起始点和峰终止点,得到土壤样品的非接触式电导信号的峰谱。
经上述处理方法后,可以实现特征点识别,从而达到初步的峰谱识别。
导数法中,一阶导数反映了峰谱曲线在一点的附近的变化率,而二阶导数则显示了峰谱曲线的凹凸性。将两者结合可以快速识别峰谱,但导数法易受噪声的影响。为提高准确性,在导数法确定峰位后,以峰位为中心,按峰顶部测量点数数值取点,并进行高斯拟合,确定参数,并得到预设边界。
非接触式电导检测实际采样过程中得到的是离散数据,但由于两次采样的时间间隔非常短(0.0004s),所以可以使用相邻两数据点的差值作为一阶导数值。同理,可求得非接触式电导信号的二阶导数。
采用上述峰谱识别方法对非接触式电导信号仿真单峰谱图,在信噪比为15dB、20dB、30dB和40dB下进行峰谱识别,在信噪比为15dB时已为较嘈杂的信号谱图,峰位和半峰宽识别误差仍达到0.01数量级;当信噪比提升至40dB时,峰位和半峰宽识别误差达到0.001数量级。具有很高的检测精度。
进一步的,步骤(2)中所述的“对各土壤样品的非接触式电导信号峰谱进行峰值过滤,消除其中的伪峰”,其具体包括以下步骤:
(21)计算原始的土壤样品的非接触式电导信号的峰谱与拟合高斯峰信号峰谱的残差error表示,当残差标准差超过2(该值是表示可以在非接触式电导信号谱图中准确定量记录点数的经验值)时,则判定该峰为伪峰,将该峰删除;其中error=原始信号数据点-拟合信号数据点。
(22)计算土壤样品的非接触电导信号峰谱的峰区域内一阶导数绝对值大于阈值T的次数n1和二阶导数越过零线的次数n2,当n1小于5或n2大于8时,则判定该峰为伪峰,将该峰删除。
(23)通过步骤(21)和(22)将土壤样品的非接触式电导信号峰谱中的伪峰删除后,土壤样品的非接触式电导信号峰谱中只包含有效峰。
初步峰检测(峰谱识别)后获得的峰数量一般大于实际峰谱的数量。因此,在估计好仪器的噪声水平后,进行峰消除程序可验证峰是真实峰还是简单的伪像。完成步骤(21)-(22)两个步骤后,得到的峰为有效峰。
进一步的,步骤(3)中所述的“高斯拟合优化”是采用L-M算法实现的。
在实际检测土壤样品的非接触式电导信号峰谱时,存在不同的离子出峰位置比较接近,从而形成重叠峰的情况,影响非接触式电导信号峰谱模型的建立。有效峰包括单峰和重叠峰,基于L-M的高斯拟合,主要作用体现在重叠峰。
经过峰谱识别和峰值过滤后,获取了土壤样品的非接触式电导信号中峰谱的数量N以及每个峰对应高斯函数表达式的峰高hi、峰位ti和半峰宽wi;利用这些参数,使用L-M算法进行参数优化,从而获得更接近原始数据峰谱的高斯峰参数。
Levenberg–Marquardt(L-M)算法属于二阶算法,是Gauss-Newton(GN)算法的改进。通过引入参数μk,将GN算法与最速梯度法结合起来。当μk较小时,所拟合的数据远离收敛点,L-M算法类似于最速梯度法,具有较强适应性;当μk较大时,所拟合数据接近收敛点,L-M算法近似于GN法,具有快速收敛性。因此,L-M算法被广泛用于数据拟合优化中。
L-M算法的优化目标可表示为:
L-M算法的迭代公式如下:
式中:xk为第k次迭代的拟合高斯峰特征值变量;Jk为x的Jacobi矩阵;Hk为Hessian矩阵;Ik为单位矩阵;Jk TYk可记为迭代步长hlm;μk为阻尼因子,它可以同时影响搜索方向和步长。
如图3所示,L-M算法的具体实现过程如下:
(31)计算初始土壤样品的非接触式电导信号的参数峰高h0、峰位p0和半峰宽w0。
(32)计算拟合函数y(x)。
(33)给定允许误差ε和最大迭代次数kmax,初始化权值向量x,k=0,同时初始化阻尼因子uk和vk。
(34)计算拟合函数及J、H矩阵,然后得到迭代步长hlm。
(35)计算更新后权值向量与旧权值向量之间的误差,若小于ε退出程序,否则进入步骤(36)。
(36)计算误差向量下降量ΔEk=E(xk)-E(xk-1),根据ΔEk值更新μk。
(37)判断当前迭代次数是否大于最大迭代次数kmax,若大于kmax退出程序,否则返回步骤(34)。
以土壤钾离子含量模型评价结果(图4)为例,从中可以看出,和常用的高斯拟合算法相比,采用基于L-M的高斯拟合优化算法对完成峰值过滤后的各土壤样品的非接触式电导信号峰谱进行高斯拟合优化,得到的参数建模效果更好。
如图5所示,在实际检测到的非接触式电导信号中,所有样本经基于L-M的高斯拟合后,均方根误差均值降为原来的45%,说明该算法具有较好的拟合效果。重叠峰在不同分离度下的均具有很好地参数优化效果。
进一步的,步骤(4)中所述的“根据土壤样品中训练样本和测试样本的非接触式电导信号的高斯峰参数,采用加标法计算出训练样本和测试样本的土壤养分离子含量”,其具体包括以下步骤:
(41)将一定量已知浓度的标准溶液加入待测土壤样品中,测定加入前后样品的浓度,加入标准溶液后的浓度将比加入前的高,其增加的量应等于加入的标准溶液中所含的待测物质的量。
(42)待测样品溶液浓度为Ct(mg/L),对应的电泳峰面积S1;加标后溶液中所含目标例子浓度为对应的电泳峰面积S2;根据土壤样品中训练样本的非接触式电导信号的高斯峰参数,采用以下公式求得电泳峰面积S1和S2:其中,t表示峰位t,h表示峰高,ω表示半峰宽,S表示电泳峰面积。
(43)根据峰面积变化结合加入的标样浓度,采用以下公式计算出待测土壤中养分离子含量;
其中,V1表示加标前溶液体积,单位mL,V2表示加标后溶液体积,单位mL;S1为加标前电泳峰面积;S2为加标后电泳峰面积;C0为标准溶液原始浓度,单位为mg/L;Ct为待测样品溶液浓度,单位为mg/L。
(44)设待检测土壤样品养分离子含量设为X,单位为mg/L,样品浸提时称量土壤样品Y g,加入Z mL超纯水,则采用以下公式对土壤样品养分离子含量进行单位换算:
基于毛细管电泳实验的非接触式电导检测获取的离子信号峰谱参数可以表征离子含量,但由于真实谱图中峰谱参数的真实值未知,无法比较峰谱参数检测精度。因此,本发明采用加标法来验证步骤(3)中求出的高斯参数的有效性,另一方面可以求出土壤样品训练集的土壤养分离子浓度,用于构建土壤养分离子含量预测模型。
采用步骤(4)求出的土壤养分离子含量和采用火焰光度计法获取的土壤速效钾含量进行比较,结果如下表所示:
从上表可以看出,采用步骤(3)得到的高斯峰参数,利用加标法求出的土壤养分含量的精度很高。
进一步的,步骤(5)所述的“土壤养分离子含量预测模型”是偏最小二乘回归模型,其将土壤样品中训练样本的高斯峰特征参数看作四维特征自变量组,将训练样本高斯峰对应的土壤养分离子含量作为一维因变量组。所述土壤养分离子含量预测模型的表达式为Ct=Ai*p+Bi*h+Ci*w+Di*S,其中,Ai、Bi、Ci、Di分别为离子峰峰位p、峰高h、半峰宽ω、峰面积S特征参数的系数,将各个离子峰的特征参数带入土壤离子含量预测模型,即可求出土壤养分离子含量。
偏最小二乘回归(PLS)分析模型是在化学计量学中广泛应用的建模方法。相比于传统多元线性回归,偏最小二乘法不但能同时分解非接触式电导信号信息矩阵和土壤离子含量矩阵,而且能很好地消除噪声干扰,因而具有很强的预测能力。通过峰谱识别和基于L-M的高斯拟合优化后,得到高斯峰特征参数(峰位、峰高、半峰宽、峰面积);通过加标法获取土壤养分离子的浓度。将土壤样品按4:1划分为训练样本和测试样本。
将土壤样品中训练样本的高斯峰特征参数看作四维特征自变量组,将训练样本高斯峰对应的土壤养分离子含量作为一维因变量组,将训练集的高斯峰特征参数和土壤养分离子含量输入,构建土壤样品非接触式电导信号的偏最小二乘的回归建模。将土壤样品中的预测样本的高斯峰特征参数输入构造的预测模型,完成对测试样本土壤养分离子含量的分析预测。分析预测:将测试土壤样本采用样本获取中的方法获取高斯峰参数,变成四维特征,输入训练好的偏最小二乘预测模型进行土壤养分离子含量的分析预测。
本发明用到的非接触式电导信号是采用公开号为CN 206515289U中提到的用于检测土壤养分离子的毛细管电泳检测器来获取的,也可以现有技术中其他诸如此类的非接触式电导检测法来获取土壤样品的非接触式电导信号。本发明所述的检测方法可以一次检测出土壤中的多个离子峰谱,如图5所示:1号峰对应钾离子,2号峰对应铵根离子,3号峰对应钠离子,4号暂时未知。采用本发明所述的检测方法,每次获取的信号谱图都是如此,且每个峰的出峰位置变化基本不大,钾离子的离子峰在3.2-3.6min时间段,钠离子与铵根离子会形成重叠峰,它们的离子峰在3.65-4min时间段。通过使用各个离子峰的参数进行建模,进行一次实验,就可以在很快的时间内实现多种土壤离子含量的检测,大大提高了检测效率。现有技术中常用的使用毛细管电泳/非接触电导检测常使用标准加入法进行含量测定,该方法一般只加入一种标准溶液,需要进行两次实验,最终获取加入标准溶液对应的离子土壤养分浓度。即加标法需要两次实验,但只能获取一种离子的含量。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种基于非接触式电导信号的土壤养分离子含量检测方法,其特征在于:该方法包括以下步骤:
(1)将采集的土壤样品分为训练样本和测试样本,获取各土壤样品的非接触式电导信号谱图,并对各土壤样品的非接触式电导信号谱图进行峰谱识别,得到各土壤样品的非接触式电导信号峰谱;
(2)对各土壤样品的非接触式电导信号峰谱进行峰值过滤,消除其中的伪峰;
(3)对完成峰值过滤后的各土壤样品的非接触式电导信号峰谱进行高斯拟合优化,得到更接近原始数据峰谱的各土壤样品的非接触式电导信号的高斯峰参数;
(4)根据土壤样品中训练样本和测试样本的非接触式电导信号的高斯峰参数,采用加标法计算出训练样本和测试样本的土壤养分离子含量;
(5)根据土壤样品中训练样本的非接触式电导信号的高斯峰参数和土壤养分离子含量,构建土壤养分离子含量预测模型;
(6)将土壤样品中测试样本的高斯峰参数输入土壤养分离子含量预测模型,完成对测试样本土壤养分离子含量的分析预测;
(7)将待测土壤样品采用与训练样本相同的处理方法得到待测土壤样本的高斯峰参数,将待测土壤样品的高斯峰参数输入构建好的土壤养分离子含量预测模型,得到待测土壤样品的土壤养分离子含量。
2.根据权利要求1所述的一种非接触式电导信号的土壤养分离子含量检测方法,其特征在于:步骤(1)中所述的“对各土壤样品的非接触式电导信号谱图进行峰谱识别,得到各土壤样品的非接触式电导信号峰谱”,其采用导数-高斯曲线拟合法进行峰谱识别,具体包括以下步骤:
(11)设原始的土壤样品的非接触式电导信号为f,δ为一阶导数f的标准差,对一阶导数取sign(d(t))值记为D;设置土壤样品的非接触式电导信号的斜率变化阈值、幅值阈值、平滑宽度、平滑类型和峰顶部测量点数;
(12)对土壤样品的非接触式电导信号f求两点中心差一阶导数d和二阶导数s;
(13)根据给定参数,按平滑宽度数值对所有数据进行指定类型平滑;
(14)对土壤样品的非接触式电导信号的谱图进行峰顶点判别:当sign(d(t))>sign(d(t+1)),且f(t)>f(t-1),f(t)>f(t+1),d(t)-d(t+1)>3δ2,f(t)>3δ2时,判定为峰顶点;
(15)以峰顶点处为中心,按给定峰顶部测量点数值取点,并进行高斯拟合,初步确定峰位、峰值和半峰宽,并得到预设边界;
(16)对土壤样品的非接触式电导信号的谱图进行峰起始点判别:以峰顶点为中心,在预设边界范围内向负方向移动,当f(t)>f(t-1),d(t)>3δ2,d(t-1)<3δ2,且s(t)>3δ2,s(t-1)<3δ2时,判定为峰起点;
(17)对土壤样品的非接触式电导信号的谱图进行峰谷点判别:以峰顶点为中心,在预设边界范围内向正方向移动,当sign(d(t))<sign(d(t+1)),且s(t)>3δ2时,判定为峰谷点;
(18)对土壤样品的非接触式电导信号的谱图进行峰终止点判别:以峰顶点为中心,在预设边界范围内向正方向移动,当f(t)>f(t+1),d(t)>3δ2,d(t+1)<3δ2,且s(t)>3δ2,s(t+1)<3δ2时,判定为峰终止点;
(19)根据判别出的峰顶点、预设边界、峰起始点和峰终止点,得到土壤样品的非接触式电导信号的峰谱。
3.根据权利要求1所述的一种非接触式电导信号的土壤养分离子含量检测方法,其特征在于:步骤(2)中所述的“对各土壤样品的非接触式电导信号峰谱进行峰值过滤,消除其中的伪峰”,其具体包括以下步骤:
(21)计算原始的土壤样品的非接触式电导信号的峰谱与拟合高斯峰信号峰谱的残差error表示,当残差标准差超过2时,则判定该峰为伪峰,将该峰删除;其中error=原始信号数据点-拟合信号数据点;
(22)计算土壤样品的非接触电导信号峰谱的峰区域内一阶导数绝对值大于阈值T的次数n1和二阶导数越过零线的次数n2,当n1小于5或n2大于8时,则判定该峰为伪峰,将该峰删除;
(23)通过步骤(21)和(22)将土壤样品的非接触式电导信号峰谱中的伪峰删除后,土壤样品的非接触式电导信号峰谱中只包含有效峰。
4.根据权利要求1所述的一种非接触式电导信号的土壤养分离子含量检测方法,其特征在于:步骤(3)中所述的“高斯拟合优化”是采用L-M算法实现的。
5.根据权利要求1所述的一种非接触式电导信号的土壤养分离子含量检测方法,其特征在于:步骤(4)中所述的“根据土壤样品中训练样本的非接触式电导信号的高斯峰参数,采用加标法计算出训练样本和测试样本的土壤养分离子含量”,其具体包括以下步骤:
(41)将一定量已知浓度的标准溶液加入待测土壤样品中,测定加入前后样品的浓度,加入标准溶液后的浓度将比加入前的高,其增加的量应等于加入的标准溶液中所含的待测物质的量;
(42)待测样品溶液浓度为Ct(mg/L),对应的电泳峰面积S1;加标后溶液中所含目标例子浓度为对应的电泳峰面积S2;根据土壤样品中训练样本的非接触式电导信号的高斯峰参数,采用以下公式求得电泳峰面积S1和S2:其中,t表示峰位t,h表示峰高,ω表示半峰宽,S表示电泳峰面积;
(43)根据峰面积变化结合加入的标样浓度,采用以下公式计算出待测土壤中养分离子含量;
其中,V1表示加标前溶液体积,单位mL,V2表示加标后溶液体积,单位mL;S1为加标前电泳峰面积;S2为加标后电泳峰面积;C0为标准溶液原始浓度,单位为mg/L;Ct为待测样品溶液浓度,单位为mg/L;
(44)设待检测土壤样品养分离子含量设为X,单位为mg/L,样品浸提时称量土壤样品Yg,加入Z mL超纯水,则采用以下公式对土壤样品养分离子含量进行单位换算:
6.根据权利要求1所述的一种非接触式电导信号的土壤养分离子含量检测方法,其特征在于:步骤(5)所述的“土壤养分离子含量预测模型”是偏最小二乘回归模型,其将土壤样品中训练样本的高斯峰特征参数看作四维特征自变量组,将训练样本高斯峰对应的土壤养分离子含量作为一维因变量组;所述土壤养分离子含量预测模型的表达式为Ct=Ai*p+Bi*h+Ci*w+Di*S,其中,Ai、Bi、Ci、Di分别为离子峰峰位p、峰高h、半峰宽ω、峰面积S特征参数的系数,将各个离子峰的特征参数带入土壤离子含量预测模型,即可求出土壤养分离子含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010061915.9A CN111141809B (zh) | 2020-01-20 | 2020-01-20 | 一种基于非接触式电导信号的土壤养分离子含量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010061915.9A CN111141809B (zh) | 2020-01-20 | 2020-01-20 | 一种基于非接触式电导信号的土壤养分离子含量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111141809A true CN111141809A (zh) | 2020-05-12 |
CN111141809B CN111141809B (zh) | 2022-04-29 |
Family
ID=70526244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010061915.9A Active CN111141809B (zh) | 2020-01-20 | 2020-01-20 | 一种基于非接触式电导信号的土壤养分离子含量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111141809B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111650271A (zh) * | 2020-06-23 | 2020-09-11 | 南京财经大学 | 一种土壤有机质标志物的识别方法及应用 |
CN112964742A (zh) * | 2021-02-08 | 2021-06-15 | 北京化工大学 | 一种edxrf土壤钾、磷含量检测系统与方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6491805B1 (en) * | 2000-05-23 | 2002-12-10 | Agilent Technologies, Inc. | Sample-analysis system with antisynchronously driven contactless conductivity detector |
CN102749381A (zh) * | 2012-06-16 | 2012-10-24 | 中南大学 | 线性扫描极谱曲线重叠峰分离方法 |
US20130131998A1 (en) * | 2011-11-18 | 2013-05-23 | David A. Wright | Methods and Apparatus for Identifying Mass Spectral Isotope Patterns |
CN105488772A (zh) * | 2016-01-26 | 2016-04-13 | 北京市环境保护监测中心 | 一种传感器信号峰值检测方法 |
CN105891397A (zh) * | 2015-01-26 | 2016-08-24 | 大连达硕信息技术有限公司 | 一种全二维色谱分离的峰检测方法 |
CN106442696A (zh) * | 2016-11-08 | 2017-02-22 | 核工业北京地质研究院 | 一种测定硼同位素比值的方法 |
CN106567708A (zh) * | 2016-11-02 | 2017-04-19 | 浙江大学 | 一种基于c4d技术的随钻侧向电阻率测井系统及其信号检测方法 |
CN106770194A (zh) * | 2017-01-20 | 2017-05-31 | 华中科技大学 | 基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法 |
CN206515289U (zh) * | 2017-02-28 | 2017-09-22 | 中国科学院合肥物质科学研究院 | 用于检测土壤养分离子的毛细管电泳检测器 |
CN107871155A (zh) * | 2016-09-28 | 2018-04-03 | 成都理工大学 | 一种基于粒子群算法的光谱重叠峰分解方法 |
-
2020
- 2020-01-20 CN CN202010061915.9A patent/CN111141809B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6491805B1 (en) * | 2000-05-23 | 2002-12-10 | Agilent Technologies, Inc. | Sample-analysis system with antisynchronously driven contactless conductivity detector |
US20130131998A1 (en) * | 2011-11-18 | 2013-05-23 | David A. Wright | Methods and Apparatus for Identifying Mass Spectral Isotope Patterns |
CN102749381A (zh) * | 2012-06-16 | 2012-10-24 | 中南大学 | 线性扫描极谱曲线重叠峰分离方法 |
CN105891397A (zh) * | 2015-01-26 | 2016-08-24 | 大连达硕信息技术有限公司 | 一种全二维色谱分离的峰检测方法 |
CN105488772A (zh) * | 2016-01-26 | 2016-04-13 | 北京市环境保护监测中心 | 一种传感器信号峰值检测方法 |
CN107871155A (zh) * | 2016-09-28 | 2018-04-03 | 成都理工大学 | 一种基于粒子群算法的光谱重叠峰分解方法 |
CN106567708A (zh) * | 2016-11-02 | 2017-04-19 | 浙江大学 | 一种基于c4d技术的随钻侧向电阻率测井系统及其信号检测方法 |
CN106442696A (zh) * | 2016-11-08 | 2017-02-22 | 核工业北京地质研究院 | 一种测定硼同位素比值的方法 |
CN106770194A (zh) * | 2017-01-20 | 2017-05-31 | 华中科技大学 | 基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法 |
CN206515289U (zh) * | 2017-02-28 | 2017-09-22 | 中国科学院合肥物质科学研究院 | 用于检测土壤养分离子的毛细管电泳检测器 |
Non-Patent Citations (5)
Title |
---|
ANDREW WEE ET AL.: "A continuous wavelet transform algorithm for peak detection", 《ELECTROPHORESIS》 * |
FURONG SONG ET AL.: "The Optimization Study of FBG Gaussian fitting Peak-detection Based on Levenberg-Marquardt Algorithm", 《2017 CHINESE AUTOMATION CONGRESS (CAC)》 * |
基于小波变换的非接触式电导信号去噪研究: "李传文等", 《仪表技术》 * |
张俊卿等: "土壤钾离子非接触电导检测装置设计与试验", 《农业机械学报》 * |
李原鹰等: "基于拉曼光谱高斯分峰拟合的硫化锑含量检测方法", 《光谱学与光谱分析》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111650271A (zh) * | 2020-06-23 | 2020-09-11 | 南京财经大学 | 一种土壤有机质标志物的识别方法及应用 |
CN112964742A (zh) * | 2021-02-08 | 2021-06-15 | 北京化工大学 | 一种edxrf土壤钾、磷含量检测系统与方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111141809B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101915744B (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
CN105300923A (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
CN101231274B (zh) | 近红外光谱快速测定山药中尿囊素含量的方法 | |
CN103175805B (zh) | 一种近红外光谱测定污水中cod和bod5指标的方法 | |
CN111965140B (zh) | 基于特征峰的波长点重组方法 | |
CN111141809B (zh) | 一种基于非接触式电导信号的土壤养分离子含量检测方法 | |
CN111487213A (zh) | 多光谱融合的化学需氧量测试方法及装置 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN110967313A (zh) | 电子烟烟油尼古丁含量的近红外光谱预测建模方法及应用 | |
WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
CN114088661A (zh) | 一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法 | |
CN110887800B (zh) | 一种用于光谱法水质在线监测系统的数据校准方法 | |
CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
CN104865322A (zh) | 一种栀子萃取液浓缩过程快速检测方法 | |
CN117269109B (zh) | 基于近红外光谱的混凝土结构中氯离子含量检测方法 | |
CN111521577B (zh) | 一种以二氧化碳峰面积为参比的红外光谱定量分析方法 | |
CN105259136A (zh) | 近红外校正模型的无测点温度修正方法 | |
CN111896497A (zh) | 一种基于预测值的光谱数据修正方法 | |
CN104568828A (zh) | 近红外漫反射光谱测定造纸法再造烟叶抗张强度的方法 | |
CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
CN111141808B (zh) | 一种基于电泳分析技术的土壤有效态分析方法及其土壤养分等级评定方法 | |
CN104596982A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶果胶的方法 |
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 |