收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于近红外光谱和机器视觉的土壤含水率快速检测方法研究

肖武  
【摘要】:土壤含水率直接影响着作物生长、农业小气候以及土壤的机械性能。在农业、水土保持、土壤侵蚀研究等方面,土壤含水率是一个重要参数。土壤含水率的准确测定对于有效水资源管理、灌溉措施、作物生长、旱地农业节水、产量预测以及化学物质监测等方面非常重要,也是精准农业极为关键的重要参数。同时,土壤含水率对于地球表面有效能量的分配、入渗和径流的分配,土壤侵蚀动力学过程、土壤侵蚀预测预报等方面起着重要的作用。因此土壤含水率的实时、快速和精确测定具有重要的意义。 研究了近红外光谱分析技术和机器视觉技术检测土壤含水率的方法。用近红外光谱分析技术对湖北地区的3种主要土壤及陕西地区的黄绵土进行了分析,比较了10种光谱数据预处理方法对于建模结果的影响;研究了近红外光谱的傅里叶特征提取方法用于优化土壤含水率检测模型;构建了土壤的机器视觉检测系统的软、硬件系统,研究了基于机器视觉技术的土壤含水率检测模型。为了提高检测精度,提出了近红外光谱和机器视觉数据融合技术的土壤含水率检测新方法,建立了土壤含水率的定量分析模型。主要研究结果如下: 1.建立了湖北地区的黄棕壤、潮土与稻田土样品集和陕西地区黄绵土样品集。 2.以湖北地区的黄棕壤、潮土与稻田土为研究对象,建立了基于近红外光谱分析技术的土壤含水率定性与定量分析模型。采用的主成分定性分析模型能将不同含水率土壤样品进行精确分级;土壤含水率定量分析模型决定系数R2为0.9946,交叉验证预测均方差RMSECV为0.801%,模型预测决定系数R2为0.9919,预测均方差RMSEP为0.912%。 3.采用Kennard-Stone算法筛选标样建立了PLS土壤含水率预测模型,并用该模型对随机选取未处理样品的含水率进行预测,预测平均绝对值误差从0.78%降低到0.42%,结果表明,扩展土壤样品空间的方法可以较好提高模型的预测精度。 4.采用斜率/截距校正的方法修正了随机选取的未处理样品的模型预测值,预测平均绝对值误差从0.78%降低到0.38%,结果表明,斜率/截距校正法能较好的提高近红外光谱土壤含水率定量分析模型的适应性。 5.采用小波分析方法对土壤光谱数据进行消噪后建模,结果表明小波消噪的方法可以有效去除光谱中的干扰信息。 6.近红外光谱的傅里叶特征提取参数用于建立土壤含水率分析模型。以湖北地区的黄棕壤、潮土与稻田土为研究对象,提取土壤样品光谱数据傅里叶变换的特征点数为15,用偏最小二乘法(PLS)建立的土壤含水率与光谱特征参数定量预测模型最优,模型决定系数R2为0.9881,交叉验证预测均方差RMSECV为1.106%,验证集模型决定系数R2为0.9811,模型预测均方误差RMSEP为1.185%。使用该模型对不在样品集中的陕西地区黄绵土样品进行预测,模型的预测误差从直接建立模型的4%降低到2%左右,结果表明,傅里叶变换提取光谱特征参数方法建立的土壤含水率分析模型的稳定性优于直接建立的分析模型。 7.构建了基于机器视觉技术的土壤表层图像获取硬件系统,开发了基于MatlabGUI的土壤图像特征参数提取系统。 8.采用机器视觉技术进行了土壤含水率检测方法的试验研究。建立了土壤图像灰度值与土壤含水率之间的线性回归模型,模型的相关系数R为0.784,表明土壤灰度值与土壤含水率之间有线性相关关系;建立了图像特征参数的土壤含水率多元线性预测模型与BP神经网络非线性预测模型,可知以H,S和V所建立的神经网络非线性预测模型最优,且最优的隐含层为10时,此时预测值和测量值的决定系数R2为0.9849。 9.将近红外光谱技术和机器视觉两种信息进行数据融合用于检测土壤含水率,建立了近红外光谱特征波长与图像特征参数HSV的数据融合模型。利用人工神经网络方法进行数据融合,建立了BP和RBF人工神经网络数据融合模型,其中BP数据融合模型决定系数R2为0.9961,且该模型稳定性和适用范围优于建立的近红外光谱和机器视觉数据模型。此外BP数据融合模型的精度要高于RBF模型,而RBF模型的训练速度要快于BP模型。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 肖武;李小昱;李培武;冯耀泽;王为;张军;;近红外光谱和机器视觉信息融合的土壤含水率检测[J];农业工程学报;2009年08期
2 陆道礼,陈斌;用近红外光谱快速测定对二乙基苯的纯度[J];红外与激光工程;2003年06期
3 李小昱;肖武;李培武;雷廷武;王为;冯耀泽;;基于近红外傅里叶特征提取方法的土壤含水率检测[J];农业机械学报;2009年05期
4 李浩光;李卫军;覃鸿;张丽萍;董肖莉;于云华;;一种添加历史数据的近红外光谱特征提取方法研究[J];光谱学与光谱分析;2016年10期
5 李静;刘斌;岳田利;袁亚宏;高振鹏;;近红外光谱分析技术及其在食品中的应用[J];农产品加工(学刊);2007年03期
6 郭婷婷;徐丽;刘金;徐小炜;董昕;陈绍江;;玉米亚正常籽粒生活力近红外光谱判别方法研究[J];光谱学与光谱分析;2013年06期
7 展慧;李小昱;周竹;汪成龙;高云;;基于近红外光谱和机器视觉融合技术的板栗缺陷检测[J];农业工程学报;2011年02期
8 陈洁;魏立立;王春;吴存荣;;傅里叶变换近红外光谱快速检测方便面油脂含量[J];粮食与油脂;2010年02期
9 刘垚;万辉;朱焕庭;;近红外光谱分析技术在果品品质无损检测中的应用[J];广东农业科学;2009年03期
10 李锦萍;刘力宽;丁莉;邹官清;徐世晓;;近红外光谱分析技术在饲料检测中的应用与研究[J];青海草业;2011年03期
11 刘发龙;马新刚;程福银;何峻荣;;近红外光谱分析技术在快速分析上的应用[J];分析测试技术与仪器;2008年04期
12 姜爽;杨海龙;臧恒昌;;近红外光谱分析技术在中药生产过程质量控制领域的应用[J];食品与药品;2013年02期
13 黄蘅;刘慧妍;陈启钊;;近红外光谱技术在海金沙鉴别中的应用初探[J];现代中药研究与实践;2010年05期
14 李敏;李宪华;奚星林;潘丙珍;庞世琦;;近红外技术在食品分析中的研究进展[J];检验检疫科学;2008年06期
15 鲍峰伟;刘景艳;;近红外光谱分析技术在石油化工中的应用[J];贵州化工;2006年06期
16 孙晓荣;刘翠玲;吴静珠;董秀丽;吴胜男;;基于近红外光谱的淀粉含水量快速检测研究[J];食品工业科技;2011年10期
17 陈华才,杨仲国,陈星旦,蒋迎;傅里叶变换近红外光谱法快速检测人血清生化成分[J];分析试验室;2005年07期
18 杨昌彪;宋光林;包娜;罗明;孙海达;杨鸿波;;近红外光谱与表面增强拉曼光谱对红酒中非法添加剂苋菜红的分析研究[J];食品科技;2014年06期
19 裴建伟;范长春;刘平;王敏;;应用近红外光谱技术测试多菌灵原药中有效成分含量[J];农药科学与管理;2015年09期
20 秦庆伟;;近红外光谱法快速测定聚乙烯醇的醇解度[J];化学研究与应用;2012年06期
中国重要会议论文全文数据库 前20条
1 路春霞;刘源;孙晓红;潘迎捷;赵勇;;基于培养液的傅里叶变换近红外光谱指纹区分食源性致病菌的研究[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
2 谢绍鹏;严茂伟;孙灵根;吴纯洁;;中药材与饮片快速鉴定方法及仪器的构建[A];中华中医药学会中药炮制分会2009年学术研讨会论文集[C];2009年
3 臧恒昌;孙春晓;;近红外光谱分析技术用于糖胺聚糖分析的展望[A];中国药学会全国多糖类药物研究与应用研讨会论文集[C];2008年
4 邓波;周玉容;庞小峰;;红外光谱及主成分分析在中药蒿本的鉴别与聚类分析中的应用[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
5 应义斌;于海燕;;近红外光谱在农产品品质无损检测中的应用研究进展[A];第十五届全国分子光谱学术报告会论文集[C];2008年
6 陈达;胡斌;邵学广;苏庆德;;近红外光谱的光谱干扰消除和奇异点识别[A];全国第13届分子光谱学术报告会论文集[C];2004年
7 白雁;王星;张威;李珊;;近红外光谱结合聚类分析法对不同区域连翘的鉴别研究[A];药用植物化学与中药资源可持续发展学术研讨会论文集(上)[C];2009年
8 应义斌;于海燕;;近红外光谱在食品品质检测中的应用研究进展[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
9 蔡皓;马晓青;刘晓;刘静静;李松林;蔡宝昌;;近红外光谱在中药鉴别和质量控制中的应用[A];2010中药炮制技术、学术交流暨产业发展高峰论坛论文集[C];2010年
10 邵学广;蔡文生;张妍;盛楠;;近红外光谱在复杂体系定量分析中的应用研究[A];中国化学会第27届学术年会第09分会场摘要集[C];2010年
11 吴海云;崔传金;韩小平;左月明;;近红外光谱数据分析方法的研究进展[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
12 袁洪福;褚小立;陆婉珍;魏东;;在线近红外光谱成套分析技术及其在石油化工中的应用[A];中国化工学会2005年石油化工学术年会论文集[C];2005年
13 邵学广;崔彩静;蔡文生;;近红外光谱间接分析方法研究[A];中国化学会第28届学术年会第9分会场摘要集[C];2012年
14 邵学广;蔡文生;;近红外光谱大数据分析方法研究[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
15 夏琳茜;;一种基于近红外光谱透雾系统的原理与实现[A];2007年红外探测器及其在系统中的应用学术交流会论文集[C];2007年
16 张彩霞;刘鹏;郭玉高;卞希慧;;近红外光谱结合化学模式识别对相似中药材的鉴别研究[A];中国化学会第30届学术年会摘要集-第二十五分会:化学信息学与化学计量学[C];2016年
17 周艳梅;郝亚洁;刘晓龙;段晓颖;;近红外光谱在线检测技术在药物制备中的应用研究[A];2013第六次临床中药学学术年会暨临床中药学学科建设经验交流会论文集[C];2013年
18 刘言;蔡文生;邵学广;;一种多仪器近红外光谱同时标准化技术[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
19 刘智超;蔡文生;邵学广;;基于小波变换多模型的近红外光谱共识建模方法研究[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
20 李祥辉;林振宇;林燕琴;林艺冰;杨方;王丹红;陈国南;;傅里叶近红外光谱结合化学计量学快速检测食品中的塑化剂[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年
中国博士学位论文全文数据库 前20条
1 武子玉;矿物近红外光谱信息提取及应用研究[D];吉林大学;2005年
2 单瑞峰;近红外光谱建模方法及温度效应研究[D];南开大学;2014年
3 陈香维;猕猴桃近红外光谱无损检测技术研究[D];西北农林科技大学;2009年
4 肖航;基于近红外光谱的水泥生料成分检测关键技术研究[D];山东大学;2020年
5 杜国荣;复杂体系近红外光谱建模方法研究[D];南开大学;2012年
6 王学顺;近红外光谱信息提取及其在木材材性分析中的应用研究[D];东北林业大学;2010年
7 郝勇;近红外光谱微量分析方法研究[D];南开大学;2009年
8 张晓宁;古代丝织品老化特征红外光谱及X射线衍射研究[D];中国科学技术大学;2019年
9 吴习宇;花椒产地、新陈度及掺伪的近红外光谱鉴别方法研究[D];西南大学;2018年
10 袁晓红;石墨相氮化碳及其衍生物的结构表征与高压稳定性研究[D];燕山大学;2018年
11 王洁;基于可见/近红外光谱的梨树叶片氮含量无损诊断研究[D];南京农业大学;2017年
12 王洪亮;中波红外光谱偏振成像技术及系统研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年
13 王建旭;基于电磁波谱的猪肉水分含量快速检测方法研究[D];中国农业大学;2018年
14 陈兰珍;蜂蜜品质近红外光谱评价技术研究[D];中国农业科学院;2010年
15 熊梓茜;汉江流域河—库岸带湿地植被和土壤反硝化特征[D];中国科学院大学(中国科学院武汉植物园);2018年
16 朱志强;近红外光谱在线检测固体产物及环氧树脂固化过程关键方法研究[D];北京化工大学;2018年
17 陈丰农;基于机器视觉的小麦并肩杂与不完善粒动态实时检测研究[D];浙江大学;2012年
18 杨皓旻;仪器条件对近红外光谱无创生化检测影响的研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2011年
19 江辉;基于近红外光谱和电子鼻技术的固态发酵过程检测研究及应用[D];江苏大学;2013年
20 沈剑豪;基于机器视觉的复杂光照环境下驾驶员情绪识别算法研究[D];深圳大学;2019年
中国硕士学位论文全文数据库 前20条
1 肖武;基于近红外光谱和机器视觉的土壤含水率快速检测方法研究[D];华中农业大学;2009年
2 李军良;基于机器视觉和近红外光谱的水果品质分级研究[D];南京航空航天大学;2011年
3 杨阳;核方法在近红外光谱中的应用研究[D];长春理工大学;2012年
4 蒋浩田;近红外光谱数据处理方法探究[D];南京艺术学院;2020年
5 王昶;近红外光谱快速评估土壤和有机肥质量研究[D];南京农业大学;2014年
6 张林;近红外光谱对煤粉在线检测系统的研究与设计[D];中北大学;2014年
7 郭峥;近红外光谱快速表征复合肥料及纺织纤维材料的研究[D];北京化工大学;2011年
8 马晓晨;近红外光谱无损检测霉变板栗的研究[D];北京林业大学;2016年
9 李艳肖;近红外光谱快速检测牛奶品质的研究[D];江苏大学;2007年
10 刘晓宣;近红外光谱定性定量技术在中药质量控制中的应用研究[D];浙江大学;2004年
11 吕丹;利用近红外光谱进行羊绒与羊毛的鉴别技术研究[D];北京服装学院;2010年
12 王培培;基于近红外光谱的不同品种绵羊肉鉴别及品质检测技术研究[D];中国农业科学院;2012年
13 赵双;基于机器视觉的工件识别技术的研究[D];山东理工大学;2017年
14 易媛;近红外光谱结合化学计量学快速评价茯苓质量的研究[D];广东药科大学;2021年
15 向阳;近红外光谱煤岩识别环境适应性研究[D];中国矿业大学;2020年
16 郭甜甜;基于近红外光谱和数据融合的水蜜桃内部品质检测研究[D];温州大学;2020年
17 李祥辉;近红外光谱在食品检验及生物分析中的应用研究[D];福州大学;2013年
18 刘红莎;基于近红外光谱的废混合塑料识别研究[D];天津大学;2013年
19 岳绒;受损猕猴桃贮藏期间近红外光谱与品质关系的研究[D];西北农林科技大学;2011年
20 张晓彗;基于近红外光谱的连翘有效成分分析与产地鉴别技术研究[D];河南科技大学;2008年
中国重要报纸全文数据库 前20条
1 张东风 本报记者  ;红外光谱能否成为中药检测标准[N];中国中医药报;2005年
2 陈锐 郭晓斌;红外光谱快速准确诊断肿瘤[N];家庭医生报;2004年
3 陈锐;红外光谱三分钟诊肿瘤[N];健康报;2004年
4 陈锐;红外光谱——诊断肿瘤又一利器[N];大众卫生报;2004年
5 记者 殷聪 王岚;5G解锁机器视觉新技能[N];宁波日报;2020年
6 本报记者 刘旭颖;机器视觉企业加速市场布局[N];国际商报;2022年
7 本报记者 曹卫新;掘金机器视觉百亿元市场 天准科技65天过会[N];证券日报;2019年
8 本报记者 胡雨;天准科技发力机器视觉工业应用[N];中国证券报;2019年
9 MEB记者 张兰;贝加莱一体化机器视觉:站在全局的视野[N];机电商报;2019年
10 本报记者 骆轶琪;机器视觉的产业化演进:半导体打开想象空间[N];21世纪经济报道;2018年
11 经济日报·中国经济网记者 周明阳;给机器一双“慧眼”[N];经济日报;2017年
12 本报记者 胡心媛;机器视觉展推动智能制造落地[N];中国贸易报;2017年
13 本报记者 蔡炜;书写“东方工匠”传奇的黑牡丹集团技术总监邓建军:“创新,只有起点没有终点”[N];新华日报;2017年
14 本报研究员 费天元;机器视觉成争夺焦点 应用场景将加速拓展[N];上海证券报;2016年
15 记者 王宙洁 实习生 卢梦匀;机器视觉 智能生活的第三只眼[N];上海证券报;2015年
16 本报记者 郭涛;机器视觉:为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年
17 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年
18 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年
19 记者 郝晓明;水如何成冰?科学家发现最小冰立方新结构[N];科技日报;2020年
20 张征益;桂林利用近红外光谱鉴别中药[N];中国医药报;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978