CN115479912A - 基于近红外光谱的肥液在线检测方法、配肥方法及系统 - Google Patents
基于近红外光谱的肥液在线检测方法、配肥方法及系统 Download PDFInfo
- Publication number
- CN115479912A CN115479912A CN202211279699.0A CN202211279699A CN115479912A CN 115479912 A CN115479912 A CN 115479912A CN 202211279699 A CN202211279699 A CN 202211279699A CN 115479912 A CN115479912 A CN 115479912A
- Authority
- CN
- China
- Prior art keywords
- fertilizer
- near infrared
- infrared spectrum
- liquid
- fertilizer liquid
- 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
- 239000003337 fertilizer Substances 0.000 title claims abstract description 503
- 239000007788 liquid Substances 0.000 title claims abstract description 221
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 125
- 238000002360 preparation method Methods 0.000 title claims abstract description 101
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 99
- 230000004720 fertilization Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 230000003287 optical effect Effects 0.000 claims description 34
- 150000001875 compounds Chemical class 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 239000013589 supplement Substances 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 238000003756 stirring Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000002156 mixing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 2
- 239000004615 ingredient Substances 0.000 abstract description 5
- 238000003973 irrigation Methods 0.000 abstract description 5
- 230000002262 irrigation Effects 0.000 abstract description 5
- 235000016709 nutrition Nutrition 0.000 abstract description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 22
- 239000000523 sample Substances 0.000 description 12
- 229910052757 nitrogen Inorganic materials 0.000 description 11
- 239000000618 nitrogen fertilizer Substances 0.000 description 11
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 10
- 230000004927 fusion Effects 0.000 description 10
- 239000011591 potassium Substances 0.000 description 10
- 229910052700 potassium Inorganic materials 0.000 description 10
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 9
- 238000000034 method Methods 0.000 description 9
- 229910052698 phosphorus Inorganic materials 0.000 description 9
- 239000011574 phosphorus Substances 0.000 description 9
- 239000007787 solid Substances 0.000 description 8
- 229910052736 halogen Inorganic materials 0.000 description 6
- 150000002367 halogens Chemical class 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 6
- 229910052721 tungsten Inorganic materials 0.000 description 6
- 239000010937 tungsten Substances 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 4
- 239000002686 phosphate fertilizer Substances 0.000 description 4
- 210000003608 fece Anatomy 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000002075 main ingredient Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000007696 Kjeldahl method Methods 0.000 description 1
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 1
- APUPEJJSWDHEBO-UHFFFAOYSA-P ammonium molybdate Chemical compound [NH4+].[NH4+].[O-][Mo]([O-])(=O)=O APUPEJJSWDHEBO-UHFFFAOYSA-P 0.000 description 1
- 235000018660 ammonium molybdate Nutrition 0.000 description 1
- 239000011609 ammonium molybdate Substances 0.000 description 1
- 229940010552 ammonium molybdate Drugs 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 229940072033 potash Drugs 0.000 description 1
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 1
- 235000015320 potassium carbonate Nutrition 0.000 description 1
- -1 potassium tetraphenylborate Chemical compound 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于近红外光谱的肥液在线检测方法、配肥方法及系统，在线检测方法包括基于W型光路采集＜10cm肥液检测流道内肥液的近红外光谱特征，通过肥液成分预测模型对流动肥液进行动态无损检测，获取肥液各成分在线检测结果；配肥方法基于在线检测方法，结合以田间监测站反馈的作物对不同营养成分的实时需求，对配肥含量、配肥种类和进水量进行决策；配肥系统通过配肥容器的水位监测和分流近红外光谱检测装置的肥液在线检测、基于配肥方法构建自动配肥决策模型，控制进水管路、施肥管路和若干进肥结构运行，自动执行精准按需配肥和施肥；可以显著提高效率和精准度，严格把控施肥种类和施肥量，适合农业自动化灌溉应用。
Description
技术领域
本发明属于农业自动化灌溉领域，具体涉及一种基于近红外光谱的肥液在线检测方法、配肥方法及系统。
背景技术
肥料中的氮、磷、钾含量是影响作物品质和产量的重要因素，人工施肥易导致作物施肥不足或施肥过量、浪费人才物力、造成环境污染，因此，合理施肥、加强水肥管理、推进农业发展向自动化和无人化转型、实现精准施肥是作物优质高产的主要措施。实现自动化精准施肥亟需解决的问题如下：(1)传统肥液主成分含量检测操作繁琐且效率较低，难以进行肥液主成分含量在线检测，其准确性难以满足作物高效精准化配肥需求；(2)多种肥料混合施用的效果最佳，但现有配肥决策模型难以结合作物反馈信息把控施肥种类和施肥量，不能同时满足作物对不同营养成分的精准需求；(3)灌溉配肥方法与系统不能根据作物的实时需求配肥，存在着水肥浓度控制精度不高、自动化程度较低的问题，不能实现依据作物精准地按需施肥，导致施肥成本和施肥时间增加，影响施肥效率。因此，需以提高自动按需配肥精准化为目标，开发一种于近红外光谱的肥液在线检测方法、配肥方法及系统，严格把控施肥种类和施肥量，确保自动精准按需配肥。
发明内容
本发明旨在至少在一定程度上解决上述技术问题之一，本发明提供一种基于近红外光谱的肥液在线检测方法、配肥方法及系统，使用近红外光谱技术对流动肥液进行动态无损检测，通过肥液成分预测模型获取肥液各成分在线检测结果，自动配肥决策模型结合以田间监测站反馈的作物对不同营养成分的实时需求，对配肥含量、配肥种类和进水量进行决策，配肥系统自动执行精准按需配肥和施肥。
本发明解决其技术问题所采用的技术方案是：
基于近红外光谱的肥液在线检测方法，其方法包括：
采集若干复合肥液样本，测定每个复合肥液样本主成分含量参数；
采用多次汇聚和折射的W型光路测定肥液检测流道内每个复合肥液样本的近红外光谱，并以此采集近红外光谱特征；
基于每个复合肥液样本主成分含量参数、近红外光谱特征构建训练集和验证集；
以近红外光谱特征作为输入、以复合肥液样本主成分含量参数作为输出，构建肥液成分预测模型；
基于训练集和验证集训练校正肥液成分预测模型；
基于W型光路采集目标肥液的近红外光谱特征，计算校正的肥液成分预测模型，得到肥液成分在线检测结果。
上述肥液在线检测方法，进一步地，当近红外光线穿过肥液时，受到肥液吸光特性的影响，其透过后的光线强度有所衰减，光线强度随肥液液面高度的增加呈指数趋势下降，所述肥液检测流道直径＜10cm，可有效减少肥液对光线强度的吸收，从而减少近红外光强的衰减，使近红外光谱接收到的光束信息更加准确。
上述肥液在线检测方法，进一步地，采集近红外光谱特征时对近红外光谱预处理：采用均值中心化计算平均光谱；采用Savitzky-Golay卷积平滑算法去除噪声；采用标准正态变量变换SNV算法消除复合肥液样本或肥液表面散射光、光程变化对近红外光谱的影响；通过对近红外光谱预处理可以消除原始光谱数据中多余信息影响，以提高肥液成分预测模型的精度。
上述肥液在线检测方法，进一步地，采用ECARS算法对预处理后的近红外光谱进行特征波段选择、获得有效特征波长作为近红外光谱特征，可提高近红外特征波长选择的准确性和稳定性。
上述肥液在线检测方法，进一步地，所述肥液成分预测模型为Cn*m＝An*q*Bq*m+En*m，上式中Cn*m表示n个复合肥液样本的m个主成分含量参数矩阵，An*q表示n个复合肥液样本的q个近红外光谱特征矩阵，Bq*m表示校正系数矩阵，En*m表示预测光谱残差；依据决定系数R2趋近1，预测均方根误差RMSEP＜0.3训练校正肥液成分预测模型，用于获得预测结果较好的肥液成分预测模型，提高在线检测精度。
基于近红外光谱的配肥方法，其方法包括：
根据田间反馈获取作物生长所需水量对应配肥容器的水位Hb、所需肥液的各主成分含量Yb；
依据Hb和Yb，在配肥容器中添加水和各肥料，混匀获得肥液，经过肥液检测流道施肥；
施肥时，根据田间反馈更新当前作物生长所需水量对应配肥容器的水位H’b，获取配肥容器中的当前水位Ha，依据Ha<H’b判断配肥补充水量，并以此控制进水量；
施肥时，基于如上所述基于近红外光谱的肥液在线检测方法获取肥液各成分在线检测结果Ya，根据田间反馈更新当前作物生长所需肥液的各主成分含量Y′b，获取依据Ya<Y′b判断各肥料补充量，并以此控制各肥料进量。
上述配肥方法，进一步地，若Ha＞H’b，则停止进水，返回更新H’b；若Ha≤H’b，则补充水量H＝H’b-Ha，用于在水位过高时停止进水、随施肥进程水位下降后依据实时H’b继续控制配水，在水量不足时控制进水，实现依据作物的实时需求配水；
若Ya＞γ’b，则返回更新Y’b；若Ya≤Y’b，则各肥料补充含量Y＝Y’b-Ya，各肥料补充量VY＝Y/MY，MY表示相应成分在肥料中的占比，用于在供肥过量时、随施肥进程水位下降后依据实时Y’b继续控制配肥，实现依据作物的实时需求配肥，从而提高水肥浓度控制精度。
上述配肥方法，进一步地，采用设置在配肥容器上可以旋转的进肥轴进肥，所述进肥轴上设有若干绕进肥轴一周间隔设置的肥料凹槽，依据各肥料补充量和肥料凹槽体积计算进肥轴旋转圈数，将各肥料补充量转换为进肥机构中进肥轴旋转圈数nY＝VY/V0，上式中V0表示进肥轴旋转一圈能推入的肥料体积，用于实现水肥浓度的精准和自动化控制。
基于近红外光谱的配肥系统，包括配肥容器、近红外光谱检测装置和总控台，所述配肥容器连接有进水管路、施肥管路和若干进肥结构，配肥容器内设有与总控台连接的水位传感器和搅拌机构，所述近红外光谱检测装置设置在施肥管路上，近红外光谱检测装置用于基于W型光路采集目标肥液的近红外光谱并传输至总控台；
所述总控台用于基于如上所述基于近红外光谱的配肥方法构建自动配肥决策模型、可以形成决策指令反馈控制进水管路、施肥管路和若干进肥结构运行，从而通过田间反馈、配肥容器的水位监测和肥液在线检测，实现施肥过程中多成分肥液的精准化、自动化配肥。
上述配肥系统，进一步地，所述近红外光谱检测装置包括肥液检测流道、肥液输送流道、近红外光源、近红外光谱仪和MCU，所述肥液检测流道和肥液输送流道均与施肥管路连通，保证施肥流量的同时同步满足肥液检测流道内的肥液成分在线检测需求，所述肥液检测流道包括缓冲部，用于减缓肥液流速，为近红外光谱检测提供平稳环境。
进一步地，所述肥液检测流道较肥液输送流道的直径更窄，肥液检测流道直径为5cm，为近红外光谱检测提供了平稳的环境。
进一步地，肥液检测流道内设有若干光学镜片，所述近红外光源和近红外光谱仪分别连接有电源，若干光学镜片用于将近红外光源的光束多次汇聚和折射为近红外光谱仪接收的W型光路，用于扩大光线的偏折角，增大近红外光源出射光线在光学镜片上的光点偏移量，提高近红外光谱仪对光束信息的分辨率使红外光谱仪收集到的光束信息更加准确，所述近红外光谱仪用于对接收光束分光并传输至MCU，所述MCU与总控台通信，用于使控制台基于近红外光谱的肥液在线检测方法获取肥液各成分在线检测结果，满足作物高效精准化的配肥需求。
上述配肥系统，进一步地，所述总控台与田间监测站通信，田间监测站用于检测作物生长所需水量、所需肥液的各主成分含量，用于结合作物反馈信息把控施肥种类和施肥量，同时满足作物对不同营养成分的精准需求。
上述配肥系统，进一步地，所述进水管路上设有第一电磁阀，所述施肥管路上设有第二电磁阀，所述总控台包括核心控制单元、与核心控制单元连接的电源管理模块、通信模块、电磁阀驱动模块、电机驱动模块和水位传感模块，所述核心控制单元内置基于如上所述基于近红外光谱的配肥方法的自动配肥决策模型，所述通信模块与近红外光谱检测装置相连，所述电磁阀驱动模块与第一电磁阀、第二电磁阀相连，所述电机驱动模块与进肥结构和搅拌机构相连，所述水位传感模块与水位传感器相连，用于实时监测水位和肥液成分信息、按需控制精准地自动化配肥执行。
与现有技术相比，本发明的有益效果是：
(1)基于近红外光谱的肥液在线检测方法采用多次汇聚和折射的W型光路测定肥液的近红外光谱，扩大光线的偏折角，增大近红外光源出射光线在光学镜片上的光点偏移量，可以提高肥液对特征光谱波段的吸收率、提高近红外光谱仪对光线信息的分辨率，使近红外光谱仪收集到的光束信息更加准确，基于训练集和验证集训练校正肥液成分预测模型，实现肥液多种主成分含量在线检测，以降低检测操作难度、提高效率和精准度，实现动态无损检测，满足作物高效精准化配肥需求。
(2)基于近红外光谱的配肥方法结合田间反馈更新的作物对不同营养成分和水分的需求、基于近红外光谱的肥液在线检测方法获取的肥液主成分含量，比较决策得到不同肥料的配肥含量和水量，能够实时地把控混合施用时的施肥种类和施肥量，可以同时满足作物对不同营养成分的精准需求、降低施肥成本，施肥时可以决策配肥、节省施肥时间。
(3)基于近红外光谱的配肥系统在线检测肥液时在施肥管路中肥液分流，一部分流向带缓冲部、＜10cm的窄肥液检测流道、用于近红外光谱检测，可以减缓肥液流速、减少近红外光强的衰减、为近红外光谱检测提供了平稳的环境、使光束信息更加准确，另一部分流向宽肥液输送流道正常流入田间，保证施肥效率。
(4)基于近红外光谱的配肥系统基于近红外光谱的配肥方法构建自动配肥决策模型，可以形成决策指令反馈控制进水管路、施肥管路和若干进肥结构运行，控制各进肥结构的进肥轴旋转并通过肥料凹槽将相应比例的肥料推入到水肥融合桶中，控制相应量的水流入配肥容器中，实现按需自动精准配肥。
从而综上，严格把控施肥种类和施肥量，确保自动精准按需配肥，适合农业自动化灌溉应用。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例1的检测结构图；
图2是本发明实施例1的肥液成分预测模型建模方法流程图；
图3是肥液检测流道直径与近红外光强的关系的实验结果图；
图4是本发明实施例2的结构图；
图5是本发明实施例2的近红外光谱检测装置内部结构图；
图6是本发明实施例2的进肥轴结构图；
图7是本发明实施例2的总控台结构图；
图8是本发明实施例3的方法决策流程图。
图中标记：近红外光谱检测装置1，肥液检测流道101，缓冲部1011，近红外光源102，近红外光谱仪103，MCU104，第一光学镜片105，第二光学镜片106，第三光学镜片107，第四光学镜片108，外部220V电源109，外部电源110，光纤111，W型光路112，肥液输送流道113；水肥融合桶2，总控台3，进水管路4，施肥管路5，肥料储存斗601，进肥轴602，肥料凹槽6021，电机连接孔6022，水位传感器7，搅拌步进电机801，搅拌器802，移动车架9，第一电磁阀10，第二电磁阀11，通信总线12。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“轴向”、“径向”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”、“若干”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1：
如图1-2所示，为本发明所述基于近红外光谱的肥液在线检测方法的一种较佳实施方式，其方法包括以下步骤：
S1：配制三种主成分含量分别是氮、磷、钾的复合肥，采集每种2n个复合肥液样本；
S2：使用标准化学方法：氮含量测定采用凯氏定氮法，磷含量测定采用钼酸铵分光光度法，钾含量测定使用四苯硼酸钾重量法，测定每种2n个复合肥液样本中每个复合肥液样本的m个主成分含量参数，主成分含量参数包括氮含量、磷含量和钾含量；
S3：将步骤S1和S2获取的2n个复合肥液样本和m个主成分含量参数分为两组、每组n个样本m个向量，一组用于构建训练集肥液主成分含量数据矩阵Cn*m,另一组用于构建验证集标准肥液主成分含量参数矩阵C′n*m；
S4：如图1所示，配置近红外光谱检测装置1，所述近红外光谱检测装置1包括肥液检测流道101、位于肥液检测流道101外部的近红外光源102、近红外光谱仪103和MCU104，肥液检测流道101的上方或下方管壁上分别设有第一光学镜片105、第二光学镜片106、第三光学镜片107和第四光学镜片108，所述近红外光源102和近红外光谱仪103分别连接有电源，MCU104与总控台3通信，由近红外光源102发出的光束通过汇聚于第一光学镜片105、经过折射汇聚于第二光学镜片106、经过折射汇聚于第三光学镜片107、经过折射汇聚于第四光学镜片108，形成W型光路112，四光学镜片将收集到的光束信息通过光纤111传输给近红外光谱仪103，近红外光谱仪103对接收到的光束信息进行分光，并将结果传输给MCU104；
S5：MCU104对近红外光谱预处理：
S501：采用均值中心化计算平均光谱
中心化处理光谱
S502：采用Savitzky-Golay卷积平滑算法去除噪声，
S503：采用标准正态变量变换SNV算法
消除复合肥液样本表面散射光、光程变化对近红外光谱的影响，利用去趋势DT算法消除光谱的基线漂移；
S6：由MCU104将肥液检测流道101内每个复合肥液样本的近红外光谱传输至总控台3，总控台3采用ECARS算法对预处理后的近红外光谱进行特征波段选择、获得q个有效特征波长作为近红外光谱特征，可以提高近红外特征波长选择的准确性和稳定性；
S7：将步骤S6获取的2n个复合肥液样本的q个有效特征波长对应步骤S3分为两组、每组n个样本q个向量，一组用于构建训练集近红外光谱特征矩阵An*q，另一组用于构建验证红外光谱特征矩阵A’n*q；
S8：以近红外光谱特征作为输入、以复合肥液样本主成分含量参数作为输出，分别构建肥料主成分氮、磷、钾含量的肥液成分预测模型：Cn*m＝An*q*Bq*m+En*m，上式中Bq*m表示校正系数矩阵，En*m表示预测光谱残差，将步骤S3的训练集肥液主成分含量数据矩阵Cn*m和步骤S7的训练集近红外光谱特征矩阵An*q输入肥液成分预测模型，用偏最小二乘回归法解算Bq*m和En*m；
S9：对肥液成分预测模型进行验证：将步骤S7的的建验证红外光谱特征矩阵A’n*q作为输入步骤S8的肥液成分预测模型，解算验证集样品肥液主成分含量预测结果C″n*m，计算C″n*m与步骤S3验证集标准肥液主成分含量参数矩阵C′n*m的预测均方根误差RMSEP；
S10：对肥液成分预测模型的性能进行决定系数R2和预测均方根误差RMSEP分析：若n2趋近于1，RMSEP小于0.3，则肥液成分预测模型的预测结果较好，否则肥液成分预测模型的预测结果较差，返回步骤S8重新训练校正肥液成分预测模型，直至获得预测结果较好的肥液成分预测模型；
S11：将目标肥液经过如步骤S4的近红外光谱检测装置1，依据步骤S5对对近红外光谱预处理后，将近红外光谱特征矩阵输入步骤S10校正后的肥液成分预测模型，得到肥液成分在线检测结果。
上述肥液在线检测方法，进一步地，所述肥液检测流道101直径＜10cm。
对肥液流道直径与近红外光强的关系的实验验证，包括以下步骤：
A1：所述肥液检测流道101直径设为10cm，所述近红外光源102选择卤钨灯，卤钨灯选用220V电源供电，提供稳定的光源，近红外光谱仪103的接收探头采集近红外光强信号值；
A2：向肥液检测流道101中注入肥液，当肥液检测流道101中的肥液液面每上升10mm，等到液面平稳无波动时，接收探头采集近红外光强信号值，计算各光强信号值与流道中无肥液状态下信号值的比值；
A3：进行五组重复实验，取各实验点光强信号比值的平均值，实验结果见附图3所示。
经过肥液检测流道101直径与近红外光强的关系的实验验证分析得知：当近红外光线穿过肥液时，受到肥液吸光特性的影响，其透过后的光线强度有所衰减，光线强度随肥液液面高度的增加呈指数趋势下降，因此将肥液检测流道101的直径设计在10cm之内，优选地，肥液检测流道101为5cm，可有效减少肥液对光线强度的吸收，从而减少近红外光强的衰减，使近红外光谱接收到的光束信息更加准确。
上述肥液在线检测方法采用光学镜片对光束进行多次汇聚和折射，形成W型光路112，用于扩大光线的偏折角，增大卤钨灯出射光线在光学镜片上的光点偏移量，可以提高肥液对特征光谱波段的吸收率，提高近红外光谱仪103对光束信息的分辨率使红外光谱仪103收集到的光束信息更加准确，基于训练集和验证集训练校正肥液成分预测模型，实现肥液多种主成分含量在线检测，以降低检测操作难度、提高效率和精准度，实现动态无损检测，满足作物高效精准化配肥需求。
实施例2：
如图3-7所示，为本发明所述基于近红外光谱的配肥系统的一种较佳实施方式，所述系统包括配肥容器、近红外光谱检测装置1和总控台3，所述配肥容器连接有进水管路4、施肥管路5和若干进肥结构，配肥容器内设有与总控台3连接的水位传感器7和搅拌机构，所述近红外光谱检测装置1设置在施肥管路5上，近红外光谱检测装置1用于基于W型光路112采集目标肥液的近红外光谱并传输至总控台3；
所述总控台3内置自动配肥决策模型，自动配肥决策模型用于基于如实施例1所述基于近红外光谱的肥液在线检测方法，控制进水管路4、施肥管路5和若干进肥结构运行，从而通过田间反馈、配肥容器的水位监测和肥液在线检测，实现施肥过程中多成分肥液的精准化、自动化配肥。
上述配肥系统，进一步地，所述配肥容器选用水肥融合桶2，便于简化水量与水位的换算关系，水肥融合桶2、近红外光谱检测装置1和总控台3底部设有移动车架9，用于实现系统整体转移。
上述配肥系统，进一步地，所述搅拌机构包括设置在水肥融合桶2上的搅拌步进电机801和由搅拌步进电机801驱动、在水肥融合桶2旋转的搅拌器802，用于通过搅拌器802的旋转加速固体肥料充分溶解于水中，提高肥液成分均匀性，以保障和提高配肥精度。
上述配肥系统，进一步地，如图5所示，所述近红外光谱检测装置1包括肥液检测流道101、肥液输送流道113、近红外光源102、近红外光谱仪103和MCU104，所述肥液检测流道101和肥液输送流道113均与施肥管路5连通，所述肥液输送流道113通过拐角形成缓冲部1011，使施肥管路5的肥液经过近红外光谱检测装置1时分流，小部分肥液减缓流速经较肥液输送流道113更窄的肥液输送流道113，为近红外光谱检测肥液主成分含量提供一个平稳的环境，大部分经较肥液输送流道113更宽的肥液输送流道113，以正常流速进入到田间。
进一步地，肥液检测流道101的内壁上方或下方管壁上分别设有第一光学镜片105、第二光学镜片106、第三光学镜片107和第四光学镜片108，目的在于避免光学镜片对肥液流道内的肥液流动造成影响，所述近红外光源102和近红外光谱仪103分别连接有电源，第一光学镜片105、第二光学镜片106、第三光学镜片107和第四光学镜片108用于将近红外光源102的光束多次汇聚和折射为近红外光谱仪103接收的W型光路112，用于扩大光线的偏折角，增大近红外光源102出射光线在光学镜片上的光点偏移量，提高近红外光谱仪103对光束信息的分辨率使红外光谱仪103收集到的光束信息更加准确，所述近红外光谱仪103用于对接收光束分光并传输至MCU104，所述MCU104通过通信总线12与总控台3通信，MCU104将收到的光谱数据进行如实施例1步骤S5的预处理后通过通信模块发送给总控台3，使控制台基于近红外光谱的肥液在线检测方法获取肥液各成分在线检测结果，满足作物高效精准化的配肥需求。
进一步地，所述近红外光源102选用LED灯或卤钨灯，LED灯节能、寿命长，卤钨灯发射出的光源在近红外区间范围内且使用成本较低，具备使用可靠、寿命较长的优点；近红外光源102的电源选用220v电源，用于保证LED灯或卤钨灯发射出足够的光照强度、保证光照强度的持续性和保证光线的均匀性。
上述配肥系统，进一步地，若干进肥结构包括三组肥料储存斗601、进肥步进电机和进肥轴602，所述三组肥料储存斗601设置在水肥融合桶2上，分别用于储存氮肥、磷肥和钾肥，所述进肥步进电机设置在肥料储存斗601与水肥融合桶2连接的开口处、用于驱动进肥轴602在肥料储存斗601内旋转，如图6所示，所述进肥轴602设有连接进肥步进电机电机轴的电机连接孔6022，所述进肥轴602上设有绕进肥轴602一周均匀间隔设置的三道肥料凹槽6021，通过肥料凹槽6021容纳肥料、过渡来自肥料存储斗里的固体肥料，以便根据作物所需固体肥量及种类需求计算进肥轴602旋转圈数，电机接收到总控台3发出的指令后带动旋转进肥轴602转动相应的角度使凹槽中的固体肥料被推入到水肥融合桶2中，以此来精准控制自动配肥的加肥量和加肥种类。
上述配肥系统，进一步地，所述进水管路4上设有第一电磁阀10，所述施肥管路5上设有第二电磁阀11，如图7所示，所述总控台3包括核心控制单元STM32F103C8T6、与核心控制单元连接的电源管理模块、通信模块、电磁阀驱动模块、电机驱动模块和水位传感模块，所述核心控制单元内置自动配肥决策模型，所述通信模块与近红外光谱检测装置1相连，所述电磁阀驱动模块与第一电磁阀10、第二电磁阀11相连，所述电机驱动模块与进肥结构和搅拌机构相连，所述水位传感模块与水位传感器7相连，核心控制单元实时监测水位和肥液成分信息、根据自动配肥决策模型进行决策，并转化为控制指令发送给第一电磁阀10和进肥步进电机，以此完成自动配肥和精准施肥。
上述配肥系统，进一步地，所述总控台3通过通信模块与田间监测站通信，田间监测站用于检测作物生长所需水量、所需肥液的各主成分含量，用于结合作物反馈信息把控施肥种类和施肥量，同时满足作物对不同营养成分的精准需求。
上述配肥系统在线检测肥液时在施肥管路5中肥液分流，一部分流向带缓冲部1011、＜10cm的窄肥液检测流道101、用于近红外光谱检测，可以减缓肥液流速、减少近红外光强的衰减、为近红外光谱检测提供了平稳的环境、使光束信息更加准确，另一部分流向宽肥液输送流道113正常流入田间，保证施肥效率；基于近红外光谱的配肥方法构建自动配肥决策模型，可以形成决策指令反馈控制进水管路4、施肥管路5和若干进肥结构运行，控制各进肥结构的进肥轴602旋转并通过肥料凹槽6021将相应比例的肥料推入到水肥融合桶2中，控制相应量的水流入配肥容器中，实现按需自动精准配肥。
实施例3：
本发明所述基于近红外光谱的配肥方法的一种较佳实施方式，基于实施例2所述基于近红外光谱的配肥系统，其方法包括以下步骤：
F0：总控台3与田间监测站通信，根据田间反馈获取作物生长所需水量W0、所需肥液的各主成分含量Yb，计算对应配肥容器的水位Hb＝W0/πR2，R为水肥融合桶2底面半径，依据Hb和Yb，总控台3通过电磁阀驱动模块控制第一电磁阀10开启、通过电机驱动模块控制相应进肥结构启动，在配肥容器中添加水和各肥料，总控台3通过电机驱动模块控制搅拌器802运行，混匀获得肥液，总控台3通过电磁阀驱动模块控制第二电磁阀11开启，肥液通过施肥管路5、分流经近红外光谱检测装置1的肥液检测流道101和肥液输送流道113、再汇流向田间施肥，总控台3驱动近红外光谱检测装置1启动在线检测，自动配肥决策模型的方法流程如图8所示；
F1：施肥时，总控台3通过通信模块接收近红外光谱检测装置1的预处理光谱数据，总控台3的核心控制单元如实施例1的步骤11，获取肥液各成分在线检测结果Ya，Ya包括肥液主成分氮含量Na、磷含量Pa、钾含量Ka；
F2：总控台3接收水位传感器7采集水肥融合桶2中的当前水位高度Ha；
F3：总控台3根据田间监测站的实时反馈更新当前作物生长所需水量W，所需肥液的各主成分含量Y′b，Y′b包括肥液主成分氮含量N′b、磷含量N′b、钾含量N′b；
F4：计算对应配肥容器的水位H’b＝W/πR2，R为水肥融合桶2底面半径；
F5：依据Ha<H’b是否成立判断配肥补充水量，并以此控制进水量：
①若Ha＞H’b成立，则停止进水，返回步骤F3更新H’b，重新计算；
②若Ha＝H’b成立，则不需要补充进水量，补充水量H＝H’b-Ha＝0；
③若Ha<Hb成立，则补充水量H＝H’b-Ha，总控台3通过水位传感器7的反馈控制第一电磁阀10启闭、控制进水；
F6：判断所需肥液氮成分含量和肥液检测流道101中肥液氮成分含量匹配度，依据Na<N′b否成立判断各肥料补充量：
①若Na＞N’b成立，供肥过量，需要减少供肥量，则回步骤F3更新N’b，重新计算；
②若Ha＝N’b成立，则不需要补充氮肥，氮肥补充量N＝N’b-Na＝0；
③若Na<N’b成立，供肥不足，则氮肥补充量N＝N’b-Na；
F7：根据固体肥料中氮成分的比例计算出所需固体氮肥的体积：VN＝N/MN，MN表示氮肥中氮成分的比例，％；
F8：计算储存氮肥的进肥机构中进肥轴602旋转圈数nN：
上式中V0表示进肥轴602三个凹槽的总体积即旋转进肥轴602旋转一圈能推入的氮肥体积，R1为该进肥机构的进肥轴602底面半径，R2为该进肥机构的进肥轴602底面电机连接孔6022半径，总控台3依据nN发送指令给电机驱动模块、控制该进肥机构的进肥步进电机运行，进行氮肥补充；
F9：同步骤F6-F8，判断所需肥液磷成分含量和肥液检测流道101中肥液磷成分含量匹配度，依据Pa<P′b否成立判断各肥料补充量，计算所需固体氮肥的体积VP、磷肥的进肥机构中进肥轴602旋转圈数nP，进行磷肥补充；
F10：同步骤F6-F8，判断所需肥液钾成分含量和肥液检测流道101中肥液钾成分含量匹配度，依据Ka<K′b否成立判断各肥料补充量，计算所需固体氮肥的体积VK、磷肥的进肥机构中进肥轴602旋转圈数nK，进行钾肥补充，结束。
上述配肥方法结合田间反馈更新的作物对不同营养成分和水分的需求、基于近红外光谱的肥液在线检测方法获取的肥液主成分含量，比较决策得到不同肥料的配肥含量和水量，能够实时地把控混合施用时的施肥种类和施肥量，可以同时满足作物对不同营养成分的精准需求、降低施肥成本，施肥时可以决策配肥、节省施肥时间。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。
Claims (10)
1.基于近红外光谱的肥液在线检测方法，其特征在于，其方法包括：
采集若干复合肥液样本，测定每个复合肥液样本主成分含量参数；
采用多次汇聚和折射的W型光路(112)测定肥液检测流道(101)内每个复合肥液样本的近红外光谱，并以此采集近红外光谱特征；
基于每个复合肥液样本主成分含量参数、近红外光谱特征构建训练集和验证集；
以近红外光谱特征作为输入、以复合肥液样本主成分含量参数作为输出，构建肥液成分预测模型；
基于训练集和验证集训练校正肥液成分预测模型；
基于W型光路(112)采集目标肥液的近红外光谱特征，计算校正的肥液成分预测模型，得到肥液成分在线检测结果。
2.根据权利要求1所述的基于近红外光谱的肥液在线检测方法，其特征在于，所述肥液检测流道(101)直径＜10cm；
采集近红外光谱特征时对近红外光谱预处理：采用均值中心化计算平均光谱；采用Savitzky-Golay卷积平滑算法去除噪声；采用标准正态变量变换SNV算法消除复合肥液样本或肥液表面散射光、光程变化对近红外光谱的影响；
采用ECARS算法对预处理后的近红外光谱进行特征波段选择、获得有效特征波长。
3.根据权利要求1所述的基于近红外光谱的肥液在线检测方法，其特征在于，所述肥液成分预测模型为Cn*m＝An*q*Bq*m+En*m，上式中Cn*m表示n个复合肥液样本的m个主成分含量参数矩阵，An*q表示n个复合肥液样本的q个近红外光谱特征矩阵，Bq*m表示校正系数矩阵，En*m表示预测光谱残差；依据决定系数R2趋近1，预测均方根误差RMSEP＜0.3训练校正肥液成分预测模型。
4.基于近红外光谱的配肥方法，其特征在于，其方法包括：
根据田间反馈获取作物生长所需水量对应配肥容器的水位Hb、所需肥液的各主成分含量Yb；
依据Hb和Yb，在配肥容器中添加水和各肥料，混匀获得肥液，经过肥液检测流道(101)施肥；
施肥时，根据田间反馈更新当前作物生长所需水量对应配肥容器的水位H’b，获取配肥容器中的当前水位Ha，依据Ha<H’b判断配肥补充水量，并以此控制进水量；
施肥时，基于权利要求1～3任意一项所述的基于近红外光谱的肥液在线检测方法获取肥液各成分在线检测结果Ya，根据田间反馈更新当前作物生长所需肥液的各主成分含量Y′b，获取依据Ya<Y′b判断各肥料补充量，并以此控制各肥料进量。
5.根据权利要求4所述的基于近红外光谱的配肥方法，其特征在于，若Ha＞H’b，则停止进水，返回更新H’b；若Ha≤H’b，则补充水量H＝H’b-Ha；
若Ya＞Y’b，则返回更新Y’b；若Ya≤Y’b，则各肥料补充含量Y＝Y’b-Ya，各肥料补充量V＝Y/M，M表示肥料中相应成分比例。
6.根据权利要求4所述的基于近红外光谱的配肥方法，其特征在于，采用设置在配肥容器上可以旋转的进肥轴(602)进肥，所述进肥轴(602)上设有若干绕进肥轴(602)一周间隔设置的肥料凹槽(6021)，依据各肥料补充量和肥料凹槽(6021)体积计算进肥轴(602)旋转圈数。
7.基于近红外光谱的配肥系统，其特征在于，包括配肥容器、近红外光谱检测装置(1)和总控台(3)，所述配肥容器连接有进水管路(4)、施肥管路(5)和若干进肥结构，配肥容器内设有与总控台(3)连接的水位传感器(7)和搅拌机构，所述近红外光谱检测装置(1)设置在施肥管路(5)上，近红外光谱检测装置(1)用于基于W型光路(112)采集目标肥液的近红外光谱并传输至总控台(3)；
所述总控台(3)用于基于如权利要求4所述基于近红外光谱的配肥方法构建自动配肥决策模型、控制进水管路(4)、施肥管路(5)和若干进肥结构运行。
8.根据权利要求7所述的基于近红外光谱的配肥系统，其特征在于，所述近红外光谱检测装置(1)包括肥液检测流道(101)、肥液输送流道(113)、近红外光源(102)、近红外光谱仪(103)和MCU(104)，所述肥液检测流道(101)和肥液输送流道(113)均与施肥管路(5)连通，所述肥液检测流道(101)包括缓冲部(1011)，肥液检测流道(101)内设有若干光学镜片，所述近红外光源(102)和近红外光谱仪(103)分别连接有电源，若干光学镜片用于将近红外光源(102)的光束多次汇聚和折射为近红外光谱仪(103)接收的W型光路(112)，所述近红外光谱仪(103)用于对接收光束分光并传输至MCU(104)，所述MCU(104)与总控台(3)通信。
9.根据权利要求7所述的基于近红外光谱的配肥系统，其特征在于，所述总控台(3)与田间监测站通信，田间监测站用于检测作物生长所需水量、所需肥液的各主成分含量。
10.根据权利要求7所述的基于近红外光谱的配肥系统，其特征在于，所述进水管路(4)上设有第一电磁阀(10)，所述施肥管路(5)上设有第二电磁阀(11)，所述总控台(3)包括核心控制单元、与核心控制单元连接的电源管理模块、通信模块、电磁阀驱动模块、电机驱动模块和水位传感模块，所述通信模块与近红外光谱检测装置(1)相连，所述电磁阀驱动模块与第一电磁阀(10)、第二电磁阀(11)相连，所述电机驱动模块与进肥结构和搅拌机构相连，所述水位传感模块与水位传感器(7)相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211279699.0A CN115479912A (zh) | 2022-10-19 | 2022-10-19 | 基于近红外光谱的肥液在线检测方法、配肥方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211279699.0A CN115479912A (zh) | 2022-10-19 | 2022-10-19 | 基于近红外光谱的肥液在线检测方法、配肥方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115479912A true CN115479912A (zh) | 2022-12-16 |
Family
ID=84395720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211279699.0A Pending CN115479912A (zh) | 2022-10-19 | 2022-10-19 | 基于近红外光谱的肥液在线检测方法、配肥方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115479912A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116223398A (zh) * | 2023-02-01 | 2023-06-06 | 广州华立学院 | 一种基于光谱分析的水肥药一体化浓度配比方法 |
-
2022
- 2022-10-19 CN CN202211279699.0A patent/CN115479912A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116223398A (zh) * | 2023-02-01 | 2023-06-06 | 广州华立学院 | 一种基于光谱分析的水肥药一体化浓度配比方法 |
| CN116223398B (zh) * | 2023-02-01 | 2023-11-03 | 广州华立学院 | 一种基于光谱分析的水肥药一体化浓度配比方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106998651B (zh) | 联合收割机 | |
| CN115479912A (zh) | 基于近红外光谱的肥液在线检测方法、配肥方法及系统 | |
| CN100458405C (zh) | 光谱流体分析器 | |
| RU2497110C2 (ru) | Система и способ онлайнового анализа и сортировки свойств свертывания молока | |
| CA2982026C (en) | Fodder mixing wagon | |
| CN103765198B (zh) | 自动分析装置及分析方法 | |
| CN110514618A (zh) | 全局全要素条件下多个不同规模化奶牛场粪水运移路线上氮磷含量的快速预测方法 | |
| JP6983709B2 (ja) | 分析システム、及び分析方法 | |
| IWEKA et al. | Online milk quality assessment during milking using near-infrared spectroscopic sensing system | |
| CN115885837A (zh) | 一种水耕栽培营养液流速试验装置及方法 | |
| KR20070107947A (ko) | 근적외선 분광 분석 시스템을 이용한 우유 중 요소태질소의분석방법 | |
| CN116508468A (zh) | 温室大棚环境监测与水肥一体化控制系统、平台及方法 | |
| CN108181243B (zh) | 一种水质在线分析仪自动校准装置的误差降低方法 | |
| CN106514891A (zh) | 一种基于条状原料胶制备混炼胶的三相物料橡胶连续混炼机 | |
| CN108106917A (zh) | 一种溶液混合池清洗干燥方法 | |
| CN207667571U (zh) | 一种液体混合设备 | |
| CN114935590B (zh) | 沼液水质在线监测装置、沼液精准化配肥还田系统及方法 | |
| CN109752205A (zh) | 播种机播种质量评价装置及方法 | |
| CN116773276A (zh) | 水煤浆性质在线检测装置及水煤浆生产线 | |
| CN106596431A (zh) | 基于光电比色法的氮磷钾水肥养分浓度在线检测装置 | |
| JP2000350517A (ja) | 作物の診断方法 | |
| JP2017032318A (ja) | 液体試料分析装置 | |
| CN113332897A (zh) | 一种营养液调配装置 | |
| CN105784636A (zh) | 一种化肥质量在线检测系统 | |
| JPH11196693A (ja) | 水耕栽培管理方法とその装置 |
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 |