详情

原文传递一种基于多传感器融合的土壤属性预测方法

专利名称：	一种基于多传感器融合的土壤属性预测方法
摘要：	本发明公开了一种基于多传感器融合的土壤属性预测方法。对采集的土壤样本进行风干、研磨并通过孔筛，然后进行土壤光谱测定，分别测定土壤样本的可见‑近红外光谱、中红外光谱、X射线荧光光谱和激光诱导击穿光谱，光谱数据采用不同的预处理方法进行分别预处理，进行特征波段筛选；建立融合的土壤属性预测模型，构建训练获得每个土壤属性各自对应一种光谱数据的单传感器预测模型，构建训练获得每个土壤属性的融合传感器预测模型，采用融合传感器预测模型和单传感器预测模型进行预测处理。本发明利用多传感融合技术解决了单一传感器检测土壤属性稳定性低的问题，提高了土壤属性预测精度和稳定性。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	史舟;徐冬云;周炼清;洪武斌
专利状态：	有效
申请日期：	2018-12-05T00:00:00+0800
发布日期：	2019-04-23T00:00:00+0800
申请号：	CN201811482053.6
公开号：	CN109669023A
代理机构：	杭州求是专利事务所有限公司
代理人：	林超
分类号：	G01N33/24(2006.01);G;G01;G01N;G01N33
申请人地址：	310058 浙江省杭州市西湖区余杭塘路866号
主权项：	1.一种基于多传感器融合的土壤属性预测方法，包括以下步骤：步骤(1)土壤光谱数据获取：对采集的土壤样本进行风干、研磨并通过孔筛，然后进行土壤光谱测定，分别测定土壤样本的可见-近红外光谱、中红外光谱、X射线荧光光谱和激光诱导击穿光谱；步骤(2)光谱数据预处理：将步骤(1)中获取的光谱数据采用不同的预处理方法进行分别预处理；步骤(3)特征波段选择：将步骤(2)中预处理之后的光谱数据进行特征波段筛选；步骤(4)建立融合的土壤属性预测模型：利用已知土壤属性的土壤样本经过上述步骤(1)～步骤(3)的处理获得特征波段，将特征波段的光谱数据作为模型的输入，以土壤样本的已知土壤属性作为模型的输出，构建训练获得每个土壤属性各自对应一种光谱数据的单传感器预测模型；然后将多种单传感器预测模型的土壤属性预测结果融合共同作为模型的输入，以土壤样本的已知土壤属性作为模型的输出，构建训练获得每个土壤属性的融合传感器预测模型，采用融合传感器预测模型和单传感器预测模型共同作为土壤属性预测模型对待测土壤的土壤属性进行预测处理。 2.根据权利要求1所述的一种基于多传感器融合的土壤属性预测方法，其特征在于：所述步骤(1)中，四种不同的光谱采用的过孔筛处理不同，具体为：可见-近红外光谱、中红外光谱、X射线荧光光谱下对土壤样本均通过2mm孔筛，激光诱导击穿光谱下对土壤样本通过0.5mm孔筛并进行压片处理。 3.根据权利要求1所述的一种基于多传感器融合的土壤属性预测方法，其特征在于：所述步骤(1)中，每种光谱测定，每个土壤样本均选择三个不同位置的点进行测试，然后取三个点测试的光谱平均值作为最后的光谱数据。 4.根据权利要求1所述的一种基于多传感器融合的土壤属性预测方法，其特征在于：所述步骤(2)，具体为：可见-近红外光谱和中红外光谱的预处理均依次采用反射率转换为吸收率、Savitzky-Golay平滑去噪和重采样，吸收率转换由光谱反射率经过log(1/R)得到，其中R为光谱反射率，将转换后的光谱吸收率利用Savitzky-Golay算法进行平滑去噪处理，对平滑去噪处理之后的两种光谱进行重采样处理，可见-近红外光谱的重采样设置为10nm，中红外光谱的重采样设置为8cm-1；X射线荧光光谱的预处理采用Savitzky-Golay平滑去噪；激光诱导击穿光谱的预处理采用重采样为1nm。 5.根据权利要求1所述的一种基于多传感器融合的土壤属性预测方法，其特征在于：所述步骤(3)中，四种不同光谱特征波段筛选均采用遗传–偏最小二乘算法选择获得。 6.根据权利要求1所述的一种基于多传感器融合的土壤属性预测方法，其特征在于：所述步骤(4)中，单传感器预测模型采用偏最小二乘回归算法构建并训练；所述单传感器预测模型融合采用贝叶斯模型进行训练。 7.根据权利要求1所述的一种基于多传感器融合的土壤属性预测方法，其特征在于：所述的土壤属性分为pH、有机质和全氮含量，针对不同的土壤属性，采用不同数量和不同光谱的单传感器预测模型进行融合：针对土壤属性为pH，采用将可见-近红外光谱、中红外光谱的单传感器预测模型进行融合处理；针对土壤属性为有机质和全氮含量，采用将可见-近红外光谱、中红外光谱、X射线荧光光谱进行融合处理。
所属类别：	发明专利