CN117233114A - 一种基于多源数据融合的土壤养分自动检测装置及方法 - Google Patents
一种基于多源数据融合的土壤养分自动检测装置及方法 Download PDFInfo
- Publication number
- CN117233114A CN117233114A CN202311464728.5A CN202311464728A CN117233114A CN 117233114 A CN117233114 A CN 117233114A CN 202311464728 A CN202311464728 A CN 202311464728A CN 117233114 A CN117233114 A CN 117233114A
- Authority
- CN
- China
- Prior art keywords
- gas
- soil
- spectrum
- indexes
- valve
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 106
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 235000015097 nutrients Nutrition 0.000 title claims abstract description 53
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 34
- 238000004227 thermal cracking Methods 0.000 claims abstract description 33
- 238000005336 cracking Methods 0.000 claims abstract description 23
- 238000005406 washing Methods 0.000 claims abstract description 7
- 239000007789 gas Substances 0.000 claims description 74
- 230000003595 spectral effect Effects 0.000 claims description 16
- 239000010453 quartz Substances 0.000 claims description 14
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 14
- 229910052736 halogen Inorganic materials 0.000 claims description 11
- 150000002367 halogens Chemical class 0.000 claims description 11
- 239000002699 waste material Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000011261 inert gas Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000007873 sieving Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000007605 air drying Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 235000021049 nutrient content Nutrition 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000000197 pyrolysis Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000000227 grinding Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 abstract description 8
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 abstract description 8
- 229910052698 phosphorus Inorganic materials 0.000 abstract description 8
- 239000011574 phosphorus Substances 0.000 abstract description 8
- 229910052700 potassium Inorganic materials 0.000 abstract description 8
- 239000011591 potassium Substances 0.000 abstract description 8
- 238000007500 overflow downdraw method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000008786 sensory perception of smell Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 239000012495 reaction gas Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多源数据融合的土壤养分自动检测装置及方法，属于土壤养分检测技术领域。该装置包括：热裂解单元、光谱相机检测单元和控制系统，所述热裂解单元和光谱相机检测单元分别与控制系统连接；所述热裂解单元包括依次通过管道连接的进气洗气部、气体裂解部和反应部；本发明的多源数据融合方法弥补了单一电子鼻对土壤养分中的磷跟钾响应不敏感的问题，有效提升土壤养分的预测精度，基于多源数据融合的预测参数在土壤养分预测中具有很大的潜力。
Description
技术领域
本发明涉及土壤养分检测技术领域，尤其涉及一种基于多源数据融合的土壤养分自动检测装置及方法。
背景技术
土壤养分是土壤固相组成物的主要组分，是土壤肥力的重要指标。传统土壤养分检测多采用化学分析法，一般是通过计算土壤内有机碳所含CO2的量或计算有机碳被氧化时所耗去氧化剂的量来测定，属于直接检测方法，存在耗时长、操作复杂、易污染等缺点。间接检测方法有光谱仪检测法以及多光谱遥感图像检测法，前者使用手持式光谱仪对裸土进行测量，通过分析形成的光谱曲线间接检测土壤养分，易受环境影响，检测过程费时，且检测仪器价格昂贵；多光谱遥感图像检测法是通过获取卫星遥感图像，计算各种植被覆盖指数，从而间接表征土壤养分信息，该方法存在前期图像处理复杂、卫星遥感图像分辨率不够高、以植被指数间接表征土壤养分过于粗略等缺点导致检测准确率不高等缺点。
气味可以直接反映物质的特征信息，利用热裂解技术可以使土壤由大分子化合物裂解挥发成小分子化合物，构建具备对气体产生特异性响应的气体传感器阵列与信号处理模块、数据采集卡和上位机组成人工嗅觉装置，对裂解气体产生响应并对数据进行有效收集。专利号为201911264407.4的中国发明专利即公开了“一种基于热裂解和人工嗅觉的土壤养分检测装置”，该装置利用土壤气味特性实现和完成对土壤养分的定性、定量检测，但人工嗅觉装置对土壤中的钾和磷响应不强烈，导致后续对土壤养分的检测准确率不能达到较高水平。而土壤光谱反射率与土壤养分含量呈显著负相关，可以由土壤反射光谱特征的差异来反映土壤养分含量，且光谱对土壤中的金属物质钾跟磷的响应较为强烈，与人工嗅觉技术形成互补。因此我们提出一种快速、高效、自动化的土壤养分检测装置及方法。
发明内容
本发明的目的是通过提供一种使用光谱技术与人工嗅觉技术进行结合以实现对土壤养分进行检测的装置，能够以自动化的技术节约检测成本并极大的提高检测准确率。
为实现上述目的，首先，本发明提供了一种基于多源数据融合的土壤养分自动检测装置，具体技术方案如下：
一种基于多源数据融合的土壤养分自动检测装置，该装置包括：热裂解单元、光谱相机检测单元和控制系统，所述热裂解单元和光谱相机检测单元分别与控制系统连接；所述热裂解单元包括依次通过管道连接的进气洗气部、气体裂解部和反应部；
所述进气洗气部用于对反应结束后的气路进行清洗，其包括：惰性气瓶、气体流量计和微型真空气泵，所述惰性气瓶气体输出端与气体流量计一端连接，所述气体流量计另一端连接有三通阀，所述微型真空气泵与三通阀另一接口连接；所述气体流量计用于控制输入气体流量，所述微型真空气泵用于推动气体在气路管道中流动；
所述气体裂解部包括：热裂解炉和石英管，所述石英管布置在热裂解炉内，且石英管前端与所述三通阀最后一个接口连接，所述石英管后端连接有第一阀门；
所述反应部包括：冷凝管和反应气室，所述冷凝管前端与第一阀门连接，所述冷凝管后端通过第二阀门与反应气室气体输入端连接，所述反应气室内部为暗环境封闭体，包括：光源、光源探测器和电子鼻装置，所述反应气室远离气体输入端一侧连接有排废阀，用于排出气体；所述电子鼻装置由气体传感器阵列构成；
所述控制系统包括：第一信号处理电路、第二信号处理电路、数据采集卡、控制单元和上位机，所述光源探测器依次与第一信号处理电路和上位机串联，所述第一信号处理电路用于将光源探测器所采集的模拟信号进行处理转变后发送给上位机，所述电子鼻装置依次与第二信号处理电路、数据采集卡和上位机串联，所述上位机与控制单元连接，所述电子鼻装置检测的电信号由第二信号处理电路转换为数字信号后经数据采集卡上传至上位机；
所述光谱相机检测单元包括：暗箱，所述暗箱内顶部固定有多光谱相机、所述多光谱相机下方固定有放置台，所述放置台上放有土壤样本，所述多光谱相机两侧分别设有卤素灯，所述多光谱相机和两个卤素灯分别与控制单元连接。
优选的，所述气体流量计和微型真空气泵分别控制单元连接，用于控制二者开关。
优选的，所述三通阀、第一阀门、第二阀门和排废阀分别与控制单元连接，用于控制各阀门启停时间。
优选的，所述热裂解炉与控制单元连接，用于控制其开关、裂解温度和裂解时间，所述裂解温度为400℃-500℃，裂解时间为3分钟。
优选的，所述光源与控制单元连接，用于控制其开关。
另外，本发明还提供了一种基于多源数据融合的土壤养分自动检测方法，包括以下步骤：
步骤一：采集土壤样本，风干、碾碎和过筛处理；
步骤二：将土壤样本均分为三份，其中一份使用化学法检测得到土壤养分的含量真实值；
步骤三：将步骤二中所述一份土壤样本放入暗箱内的放置台上，由卤素灯提供唯一光源，使用多光谱相机拍摄土壤的多光谱图像；
步骤四：将步骤二中所述另一份土壤样本放入石英管中，启动热裂解炉至400℃-500℃，裂解3分钟后，土壤样本由热裂解炉裂解成气体，通过微型真空气泵将气体经冷凝管后推入反应气室进行反应，反应后第一信号处理电路连接至上位机获取光谱曲线，第二信号处理电路经数据采集卡接至上位机获取响应曲线；
步骤五：对步骤二中获得的光谱图像进行ROI提取并计算9个光谱指数；对步骤三中获得的光谱曲线进行离散小波变换处理并计算4个光谱指数；对土壤嗅觉响应曲线进行有效响应段截取并提取7种特征；将上述光谱图像计算所得9个光谱指数、光谱曲线计算所得4个光谱指数和土壤嗅觉响应曲线提取的7种特征进行融合作为原始特征输入量，构建融合特征空间，使用MCCV对融合特征空间异常样本进行识别，然后使用GA-BP算法对特征空间进行特征优化；
步骤六：使用PLSR模式识别算法，构建特征输入量与土壤养分含量真实值之间的回归预测模型。
优选的，步骤三中所述的多光谱相机波长范围为434 - 866nm，所述多光谱相机有6个波段，包括红边、近红外、绿光、可见光、红光、蓝光。
优选的，所述步骤五中光谱图像的9个指数分别为颜色指数、归一化差异植被指数、红外百分比植被指数、归一化差值红边、土壤调整植被指数、植被指数、归一化差分植被指数、差分植被指标和转换植被指数；所述光谱曲线的4个指数为比值指数、归一化指数、重归一化植被指数、修正简单比值指数；所述响应曲线的7种响应特征为平均微分系数、第七秒瞬态、响应最大面积、最大值、平均值、最大梯度、方差值。
优选的，所述步骤六中构建的PLSR模型对土壤养分的预测精度使用决定系数、均方根误差和绝对平均误差评估。
本发明的有益效果
本发明利用热裂解炉结合光谱气体检测技术和电子鼻气味敏感技术构建反应气室，以获取土壤复杂气味成分的响应信号，同时结合光谱图像技术进行融合检测土壤养分信息，与单一使用电子鼻获取特征进行土壤养分检测相比，能在同等环境下获取更丰富的气体响应特征，使检测精度大大提高，从而奠定土壤复杂气味成分检测的特征基础。
另外，本发明以继电器和32单片机为硬件支撑，对土壤养分检测装置全过程进行自动控制，改变了传统电子鼻系统检测土壤养分的结构和手段，结合信号处理电路以及上位机构建检测模型形成自动化检测，节约检测时间跟成本，为未来土壤养分检测提供新思路。
附图说明
图1为本发明提供的土壤养分检测装置总体结构示意图；
图2为本发明提供的反应气室内部结构示意图；
图3为本发明提供的控制单元结构示意图；
图4为本发明提供的基于融合特征的土壤养分检测方法流程图；
图5为本发明提供的单一电子鼻方法对速效磷进行检测建模的结果图；
图6为本发明提供的本申请中土壤养分检测方法对速效磷进行检测建模的结果图；
图7为本发明提供的单一电子鼻方法对有效钾进行检测建模的结果图；
图8为本发明提供的本申请中土壤养分检测方法对有效钾进行检测建模的结果图。
图中，
1、惰性气瓶；2、气体流量计；3、三通阀；4、微型真空气泵；5、热裂解炉；6、石英管；7、第一阀门；8、冷凝管；9、第二阀门；10、反应气室；11、光源；12、光源探测器；13、电子鼻装置；14、排废阀；15、第一信号处理电路；16、第二信号处理电路；17、数据采集卡；18、控制单元；19、上位机；20、暗箱；21、多光谱相机；22、土壤样本；23、放置台；24、卤素灯。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明进一步的详细介绍。
需要说明的是，本文所使用的的术语“上”、“一侧”、“前端”、“后端”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，类似的表述只是为了说明的目的，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，因此不能理解为对发明的限制。
参见图1-8所示：
首先，本发明提供了一种基于多源数据融合的土壤养分自动检测装置，该装置包括：热裂解单元、光谱相机检测单元和控制系统，所述热裂解单元和光谱相机检测单元分别与控制系统连接；所述热裂解单元包括依次通过管道连接的进气洗气部、气体裂解部和反应部；
所述进气洗气部用于对反应结束后的气路进行清洗，其包括：惰性气瓶1、气体流量计2和微型真空气泵4，所述惰性气瓶1气体输出端与气体流量计2一端连接，所述气体流量计2另一端连接有三通阀3，所述微型真空气泵4与三通阀3另一接口连接；所述气体流量计2用于控制输入气体流量，所述微型真空气泵4用于推动气体在气路管道中流动；优选的，所述气体流量计2和微型真空气泵4分别与控制单元18连接，用于控制二者开关。
所述气体裂解部包括：热裂解炉5和石英管6，所述石英管6布置在热裂解炉5内，且石英管6前端与所述三通阀3最后一个接口连接，所述石英管6后端连接有第一阀门7；优选的，所述热裂解炉5与控制单元18连接，用于控制其开关、裂解温度和裂解时间，所述裂解温度为400℃-500℃，裂解时间为3分钟。具体的，所述控制单元18通过NTC温度传感器感知温度。
所述反应部包括：冷凝管8和反应气室10，所述冷凝管8前端与第一阀门7连接，所述冷凝管8后端通过第二阀门9与反应气室10气体输入端连接，所述反应气室10内部为暗环境封闭体，包括：光源11、光源探测器12和电子鼻装置13，所述反应气室10远离气体输入端一侧连接有排废阀14，用于排出气体；所述电子鼻装置13由气体传感器阵列构成，所述气体传感器阵列是基于使用10个MOS气体传感器的MAS阵列的人工嗅觉装置。优选的，所述三通阀3、第一阀门7、第二阀门9和排废阀14分别与控制单元18连接，用于控制各阀门启停时间。优选的，所述光源11与控制单元18连接，用于控制其开关。
所述控制系统包括：第一信号处理电路15、第二信号处理电路16、数据采集卡17、控制单元18和上位机19，所述光源探测器12依次与第一信号处理电路15和上位机19串联，所述第一信号处理电路15用于将光源探测器12所采集的模拟信号进行处理转变后发送给上位机19，所述电子鼻装置13依次与第二信号处理电路16、数据采集卡17和上位机19串联，所述上位机19与整个气路的控制单元18连接，所述电子鼻装置13检测的电信号由第二信号处理电路16转换为数字信号后经数据采集卡17上传至上位机19；具体的，所述控制单元18包括：9个继电器和32单片机。使用继电器控制用电器，当到设定的阈值时，32单片机给继电器一个高电平，控制用电器的开关，如图1所示，其中k1同时控制微型真空气泵4和第一阀门7，k2控制第二阀门9的开关，k3控制光源11的开关，k4控制排废阀14的开关，k5控制热裂解炉的开关以及裂解的温度和时间，k6控制三通阀3，根据检测进程调整所述三通阀3的不同开关组合，k7控制气体流量计2的开关，k8控制多光谱相机21，k9控制卤素灯24的开关。
所述光谱相机检测单元包括：暗箱20，所述暗箱20内顶部固定有多光谱相机21、所述多光谱相机21下方固定有放置台23，所述放置台23上放有土壤样本22，所述多光谱相机21两侧分别设有卤素灯24，所述多光谱相机21和两个卤素灯24分别与控制单元18连接。
另外，本发明还提供一种基于多源数据融合的土壤养分自动检测方法，包括以下步骤：
步骤一：在中国吉林省各个地区采样点采集121份土壤样本，对土壤样本进行自然风干、碾碎和过筛处理。优选的，土壤样本采集深度为0-20cm，在采样点半径2m内以S型布点采集11份土壤合成一份土壤样本，过筛处理中使用0.5mm的筛子。
步骤二：将土壤样本均分为三份，其中一份，使用化学法检测土壤养分的含量真实值；
步骤三：将步骤二中所述一份土壤样本放入放入培养皿中并将其表面刮平，将装有土壤样本的培养皿放置在暗箱20内的放置台23上，由卤素灯24提供唯一光源，使用多光谱相机21拍摄土壤的多光谱图像；优选的，所述多光谱相机21波长范围为434 - 866nm，所述多光谱相机21有6个波段，包括红边（RE）、近红外（NIR）、绿光（G）、可见光（RGB）、红光（R）、蓝光（B），拍摄时相机到土壤的距离为18cm。
步骤四：将步骤二中所述另一份土壤样本放入石英管6中，启动热裂解炉5至400℃-500℃，裂解3分钟后，土壤样本由热裂解炉5裂解成气体，之后打开三通阀3和第一阀门7，由微型真空气泵4将气体推至冷凝管8，经过2分钟的冷却时间后打开第二阀门9继续将气体推至反应气室10，此时电子鼻装置13与气体发生发应，当出现响应信号时，打开光源11与气体进行反应，并由光源探测器12接收反应后的光信号，经第一信号处理电路15上传至上位机19获取光谱曲线，经第二信号处理电路16经数据采集卡17接至上位机19获取响应曲线。至此，反应结束，打开排废阀14和气体流量计2，以惰性气瓶1的气体对气路进行清洗，时间设置为3分钟，之后进行第二次气体检测。
步骤五：对步骤二中获得的光谱图像进行ROI提取并计算9个光谱指数；对步骤三中获得的光谱曲线进行离散小波变换处理并计算4个光谱指数；对土壤嗅觉响应曲线进行有效响应段截取并提取7种特征；将上述光谱图像计算所得9个光谱指数、光谱曲线计算所得4个光谱指数和土壤嗅觉响应曲线提取的7种特征进行融合作为原始特征输入量，构建121×84的融合特征空间，使用MCCV对融合特征空间异常样本进行识别，然后使用GA-BP算法对特征空间进行特征优化；优选的，所述光谱图像的9个指数分别为颜色指数（CI）、归一化差异植被指数（NDVI）、红外百分比植被指数（IPVI）、归一化差值红边（NDRE）、土壤调整植被指数（SAVI）、植被指数（VI）、归一化差分植被指数（GNDVI）、差分植被指标（DVI）和转换植被指数（TVI），计算公式如下：
CI=(R-G)/(R+G)
NDVI=(NIR-R)/(NIR+R)
IPVI=1/2(NDVI+1)
NDRE=(NIR-RE)/(NIR+RE)
SAVI=((NIR-R)×(1+0.5))/(NIR-R+0.5)
VI=NIR/R
GNDVI=(NIR-G)/(NIR+G)
DVI=NIR-R
TVI=(NDVI+0.5)1/2×100
光谱曲线的4个指数为比值指数（FRI）、归一化指数(FNDI)、重归一化植被指数(FRDVI)、修正简单比值指数(FMSR)；7种响应特征为平均微分系数（Vmdc）、第七秒瞬态（V7s）、响应最大面积（Vrav）、最大值（Vmax）、平均值（Vmean）、最大梯度（Vmgv）、方差值（Vvav）。
步骤六：使用PLSR模式识别算法，构建特征输入量与土壤养分含量真实值之间的回归预测模型。优选的，所述构建的PLSR模型对土壤养分的预测精度使用决定系数（R2）、均方根误差（RMSE）和绝对平均误差（MAE）评估。
对比例1
图5、图7和图6、图8分别为以单一电子鼻方法和本发明方法分别对土壤养分中的主要养分速效磷跟有效钾进行检测并使用PLSR进行建模的结果，单一电子鼻方法对速效磷检测的结果R2、RMSE和MAE分别为0.5817、4.6866和3.8783（图5），对有效钾检测的结果R2、RMSE和MAE分别为0.7882、24.3034和18.8399（图7），检测精度较低，误差较大，本发明方法对速效磷检测的结果R2、RMSE和MAE分别为0.6899、3.9109和3.1265（图6），对有效钾检测的的结果R2、RMSE和MAE分别为0.8919、18.4951和14.6984（图8），检测精度各提升了10个百分点，误差有所降低。本发明的多源数据融合方法克服了传统化学检测方法高成本、破坏力强，单一电子鼻方法检测精度不高等缺点，为土壤养分的快速、高效、低破坏力检测提供了较为可靠的参考方法。
Claims (9)
1.一种基于多源数据融合的土壤养分自动检测装置，其特征在于，该装置包括：热裂解单元、光谱相机检测单元和控制系统，所述热裂解单元和光谱相机检测单元分别与控制系统连接；所述热裂解单元包括依次通过管道连接的进气洗气部、气体裂解部和反应部；
所述进气洗气部用于对反应结束后的气路进行清洗，其包括：惰性气瓶（1）、气体流量计（2）和微型真空气泵（4），所述惰性气瓶（1）气体输出端与气体流量计（2）一端连接，所述气体流量计（2）另一端连接有三通阀（3），所述微型真空气泵（4）与三通阀（3）另一接口连接；所述气体流量计（2）用于控制输入气体流量，所述微型真空气泵（4）用于推动气体在气路管道中流动；
所述气体裂解部包括：热裂解炉（5）和石英管（6），所述石英管（6）布置在热裂解炉（5）内，且石英管（6）前端与所述三通阀（3）最后一个接口连接，所述石英管（6）后端连接有第一阀门（7）；
所述反应部包括：冷凝管（8）和反应气室（10），所述冷凝管（8）前端与第一阀门（7）连接，所述冷凝管（8）后端通过第二阀门（9）与反应气室（10）气体输入端连接，所述反应气室（10）内部为暗环境封闭体，包括：光源（11）、光源探测器（12）和电子鼻装置（13），所述反应气室（10）远离气体输入端一侧连接有排废阀（14），用于排出气体；所述电子鼻装置（13）由气体传感器阵列构成；
所述控制系统包括：第一信号处理电路（15）、第二信号处理电路（16）、数据采集卡（17）、控制单元（18）和上位机（19），所述光源探测器（12）依次与第一信号处理电路（15）和上位机（19）串联，所述第一信号处理电路（15）用于将光源探测器（12）所采集的模拟信号进行处理转变后发送给上位机（19），所述电子鼻装置（13）依次与第二信号处理电路（16）、数据采集卡（17）和上位机（19）串联，所述上位机（19）与控制单元（18）连接，所述电子鼻装置（13）检测的电信号由第二信号处理电路（16）转换为数字信号后经数据采集卡（17）上传至上位机（19）；
所述光谱相机检测单元包括：暗箱（20），所述暗箱（20）内顶部固定有多光谱相机（21）、所述多光谱相机（21）下方固定有放置台（23），所述放置台（23）上放有土壤样本（22），所述多光谱相机（21）两侧分别设有卤素灯（24），所述多光谱相机（21）和两个卤素灯（24）分别与控制单元（18）连接。
2.根据权利要求1所述一种基于多源数据融合的土壤养分自动检测装置，其特征在于，所述气体流量计（2）和微型真空气泵（4）分别控制单元（18）连接，用于控制二者开关。
3.根据权利要求1所述一种基于多源数据融合的土壤养分自动检测装置，其特征在于，所述三通阀（3）、第一阀门（7）、第二阀门（9）和排废阀（14）分别与控制单元（18）连接，用于控制各阀门启停时间。
4.根据权利要求1所述一种基于多源数据融合的土壤养分自动检测装置，其特征在于，所述热裂解炉（5）与控制单元（18）连接，用于控制其开关、裂解温度和裂解时间，所述裂解温度为400℃-500℃，裂解时间为3分钟。
5.根据权利要求1所述一种基于多源数据融合的土壤养分自动检测装置，其特征在于，所述光源（11）与控制单元（18）连接，用于控制其开关。
6.一种基于多源数据融合的土壤养分自动检测方法，其特征在于，采用了如权利要求1-5中任意一项所述的土壤养分自动检测装置，包括以下步骤：
步骤一：采集土壤样本，风干、碾碎和过筛处理；
步骤二：将土壤样本均分为三份，其中一份使用化学法检测得到土壤养分的含量真实值；
步骤三：将步骤二中所述一份土壤样本放入暗箱（20）内的放置台（23）上，由卤素灯（24）提供唯一光源，使用多光谱相机（21）拍摄土壤的多光谱图像；
步骤四：将步骤二中所述另一份土壤样本放入石英管（6）中，启动热裂解炉（5）至400℃-500℃，裂解3分钟后，土壤样本由热裂解炉（5）裂解成气体，通过微型真空气泵（4）将气体经冷凝管（8）后推入反应气室（10）进行反应，反应后第一信号处理电路（15）连接至上位机（19）获取光谱曲线，第二信号处理电路（16）经数据采集卡（17）接至上位机（19）获取响应曲线；
步骤五：对步骤二中获得的光谱图像进行ROI提取并计算9个光谱指数；对步骤三中获得的光谱曲线进行离散小波变换处理并计算4个光谱指数；对土壤嗅觉响应曲线进行有效响应段截取并提取7种特征；将上述光谱图像计算所得9个光谱指数、光谱曲线计算所得4个光谱指数和土壤嗅觉响应曲线提取的7种特征进行融合构建融合特征空间，使用MCCV对融合特征空间异常样本进行识别，然后使用GA-BP算法对特征空间进行特征优化；
步骤六：使用PLSR模式识别算法，构建特征输入量与土壤养分含量真实值之间的回归预测模型。
7.根据权利要求6所述一种基于多源数据融合的土壤养分自动检测方法，其特征在于，步骤三中所述的多光谱相机（21）波长范围为434 - 866nm，所述多光谱相机（21）有6个波段，包括红边、近红外、绿光、可见光、红光、蓝光。
8.根据权利要求6所述一种基于多源数据融合的土壤养分自动检测方法，其特征在于，所述步骤五中光谱图像的9个指数分别为颜色指数、归一化差异植被指数、红外百分比植被指数、归一化差值红边、土壤调整植被指数、植被指数、归一化差分植被指数、差分植被指标和转换植被指数；所述光谱曲线的4个指数为比值指数、归一化指数、重归一化植被指数、修正简单比值指数；所述响应曲线的7种响应特征为平均微分系数、第七秒瞬态、响应最大面积、最大值、平均值、最大梯度、方差值。
9.根据权利要求6所述一种基于多源数据融合的土壤养分自动检测方法，其特征在于，所述步骤六中构建的PLSR模型对土壤养分的预测精度使用决定系数、均方根误差和绝对平均误差评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311464728.5A CN117233114B (zh) | 2023-11-07 | 2023-11-07 | 一种基于多源数据融合的土壤养分自动检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311464728.5A CN117233114B (zh) | 2023-11-07 | 2023-11-07 | 一种基于多源数据融合的土壤养分自动检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117233114A true CN117233114A (zh) | 2023-12-15 |
| CN117233114B CN117233114B (zh) | 2024-01-30 |
Family
ID=89086301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311464728.5A Active CN117233114B (zh) | 2023-11-07 | 2023-11-07 | 一种基于多源数据融合的土壤养分自动检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117233114B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118275392A (zh) * | 2024-06-04 | 2024-07-02 | 吉林农业大学 | 一种基于滑动可调光学腔的多土壤养分含量自动检测装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6449045B1 (en) * | 2000-05-01 | 2002-09-10 | Xerox Corporation | System and method from reconstruction of spectral curves using measurements for a color sensor and statistical techniques |
| CN102788794A (zh) * | 2012-07-30 | 2012-11-21 | 江苏大学 | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 |
| CN103278464A (zh) * | 2013-04-18 | 2013-09-04 | 北京工商大学 | 鱼肉检测方法和装置 |
| CN109669023A (zh) * | 2018-12-05 | 2019-04-23 | 浙江大学 | 一种基于多传感器融合的土壤属性预测方法 |
| CN110954572A (zh) * | 2019-11-28 | 2020-04-03 | 吉林大学 | 一种基于热裂解和人工嗅觉的土壤养分检测装置 |
| CN110954532A (zh) * | 2019-11-28 | 2020-04-03 | 吉林大学 | 一种基于可视嗅觉的土壤养分检测装置 |
| CN114018833A (zh) * | 2021-11-07 | 2022-02-08 | 福建师范大学 | 基于高光谱遥感技术估算土壤重金属含量的方法 |
| CN114965284A (zh) * | 2022-05-07 | 2022-08-30 | 重庆邮电大学 | 基于光热光谱移频干涉的光纤分布式气体检测系统及方法 |
| CN115656276A (zh) * | 2022-09-30 | 2023-01-31 | 吉林大学 | 一种基于zynq和机器嗅觉的土壤养分自动检测系统 |
| CN116026787A (zh) * | 2023-03-29 | 2023-04-28 | 湖南汇湘轩生物科技股份有限公司 | 一种香精品级检测方法及系统 |
| US20230141978A1 (en) * | 2020-01-23 | 2023-05-11 | East China University Of Science And Technology | Method for multi-information fusion of gas sensitivity and chromatography and on-site detection and analysis of flavor substances based on electronic nose instrument |
| US20230177330A1 (en) * | 2020-04-22 | 2023-06-08 | Opti-Harvest, Inc. | Agricultural data integration and analysis platform |
-
2023
- 2023-11-07 CN CN202311464728.5A patent/CN117233114B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6449045B1 (en) * | 2000-05-01 | 2002-09-10 | Xerox Corporation | System and method from reconstruction of spectral curves using measurements for a color sensor and statistical techniques |
| CN102788794A (zh) * | 2012-07-30 | 2012-11-21 | 江苏大学 | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 |
| CN103278464A (zh) * | 2013-04-18 | 2013-09-04 | 北京工商大学 | 鱼肉检测方法和装置 |
| CN109669023A (zh) * | 2018-12-05 | 2019-04-23 | 浙江大学 | 一种基于多传感器融合的土壤属性预测方法 |
| CN110954572A (zh) * | 2019-11-28 | 2020-04-03 | 吉林大学 | 一种基于热裂解和人工嗅觉的土壤养分检测装置 |
| CN110954532A (zh) * | 2019-11-28 | 2020-04-03 | 吉林大学 | 一种基于可视嗅觉的土壤养分检测装置 |
| US20230141978A1 (en) * | 2020-01-23 | 2023-05-11 | East China University Of Science And Technology | Method for multi-information fusion of gas sensitivity and chromatography and on-site detection and analysis of flavor substances based on electronic nose instrument |
| US20230177330A1 (en) * | 2020-04-22 | 2023-06-08 | Opti-Harvest, Inc. | Agricultural data integration and analysis platform |
| CN114018833A (zh) * | 2021-11-07 | 2022-02-08 | 福建师范大学 | 基于高光谱遥感技术估算土壤重金属含量的方法 |
| CN114965284A (zh) * | 2022-05-07 | 2022-08-30 | 重庆邮电大学 | 基于光热光谱移频干涉的光纤分布式气体检测系统及方法 |
| CN115656276A (zh) * | 2022-09-30 | 2023-01-31 | 吉林大学 | 一种基于zynq和机器嗅觉的土壤养分自动检测系统 |
| CN116026787A (zh) * | 2023-03-29 | 2023-04-28 | 湖南汇湘轩生物科技股份有限公司 | 一种香精品级检测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| DONGE ZHAO等: "Research on Camouflage Recognition in Simulated Operational Environment Based on Hyperspectral Imaging Technology", JOURNAL OF SPECTROSCOPY * |
| SHI Y等: "A data fusion method of electronic nose and hyperspectral to identify the origin of rice", ENSORS AND ACTUATORS A_ PHYSICAL * |
| 李名伟等: "基于热裂解和电子鼻的土壤全氮检测方法及特征优化", 农业工程学报, vol. 37, no. 12 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118275392A (zh) * | 2024-06-04 | 2024-07-02 | 吉林农业大学 | 一种基于滑动可调光学腔的多土壤养分含量自动检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117233114B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117233114B (zh) | 一种基于多源数据融合的土壤养分自动检测装置及方法 | |
| CN101915738B (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
| Giovenzana et al. | Rapid evaluation of craft beer quality during fermentation process by vis/NIR spectroscopy | |
| CN110441248B (zh) | 基于高光谱图像技术的窖泥水分预测模型建立的方法 | |
| Liu et al. | Research on moisture content detection method during green tea processing based on machine vision and near-infrared spectroscopy technology | |
| CN102042968B (zh) | 粮食品质近红外快速检测无线系统 | |
| CN104697943B (zh) | 一种油菜水分胁迫的无损检测方法 | |
| CN103278460B (zh) | 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法 | |
| CN205352932U (zh) | 一种便携式农药残留检测系统 | |
| CN109557003B (zh) | 一种农药沉积量检测方法、装置及数据采集组合装置 | |
| CN112285504A (zh) | 多谱段日盲窄带紫外成像仪及其检测不同放电状态的方法 | |
| CN112130316B (zh) | 多通道多谱段滤光片结构及其应用、方法 | |
| CN110726474A (zh) | 一种地物超光谱高频观测系统及光谱观测方法 | |
| CN105203464A (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
| CN105738302B (zh) | 植株生长周期叶绿素含量高精度自动化测量装置及测定方法 | |
| CN105866050A (zh) | 一种低成本苹果霉心病无损快速检测设备 | |
| CN103278503A (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
| CN102564997A (zh) | 一种家庭用近红外食品品质检测装置 | |
| CN108801975A (zh) | 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法 | |
| CN111272662A (zh) | 一种基于遥感光谱的城市黑臭水体识别方法 | |
| CN114705632B (zh) | 一种利用卫星遥感反射率估算水库营养状态指数的方法 | |
| CN107036999A (zh) | 一种基于近红外光谱及化学计量学的五元调和油定量分析方法 | |
| CN112881310A (zh) | 一种柑橘黄龙病田间智能早期诊断光谱仪 | |
| CN112945900B (zh) | 一种快速检测莪术质量的检测模型及方法 | |
| CN110954572B (zh) | 一种基于热裂解和人工嗅觉的土壤养分检测装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |