CN215493141U - 一种土壤养分光谱测量装置 - Google Patents
一种土壤养分光谱测量装置 Download PDFInfo
- Publication number
- CN215493141U CN215493141U CN202121761311.1U CN202121761311U CN215493141U CN 215493141 U CN215493141 U CN 215493141U CN 202121761311 U CN202121761311 U CN 202121761311U CN 215493141 U CN215493141 U CN 215493141U
- Authority
- CN
- China
- Prior art keywords
- soil
- spectrum
- measuring device
- soil nutrient
- detection 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.)
- Expired - Fee Related
Links
- 239000002689 soil Substances 0.000 title claims abstract description 108
- 235000015097 nutrients Nutrition 0.000 title claims abstract description 38
- 230000003595 spectral effect Effects 0.000 title claims description 18
- 238000005259 measurement Methods 0.000 title claims description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000005527 soil sampling Methods 0.000 claims abstract description 12
- 239000012535 impurity Substances 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 4
- 238000007873 sieving Methods 0.000 claims description 4
- 239000011521 glass Substances 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 abstract description 14
- 230000009466 transformation Effects 0.000 abstract description 10
- 238000011897 real-time detection Methods 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004856 soil analysis Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 238000013526 transfer learning Methods 0.000 description 8
- 235000021049 nutrient content Nutrition 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000009614 chemical analysis method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000002894 chemical waste Substances 0.000 description 1
- 238000012569 chemometric method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 125000003003 spiro group Chemical group 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本实用新型公开了一种土壤养分光谱测量装置，涉及土壤分析技术领域，设置取土装置，进行筛除土样杂质并收集，通过在测土装置内安装光谱检测模块，光谱检测模块内设置电源、内置光源和微型光谱仪芯片，实现土壤的光谱检测以及对光谱数据进行光谱变换，并将光谱变换后结果发送至主控模块进行处理和显示；本实用新型提供的一种土壤养分光谱测量装置，用于提高原位土土壤光谱检测的准确性，实现对原位土土壤养分快速、无损以及实时地检测。
Description
技术领域
本实用新型涉及土壤分析技术领域，特别涉及一种土壤养分光谱测量装置。
背景技术
土壤为农作物的生长提供了营养物质和水分，检测土壤中的氮、磷、钾、硼等养分含量，对作物的精准施肥和环境保护具有重要意义。传统手段用化学分析方法测定土壤养分含量，但此方法的成本高、效率低，而且测量周期长、费时费力，还会产生污染环境的化学废物，无法实现对土壤养分含量的快速检测。
而近红外光谱(Near-infrared spectroscopy，NIRS)是一种绿色环保、快速无损的分析技术，优点是不使用化学试剂、无污染、操作简单、稳定性高。将化学计量学方法和近红外光谱技术的结合可以实现对样品的定性和定量分析，因此近年来在土壤养分的快速检测领域得到了非常广泛的应用，正逐步取代传统的化学分析方法。
目前已有用近红外光谱仪测量土壤光谱，主要是将土壤运回实验室进行风干过筛研磨处理后采集光谱，再结合机器学习方法对土壤养分进行建模预测，但这种方法不仅成本高、效率低，还不能实现对土壤养分的快速、无损和实时检测。
针对上述问题，本申请提出一种土壤养分光谱测量装置，用于提高原位土土壤光谱检测的准确性，实现对原位土土壤养分快速、无损以及实时地检测。
实用新型内容
本实用新型的目的在于提供一种土壤养分光谱测量装置，用于提高原位土土壤光谱检测的准确性，实现对原位土土壤养分快速、无损以及实时地检测。
本实用新型提供了一种土壤养分光谱测量装置，包括：
取土钻头，所述取土钻头端部连接管件，所述管件内依次设置过筛器和测土盒，用于筛除杂质和收集待测土样；
光谱检测模块设在所述管件内，主控模块与所述光谱检测模块连接，光谱检测模块通过光纤连接反射探头，所述反射探头连接所述测土盒表面的载玻片。
进一步地，所述管件表面设置USB接口，所述USB接口连接在所述主控模块与光谱检测模块之间。
进一步地，所述管件表面设置替换口，所述替换口内设置螺杆，所述螺杆与垫圈外部安装的螺圈螺接，所述垫圈内部填充筛网。
进一步地，所述测土盒表面设置USB发热片，所述USB发热片与内置电源电连接。
进一步地，所述管件端部设置横轴把手。
进一步地，所述横轴把手外部设置终端安装座，所述终端安装座内安装主控模块和显示模块。
进一步地，所述光谱检测模块内设置电源、内置光源和微型光谱仪芯片，所述内置光源和微型光谱仪芯片均与电源电连接。
与现有技术相比，本实用新型具有如下显著优点：
本实用新型提供了一种土壤养分光谱测量装置，设置取土装置，进行筛除土样杂质并收集，通过在取土装置内安装光谱检测模块，光谱检测模块内设置电源、内置光源、微型光谱仪芯片，实现土壤的光谱检测以及对光谱数据进行光谱变换，并将光谱变换后的结果发送至主控模块进行处理和显示；本实用新型提供的一种土壤养分光谱测量装置，用于提高原位土土壤光谱检测的准确性，实现对原位土土壤养分快速、无损以及实时地检测。
附图说明
图1为本实用新型实施例提供的检测系统结构图；
图2为本实用新型实施例提供的测土装置连接结构图；
图3为本实用新型实施例提供的筛网结构图。
附图标记说明：1-取土钻头，2-管件，3-过筛器，4-测土盒，5-横轴把手，6-测土装置，7-USB接口，8-光纤，9-反射探头，10-螺杆，11-螺圈，12-垫圈，13-筛网。
具体实施方式
下面结合本实用新型中的附图，对本实用新型实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本实用新型的一部分实施例，而不是全部实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本实用新型保护的范围。
参照图1-图3，一种土壤养分光谱测量装置，包括：
取土装置，包括取土钻头1，所述取土钻头1端部连接管件2，顺势将土样输送入输送管件2，所述管件2内依次设置过筛器3和测土盒4，用于将土样进行体积筛选，小颗粒的土样经过筛分后进入输送测土盒4，所述测土盒4表面设置USB发热片，所述USB发热片与内置电源电连接，用于加热烘干输送测土盒4内部的土样，便于检测，所述管件2端部设置横轴把手5，便于向下施力使得所述取土钻头1获取土样；所述横轴把手5外部设置终端安装座，用于固定终端。
测土装置6，固定在所述管件2内，所述管件2表面设置与所述测土装置6连接的USB接口7，通过USB接口7与固定的终端(如手机)进行连接，或者通过USB接口7与电源连接，手机用于作为主控模块，安装了基于迁移学习的土壤养分光谱检测系统软件，软件中存储有基于迁移学习算法TCA的不同类型土壤养分与光谱反射率的回归模型，来实时获取当前被测原位土土壤通过TCA光谱变换后的光谱反射率数据，再调用手机安装的系统中基于迁移学习算法TCA的不同类型土壤养分与光谱反射率的回归模型，实现对当前被测土壤养分的实时预测，最终结果显示在手机屏幕上。所述测土装置6内设置光谱检测模块，所述光谱检测模块内设置电源、内置光源和微型光谱仪芯片，所述内置光源和微型光谱仪芯片均与电源电连接，所述光谱检测模块用于对土样进行光谱检测以及对光谱数据进行光谱变换，所述内置光源和微型光谱仪芯片均通过光纤8连接反射探头9，所述反射探头9连接所述测土盒4表面的载玻片，用于采集土样光谱数据，所述微型光谱仪芯片中集成了迁移学习中的迁移成分分析(Transfer component analysis，TCA)算法，进行光谱变换，减少原位土土壤光谱与已有实验室干土光谱的数据分布差异。
所述管件2表面设置替换口，所述替换口内设置螺杆10，所述螺杆10与垫圈12外部安装的螺圈11螺接，所述垫圈12内部填充筛网13。方便替换不同孔径的筛网来自定义过筛土壤孔径，也方便测土盒4中土壤排出。
实施例1
原位土土壤光谱预测其养分含量问题：①原位土光谱数据采集受水分、植物根茎等杂质影响，其光谱直接用于建模预测的精度不高；②实验室干土光谱建立的模型预测精度高，但给原位土直接使用，会出现模型预测精度低、失效等问题。
迁移学习带来了解决这一问题的动机，迁移学习不要求训练和测试数据必须服从相同分布，它是机器学习中一个重要研究问题，侧重将前期的学习经验适应到新的学习中，提高新的学习效率。基于迁移学习算法实现光谱变换，减少原位土土壤和已有实验室干土的光谱的数据分布差异，并降低水分、杂质等对光谱数据检测影响，提高对原位土养分预测的准确性。并通过集成便携式土壤采集器，使得采土操作便捷，通过钻头采集土壤样本获取其光谱数据，检测土壤养分含量。操作简单便捷，提高了工作效率，并易于推广使用。
应用本实用新型提供的一种土壤养分光谱测量装置的测量方法，包括以下步骤：
获取待测土壤；
对待测土壤进行预处理，通过过筛器筛选出待测土壤中的杂质，并加热去除待测土壤中的水分；
通过光谱检测装置获取预处理后待测土壤的土壤光谱数据；
基于迁移学习中的迁移成分分析(Transfer component analysis，TCA)算法结合已有实验室干土光谱数据对待测土壤光谱数据进行光谱变换；
将光谱变换后的待测土壤光谱数据导入已构建的基于TCA算法的土壤养分与光谱反射率的回归模型进行土壤养分含量的实时检测，具体为：
构建土壤光谱数据的源域和目标域，构建的源域为实验室干土光谱数据，构建的目标域为原位土光谱数据；
输入源域和目标域的光谱数据
和
和
为光谱特征向量，ns、nt分别为源域和目标域样本数量；
然后在高维的再生核希尔伯特空间(RKHS)中通过最大均值差异(MMD)度量Xs和Xt的边缘分布的距离，距离公式如下：
利用映射φ使得边缘分布的距离最小，但φ通常是高度非线性的，难以寻求，于是将这个距离的最小化问题转化为核学习问题，利用核技巧k(即k(xixj)＝φ(xi)Tφ(xj))可以将公式(3)改写为核矩阵的迹：
Dist(Xs,Xt)＝trace(KL) (4)
式中
是(ns+nt)×(ns+nt)维的复合核矩阵，Ks和Kt分别为核技巧k在源域和目标域中定义的核矩阵；
计算L和中心矩阵H，其中：
其中，I为全1矩阵；
其中，
为全1矩阵；
利用核函数映射得出源域和目标域的核矩阵K；
为简化计算，用降维方法构造结果，使用(ns+nt)×m维的
矩阵将对应的特征向量变换到m维，得到的核矩阵如下：
其中，
为(ns+nt)×m维矩阵，m＜＜ns+nt。将公式(5)代入公式(4)中可得：
Dist(Xs，Xt)＝trace((KWWTK)L)＝tr(WTKLKW) (6)
最小化公式(6)，得到的W就表示TCA降维后源域和目标域的光谱矩阵，则转变为求：
s.t.WTKHKW＝Im (7)
其中
为中心矩阵，
为全1矩阵。
其中，μ是一个平衡参数，正则化项tr(WTW)的加入是为了控制W的复杂度，加入约束WTKHKW＝Im是为了避免平凡解(即，W＝0)，最终，通过数学推导得出，W的解即为(KLK+μI)- 1KHK的前m个特征值对应的特征向量，将其输出得到源域和目标域TCA转移后的数据，减少了源域和目标域数据分布差异，并可使用传统回归算法建立回归模型；
根据L、中心矩阵H和核矩阵K，求(KLK+μI)-1KHK的前m个特征值对应的特征向量，得出源域和目标域TCA光谱变换后的数据，其中μ为平衡参数；
对光谱变换后的源域和目标域数据使用传统的回归建模算法建立土壤养分与光谱反射率回归模型，进行土壤养分的检测。
在农田耕种前如果能快速无损的分析农田的土壤养分含量，可以帮助农户及时发现农田有无缺素或者农药污染情况，根据分析结果去调整农田的各种养分情况，达到有针对性的种植作物和施肥的目的，帮助农户降低损失，增产增收。
以上公开的仅为本实用新型的几个具体实施例，但是，本实用新型实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本实用新型的保护范围。
Claims (7)
1.一种土壤养分光谱测量装置，其特征在于，包括：
取土钻头(1)，所述取土钻头(1)端部连接管件(2)，所述管件(2)内依次设置过筛器(3)和测土盒(4)，用于筛除杂质和收集待测土样；
光谱检测模块设在所述管件(2)内，主控模块与所述光谱检测模块连接，光谱检测模块通过光纤(8)连接反射探头(9)，所述反射探头(9)连接所述测土盒(4)表面的载玻片。
2.如权利要求1所述的一种土壤养分光谱测量装置，其特征在于，所述管件(2)表面设置USB接口(7)，所述USB接口(7)连接在所述主控模块与光谱检测模块之间。
3.如权利要求1所述的一种土壤养分光谱测量装置，其特征在于，所述管件(2)表面设置替换口，所述替换口内设置螺杆(10)，所述螺杆(10)与垫圈(12)外部安装的螺圈(11)螺接，所述垫圈(12)内部填充筛网(13)。
4.如权利要求1所述的一种土壤养分光谱测量装置，其特征在于，所述测土盒(4)表面设置USB发热片，所述USB发热片与内置电源电连接。
5.如权利要求1所述的一种土壤养分光谱测量装置，其特征在于，所述管件(2)端部设置横轴把手(5)。
6.如权利要求5所述的一种土壤养分光谱测量装置，其特征在于，所述横轴把手(5)外部设置终端安装座，所述终端安装座内安装主控模块和显示模块。
7.如权利要求1所述的一种土壤养分光谱测量装置，其特征在于，所述光谱检测模块内设置电源、内置光源和微型光谱仪芯片，所述内置光源和微型光谱仪芯片均与电源电连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202121761311.1U CN215493141U (zh) | 2021-07-30 | 2021-07-30 | 一种土壤养分光谱测量装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202121761311.1U CN215493141U (zh) | 2021-07-30 | 2021-07-30 | 一种土壤养分光谱测量装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN215493141U true CN215493141U (zh) | 2022-01-11 |
Family
ID=79753590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202121761311.1U Expired - Fee Related CN215493141U (zh) | 2021-07-30 | 2021-07-30 | 一种土壤养分光谱测量装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN215493141U (zh) |
-
2021
- 2021-07-30 CN CN202121761311.1U patent/CN215493141U/zh not_active Expired - Fee Related
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zeng et al. | Quantitative visualization of photosynthetic pigments in tea leaves based on Raman spectroscopy and calibration model transfer | |
| CN102788752B (zh) | 基于光谱技术的农作物内部信息无损检测装置及方法 | |
| 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 | |
| CN1837787A (zh) | 一种无损伤精准测定棉花生物物理参数的方法 | |
| CN108801934A (zh) | 一种土壤有机碳含量高光谱预测模型的建模方法 | |
| CN102564962B (zh) | 果树营养成分检测系统及方法 | |
| CN101975764B (zh) | 基于近红外光谱技术的多波段土壤氮素检测装置和方法 | |
| CN107607486B (zh) | 一种土壤全氮检测方法及装置 | |
| CN101210876A (zh) | 基于可见/近红外多光谱成像的水稻养分信息测量方法 | |
| CN111751376B (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
| CN113607669A (zh) | 一种基于迁移学习的土壤养分光谱检测方法 | |
| CN105486655A (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 | |
| CN110567892A (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
| Xu et al. | Monitoring ratio of carbon to nitrogen (C/N) in wheat and barley leaves by using spectral slope features with branch-and-bound algorithm | |
| CN108613943B (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
| CN115235997A (zh) | 一种基于卫星高光谱影像的土壤质地反演方法 | |
| CN201503392U (zh) | 基于近红外光谱的手持式土壤养分无损测量装置 | |
| Wang et al. | Rapid detection of chlorophyll content and distribution in citrus orchards based on low-altitude remote sensing and bio-sensors | |
| CN109540837A (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
| CN108732137A (zh) | 基于高光谱遥感数据估算植物物种多样性的模型及方法 | |
| CN114863294A (zh) | 一种适用于微咸水湖泊的水质参数监测方法和装置 | |
| CHENG et al. | Research advances and perspectives on crop yield estimation models | |
| Berger et al. | Simulation of spaceborne hyperspectral remote sensing to assist crop nitrogen content monitoring in agricultural crops | |
| CN113376107B (zh) | 基于云平台的水质监测系统和方法 | |
| CN106092961A (zh) | 一种快速检测农产品中化学成分的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220111 |