CN115777312A - 一种基于土壤信息实时采集与分析的动态施肥方法 - Google Patents
一种基于土壤信息实时采集与分析的动态施肥方法 Download PDFInfo
- Publication number
- CN115777312A CN115777312A CN202310097386.1A CN202310097386A CN115777312A CN 115777312 A CN115777312 A CN 115777312A CN 202310097386 A CN202310097386 A CN 202310097386A CN 115777312 A CN115777312 A CN 115777312A
- Authority
- CN
- China
- Prior art keywords
- fertilizer
- soil
- real
- image
- detection unit
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本公开涉及土壤修复技术领域,提供了一种用于基于土壤信息实时采集与分析的动态施肥方法。该方法包括以下步骤:利用多光谱光学探测单元对土壤信息进行采集、得到基于时间序列的散射图像,利用图像处理解算出噪声水平;根据噪声水平对所采集的光谱信号进行滤波,得到目标元素特征谱线;利用第三方数据库,根据滤波后的目标元素特征谱线,获取土壤信息;将土壤信息传输到核心处理器中并计算肥料配比方案,并输出控制信号;并根据控制信号控制所述肥料导入单元导入肥料,肥料在施肥装置主体内部混合均匀后施洒。本公开提供的方法,可以有效地提高土壤典型成分元素的检测准确率,减小误差,从而提高肥料利用率。
Description
技术领域
本发明涉及土壤修复技术领域,具体为一种基于土壤信息实时采集与分析的动态施肥方法。
背景技术
土壤退化成为现阶段国内外亟需面对的问题,但休耕等基于时间的地力提升方式难以解决面临的粮食问题,因此需要针对性的寻求解决方案。但是,目前常见的处理方式多针对某单一问题,而面对复杂多样的土壤问题时,土壤修复的准确率大大降低,土壤修复效率低,往往需要二次修复,使得肥料利用率降低,浪费人力物力财力。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种基于土壤信息实时采集与分析的动态施肥方法。
本公开提供了一种基于土壤信息实时采集与分析的动态施肥方法,包括以下步骤:
S1、利用多光谱光学探测单元对土壤信息进行采集、得到基于时间序列的散射图像,利用边缘锐化算法、根据图像灰度梯度的大小解算出噪声水平;
S2、根据解算出的噪声水平、并结合第三方数据库中土壤所含成分元素光谱特征散射峰的分布情况,对所采集的光谱信号进行滤波,得到目标元素特征谱线;
S3、利用第三方检测土壤所含成分元素的光谱特征数据库,对此检测***进行标定;
S4、利用已标定***、根据滤波后的目标元素特征谱线,解算土壤中目标元素的含量情况;
S5、将探测到的土壤信息传输到核心处理器中;
S6、所述核心处理器根据土壤信息计算出肥料配比方案,并传输到多个肥料导入单元的流量控制模块中;
S7、各个所述流量控制模块根据接收到的肥料配比方案控制所述肥料导入单元导入肥料,肥料在所述施肥装置主体内部混合均匀后施洒。
可选的,在步骤S1中,土壤信息基于所述多光谱光学探测单元与传感器模块联合采集,所述传感器模块设置在所述多光谱光学探测单元上,所述多光谱光学探测单元集成有可见光探测器及其光源、X荧光探测器及其光源和短波红外探测器及其光源,所述传感器模块集成有振动传感器和位置传感器。
可选的,在步骤S1中包括如下分步骤:
S11、确定噪声周期;所述振动传感器采集振动噪声信号,并获取振动噪声信号的周期,记为t N;
S12、记采集时刻为t、则在t-t N、t和t+t N三个时刻,利用可见光探测器及其光源采集得到t-t N、t和t+t N三个时刻的土壤散射图像A k (k=t-t N、t、t+t N);
S13、对所采集的土壤散射图像A k (k=t-t N、t、t+t N)分别进行图像分割和对比度优化处理,得到相应图像B k (k=t-t N、t、t+t N),图像B k 分辨率为m×n,其中m、n分别为图像B k 在行、列方向上的像素点个数;
S14、图像边缘锐化;记图像B k (k=t-t N、t、t+t N)中任意像素点(i,j)的灰度值为(i,j),其中、i=1、2、…、m,j=1、2、…、n;调整多光谱光学探测单元的方位、使图像B k 列方向与施肥装置的运动方向相同,以图像列方向上的灰度梯度进行边缘锐化,如公式(1)所示:
S16、解算t时刻噪声水平T Nt 、如公式(3)所示:
其中、abs为取绝对值。
可选的,在步骤S2中包括如下分步骤:
S21、确定目标元素特征谱线的中心波数值;对比所采集的光谱信号和第三方数据库中土壤所含成分元素光谱特征散射峰的分布曲线,确定目标元素特征谱线的中心波数值,用k表示波数值;若某一种目标元素特征谱线为双谱线,则其谱线的中心波数值分别为k 0 、k 1 ,且a<k 0 <k 1 <b,其中a、b为其特征谱线的范围;
S22、滤波器设计;为中心波数值k 0 和k 1 的邻域半径,是一个比k 0 和k 1 小很多的正实数;根据所确定的某一种目标元素特征谱线的中心波数值k 0 和k 1 、结合所解算出的噪声水平,则在区间[]上滤波器w(k)如公式(4)所示:
S23、对所采集的光谱信号、用w(k)进行滤波,得到目标元素特征谱线。
可选的,在步骤S2中,所述的光谱信号来自于X荧光探测器及其光源和/或短波红外探测器及其光源。
可选的,所述位置传感器用于检测当前土壤的位置信息,并将位置信息用传输到所述核心处理器中,在所述核心处理器中将当前位置信息与污染情况匹配。
可选的,在步骤S6中,部分难以解决的土壤问题,通过所述位置传感器记录位置信息并将问题反馈回所述核心处理器。
可选的,在步骤S7中,所述施肥装置根据土壤信息及肥料配比方案确定所述肥料导入单元的个数,所述肥料导入单元设有流量计和流量控制模块,用于控制肥料导入的流量。
可选的,在步骤S4中,还包括调平结构;多光谱光学探测单元通过所述调平结构设置在所述施肥装置主体的外侧。
可选的,根据可见光探测器及其光源所采集得到的土壤散射图像A k (k=t-t N、t、t+ t N),解算所述多光谱光学探测单元所在平面与地面之间的距离信息,然后根据此距离信息通过所述调平结构对所述多光谱光学探测单元进行姿态调整,使所述多光谱光学探测单元的所在平面与地面平行。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供的基于土壤信息实时采集与分析的动态施肥方法通过多光谱联合的光学探测模块采集土壤信息,并进行优化去噪处理,提高土壤信息采集的准确性;利用核心处理器根据获取到的土壤信息计算出修复方案,如针对可通过施肥解决的土壤问题计算出肥料配比,并将数据传输到肥料导入单元开始导入肥料;通过肥料导入单元将所需肥料定量导入到施肥装置内部,经施肥装置内部混合均匀后,向土壤施洒肥料,减少肥料浪费。该施肥方法可以有效地提高土壤典型成分元素的检测准确率,减小误差,从而实现精准施肥,提高肥料利用率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例的用于土壤修复的动态施肥装置的立体图;
图2为本发明一实施例的用于土壤修复的动态施肥装置内部结构的示意图;
图3为本发明一实施例的多光谱光学探测单元的俯视图;
图4为本发明一实施例的肥料导入单元的示意图;
图5为本发明一实施例的动态施肥方法的流程示意图;
图6为本发明一实施例中t时刻所采集的土壤散射图像;
图7为本发明一实施例中图6经分割与优化对比度后的图像;
图8为本发明一实施例中图7经边缘锐化后的图像;
图9为本发明一实施例钙元素的t时刻土壤的光谱强度图;
图11为本发明一实施例钙元素的滤波优化后的探测光谱。
图中:1、施肥装置主体;11、搅拌装置;12、支撑支杆;2、多光谱光学探测单元;21、可见光探测器及其光源;22、X荧光探测器及其光源;23、短波红外探测器及其光源;24、传输与供电模块;3、核心处理器;4、肥料导入单元;41、漏斗结构;42、流量控制模块;43、挂载结构;5、挂钩单元;6、调平结构;7、传感器模块。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
本发明提供的一种基于土壤信息实时采集与分析的动态施肥方法,如图5所示,包括以下步骤:
S1、利用多光谱光学探测单元2对土壤信息进行采集、得到基于时间序列的散射图像,利用边缘锐化算法、根据图像灰度梯度的大小解算出噪声水平;S2、根据解算出的噪声水平、并结合第三方数据库中土壤所含成分元素光谱特征散射峰的分布情况,对所采集的光谱信号进行滤波,得到目标元素特征谱线;S3、利用第三方检测土壤所含成分元素的光谱特征数据库,对此检测***进行标定;S4、利用已标定***、根据滤波后的目标元素特征谱线,解算土壤中目标元素的含量情况;S5、将探测到的土壤信息传输到核心处理器3中;S6、核心处理器3根据土壤信息计算出肥料配比方案,并传输到多个肥料导入单元4的流量控制模块42中;S7、各个流量控制模块42根据接收到的肥料配比方案控制肥料导入单元4导入肥料,肥料在施肥装置主体1内部混合均匀后施洒。
具体的,通过多光谱光学探测单元2采集土壤信息,并进行优化去噪处理,可以提高土壤信息采集的准确性;利用核心处理器3根据获取到的土壤信息计算出修复方案,针对可通过施肥解决的土壤问题可计算出肥料配比,并将数据传输到肥料导入单元4开始导入肥料;利用肥料导入单元4将所需肥料定量导入到施肥装置主体1的内部,混合均匀后,向土壤施洒肥料,减少肥料浪费。该施肥方法可以有效地提高土壤污染信息检测的准确率,减小误差,从而实现精准施肥,提高肥料利用率。
本公开依托于如图1所示的一种用于土壤修复的动态施肥装置实现土壤信息的实时采集与分析,用于土壤修复的动态施肥装置包括施肥装置主体1、多光谱光学探测单元2、核心处理器3和肥料导入单元4,施肥装置主体1为倒圆锥空心结构,施肥装置主体1的尖端设置为开口结构,通过此开口结构向土壤给肥,施肥装置主体1的顶部设置有肥料导入单元4,肥料导入单元4用于向施肥装置主体1的内部导入肥料,肥料导入单元4可以嵌入施肥装置主体1的内部,也可以悬空设置,因此,施肥装置主体1的顶面可以设置为封闭结构也可以设置为敞开结构。
具体实现时,多光谱光学探测单元2环绕分布在施肥装置主体1的底部的外侧,核心处理器3与多光谱光学探测单元2和肥料导入单元4通信连接,用于根据多光谱光学探测单元2获取的探测信息控制肥料导入单元4向施肥装置主体1的内部导入肥料。
施肥装置主体1的内部设有搅拌装置11。参照图2所示,搅拌装置11通过设置叶片将进入施肥装置主体1内部的肥料混合均匀,本公开并不对叶片的数量、形状作限定,当然,在其他实施例中,搅拌装置11也可以是螺旋式等结构,只要能够将肥料搅拌均匀即可。搅拌装置11通过多个支撑支杆12支撑于施肥装置主体1的中心位置。具体的,支撑支杆12固定连接在施肥装置主体1的内壁上,有较强的支撑力,保证搅拌装置11的稳定性,延长使用寿命。
示例性的,搅拌装置11在圆锥形施肥装置主体1的轴线上,搅拌装置11的安装高度受限于叶片大小,搅拌装置11应尽可能贴合于施肥装置主体1的内壁,使得肥料充分混合均匀。当然,应当说明的是,在其它实施例中,搅拌装置11可以设置在任意高度,本公开对于搅拌装置11的具体高度不作特别限定。
在进一步实施例中,至少一个支撑支杆12为空心结构,用于容置搅拌装置11的线路。可以理解的是,搅拌装置11的动作至少需要通过控制线路、供电线路等共同实现,为避免线路与肥料混合,将支撑支杆12的内部设置为空心结构,用来容置搅拌装置11所连接的线路,控制线路、供电线路等可以容置在同一个支撑支杆12中,也可以分别容置在不同的支撑支杆12中。在施肥装置主体1的侧壁上开孔,与某一个空心的支撑支杆12连通,如图2所示,可以避免肥料漏出,造成浪费。
本公开中的核心处理器3设置于施肥装置主体1的外壁上。可以理解的是,核心处理器3通过控制线路控制搅拌装置11动作,为保证通信稳定性,核心处理器3固定于施肥装置主体1的外壁上,对应着内壁空心的支撑支杆12的位置。当然,核心处理器3也可以设置于施肥装置主体1的内部,甚至可以设置在本公开挂载的犁地装置上,只要线路布置合理、通信稳定即可。
具体的,核心处理器3集成有无线传输模块和微控芯片,通过无线传输模块获取多光谱光学探测单元2探测到的信息,并输送控制信号到肥料导入单元4的流量控制模块42;通过微控芯片利用反馈算法评估土壤情况、针对性的给出配比施肥方案。
在一些实施例中,根据图3所示,多光谱光学探测单元2为环形,具体的,如图3所示,多光谱光学探测单元2集成有可见光探测器及其光源21、X荧光探测器及其光源22、短波红外探测器及其光源23和传输与供电模块24。
在一些实施例中,如图4所示,肥料导入单元4包括漏斗结构41、流量控制模块42和挂载结构43,流量控制模块42设置在漏斗结构41的底端,用于控制导入施肥装置主体1内部的肥料的流量,挂载结构43设置在流量控制模块42上,用于挂载在施肥装置主体1的顶缘上。
优选的,漏斗结构41为倒圆台形状,两端均设置为开口结构,便于肥料导入,但本公开对于漏斗结构41的具体形状不作特别限定,只要能实现肥料全部导入保证施肥精准性的效果即可。在实际使用时,可根据土壤特性及肥料选择范围确定肥料导入单元4的加载个数,同时可根据当前土壤所需的肥料多少确定漏斗结构41的尺寸大小。
具体地,给料结构41的底端嵌入施肥装置主体1的内部。为避免造成浪费和精准施肥,当施肥装置主体1的顶面为封闭结构,给料结构41的底端嵌入施肥装置主体1的内部可以保证肥料全部进入施肥装置主体1,保证针对性施肥效果,当然,在其他的实施例中,施肥装置主体1的顶面也可以是敞开结构,此时,只要肥料导入单元4在施肥装置主体的上方,便可以保证肥料全部进入施肥装置主体1,保证精准施肥效果。
应当说明的是,施肥装置主体1的外侧设置有挂钩单元5,参照图1所示,挂钩单元5用于挂载在犁地装置上,挂钩单元5与施肥装置主体1固定连接,连接强度大,适合在土壤环境中工作,应当说明的是,本公开对于挂钩单元5的和施肥装置主体1的连接方式不作特别限定,挂钩单元5也可以是某种夹具、叉具等其他结构,只要能加载到犁地装置上在犁地的同时完成土壤修复即可,当然,本公开也可以挂载在其他装置上使用,例如挂载在除草装置、松土装置等装置上使用。
在一些实施例中,多光谱光学探测单元2的安装高度低于挂钩单元5。可以理解的是,为了设置在施肥装置主体1外侧的其他装置不会阻挡多光谱光学探测单元2的探测,将多光谱光学探测单元2的高度设置为低于挂钩单元5、核心处理器3等装置,但是,当施肥装置主体1的外侧位置受限时,只要多光谱光学探测单元2中集成的可见光探测器及其光源21不被遮挡即可,遮挡对可见光探测器及其光源21影响较大,而对X荧光探测器及其光源22和短波红外探测器及其光源23的探测影响较小。因此,当位置受限时,经过合理布局,多光谱光学探测单元2的安装高度也可高于挂钩单元5。
具体地,在步骤S1中,土壤信息基于多光谱光学探测单元2与传感器模块7联合采集,传感器模块7设置在多光谱光学探测单元2上,多光谱光学探测单元2集成有可见光探测器及其光源21、X荧光探测器及其光源22和短波红外探测器及其光源23,用于联合采集土壤信息,可见光探测器及其光源21用于检测土壤的含水量、结块状况等;短波红外光谱用于探测土壤营养元素含量,如N、P、K、Ca、Mg、Al、Si等;X荧光光谱于探测土壤中重金属元素含量,如Pb、Cd、Hg、Sn、Cu、Cr等;待多光谱光学探测单元2检测完成后,将分析得到的当前土壤的样品特征传输到核心处理器3中。传感器模块7集成有振动传感器和位置传感器,振动传感器用于采集振动噪声信号,振动传感器用于采集当前土壤的位置信息。
在一些实施例中,在步骤S1中包括如下分步骤:
S11、确定噪声周期;所述振动传感器采集振动噪声信号,并获取振动噪声信号的周期,记为t N;
S12、记采集时刻为t、则在t-t N、t和t+t N三个时刻,利用可见光探测器及其光源21采集得到t-t N、t和t+t N三个时刻的土壤散射图像A k (k=t-t N、t、t+t N);
S13、对所采集的土壤散射图像A k (k=t-t N、t、t+t N)分别进行图像分割和对比度优化处理,得到相应图像B k (k=t-t N、t、t+t N),图像B k 分辨率为m×n,其中m、n分别为图像B k 在行、列方向上的像素点个数;
S14、图像边缘锐化;记图像B k (k=t-t N、t、t+t N)中任意像素点(i,j)的灰度值为(i,j),其中、i=1、2、…、m,j=1、2、…、n;调整多光谱光学探测单元2的方位、使图像B k 列方向与施肥装置的运动方向相同,以图像列方向上的灰度梯度进行边缘锐化,如公式(1)所示:
S16、解算t时刻噪声水平T Nt 、如公式(3)所示:
其中、abs为取绝对值。
振动对多光谱光学探测单元2有较大的影响,是光谱噪声的主要来源之一,振动大多由挂载设备的位移等造成,通过前后时刻位置信息对比结合运动图像算法,可以将振动信号简化为正弦变化模型,将其运动方向上振幅变化映射到图像列方向上的灰度梯度变化,因此可以得到振动信号的振动周期t N,通过上述图像处理方法并获取当前测试时间点t及前后序列t-t N、t+t N时刻的图片信息,解算出t时刻的噪声水平T Nt 。其中,图像采集频率与振动频率一致或更高,也就是说,实际情况下的振动频率一般为0~30Hz,而图像采集频率应略高于该频率。通过基于时序的可见光图像梯度信息,解算出当前光谱中对应波数处的噪声干扰水平,在整个测试时间t-t N至t+t N内滤除因振动噪声等带来的误差干扰,从而提高测试结果的准确率。也就是说,通过可见光探测器及其光源21结合前后时刻信息对比可以解算出当前时刻的噪声水平,根据此噪声水平对所采集的光谱信号进行滤波处理,可得到更准确的土壤中目标元素的含量。
具体地,在步骤S2中包括如下分步骤:S21、确定目标元素特征谱线的中心波数值;对比所采集的光谱信号和第三方数据库中土壤所含成分元素光谱特征散射峰的分布曲线,确定目标元素特征谱线的中心波数值,用k表示波数;若某一种目标元素特征谱线为双谱线,则其谱线的中心波数值分别为k 0 、k 1 ,且a<k 0 <k 1 <b,其中a、b为其特征谱线的范围;
S22、滤波器设计;为中心波数值k 0 和k 1 的邻域半径,是一个比k 0 和k 1 小很多的正实数;根据所确定的某一种目标元素特征谱线的中心波数值k 0 和k 1 、结合所解算出的噪声水平,则在区间[]上滤波器w(k)如公式(4)所示:
其中、u(k)为单位阶跃信号,M为k 1 和k 0 间的距离等分数、M为正整数,为标定常数;相对应地,在区间(a,k 0 -)和(k 1 +, b)上的滤波器与公式(4)类似,也就是说,根据公式(4)替换相对应区间,可实现区间(a,k 0 -)和(k 1 +, b)上的滤波器设计。
S23、对所采集的光谱信号、用w(k)进行滤波,得到目标元素特征谱线。
进一步地,基于第三方数据库土壤所含元素的特征谱线以及所解算的噪声水平,对目标元素的特征谱线进行滤波优化。具体地,第三方数据库为包含有土壤所含元素的种类及含量的特征谱线的数据库,或者,预先通过试验获取土壤所含元素的特征谱线,基于此,经过对比第三方数据库,根据滤波优化后的目标元素特征谱线,可以解算土壤中目标元素的含量。可以理解的是,通过对比目标元素特征谱线和第三方数据库中土壤所含成分元素光谱特征散射峰的分布情况,可以确定当前土壤中的元素种类以及含量,从而解算当前土壤后期修复时所需的施肥种类及施肥量。
实施例1
下面通过具体的实施例对该动态施肥方法进行详细说明,首先,根据当前土壤前期的种植情况或者后期的预种植计划,确定多光谱光学探测单元检测的目标元素,例如,若前期种植白菜时,会出现黄心,叶片干枯等情况,由此可以确定当前土壤缺乏钙元素,因此将钙元素作为目标元素进行针对性检测:
首先,通过可见光探测器及其光源21获取t时刻所采集的土壤散射图像,经简单处理后得到如图6所示的土壤散射图像,对图6中阴影等影响信息较少的图像部位进行图像分割与优化对比度后,得到如图7所示的土壤散射信息,并利用图像边缘锐化得到当前土壤的边缘信息,如图8所示;同时,通过短波红外探测器及其光源23获取t时刻土壤中钙元素的光谱强度图,如图9所示。
接着,根据振动传感器采集振动噪声信号,根据噪声信号获取当前的振动周期t N为11.5ms、振动幅值为4.2mm,根据步骤S1中的分步骤,采集得到t-11.5、t和t+11.5三个时刻的土壤散射图像,并对其进行处理,最终解算出t时刻噪声水平T Nt 为0.7594。
然后,对光谱信息进行噪声滤波。具体地,由图9结合第三方数据库中土壤所含元素的散射峰的分布曲线,可知钙元素的特征谱线为双谱线,其谱线的中心波数值k 0为1887cm-1、k 1为2917cm-1;取中心波数值k 0 和k 1 的邻域半径为20cm-1;k 1 和k 0 间的距离等分数M为5;标定常数为0.032;a为500cm-1、b为4000cm-1;则在区间[1867,2937]内,根据公式(4)可得到基于噪声水平的特征谱线滤波器;相对应地,在区间(500, 1867)和(2937,4000)上的滤波器与公式(4)类似,也就是说,根据公式(4)替换相对应区间,可实现区间(500, 1867)和(2937, 4000)内的滤波器设计;整合上述三个区间所对应的三个滤波器可得最终的特征谱线滤波器,如图10所示。
最后,得到滤波优化后的当前土壤中钙元素的探测光谱,如图11所示,联合第三方数据库中钙元素的光谱信息,解算出当前时刻下土壤中钙元素的含量为297mg/kg,与第三方检测的钙元素含量311 mg/kg的相对误差为-4.5%。
在上述白菜种植地的实施例1中,基于本施肥方法,解算出某型复合肥的所需的施肥量为42~48kg/亩,相较于传统50~60kg/亩,节省了约16-20%。在不同的试验田上,依据本方法采集、解算出的不同的施肥方案,对土壤进行施肥,实验结果表明白菜烧心率由原先的15%左右降低至7%以下、且长势良好。
为了进一步说明本方法检测的准确性,如表1所示,在此处列举了不同实施情况下的种植区中,土壤中钙元素含量的检测情况。由表1可得,本方法检测的钙元素含量与第三方检测的钙元素含量相比,相对误差在11%以下,准确性较高,由此可见本方法可满足提高检测准确性、提高施肥效率的目的。
表1
振动周期tN (ms) | 振动幅值(mm) | 噪声水平TNt | 本方法检测的Ca含量(mg/kg) | 第三方检测的Ca含量(mg/kg) | 相对误差 |
3.2 | 6.3 | 0.8125 | 406 | 435 | -6.7% |
5.8 | 5.1 | 0.7832 | 246 | 232 | +6.1% |
11.5 | 4.2 | 0.7594 | 297 | 311 | -4.5% |
15.37 | 3.7 | 0.6271 | 192 | 183 | +4.9% |
19.3 | 3.2 | 0.6026 | 313 | 348 | -10.1% |
21.6 | 2.9 | 0.5668 | 96 | 89 | +7.7% |
23.8 | 2.6 | 0.5382 | 593 | 631 | -5.9% |
在一些实施例中,在步骤S2中,所述的光谱信号来自于X荧光探测器及其光源22和/或短波红外探测器及其光源23,也就是说,当探测土壤中重金属元素如Pb、Cd、Hg、Sn、Cu、Cr等的含量时,可利用X荧光探测器及其光源22检测其含量;当探测土壤中营养元素如N、P、K、Ca、Mg、Al、Si等的含量时,可利用短波红外探测器及其光源23检测其含量;当需要同时探测土壤中重金属元素和营养元素的含量时,可同时采集X荧光探测器及其光源22和短波红外探测器及其光源23的数据。
在一些实施例中,位置传感器用于检测当前位置信息,并将位置信息用传输到核心处理器3中,在核心处理器3中将当前位置信息与污染情况匹配。部分难以解决的土壤问题,通过所述位置传感器记录位置信息并将问题反馈回所述核心处理器3,为进一步处理提供相关信息。
在一些实施例中,在步骤S7中,土壤修复的动态施肥装置根据土壤信息及肥料配比方案确定肥料导入单元4的个数,肥料导入单元4设有流量计和流量控制模块42,用于控制肥料导入的流量。具体的,不同肥料导入单元4装有不同种类的肥料,核心处理器3根据其解算出的所需要的肥料种类及各自的数量,控制肥料导入单元4中的流量控制模块42,同时通过肥料导入单元4中的流量计检测肥料导入的数量,从而实现精准施肥。
具体而言,肥料导入单元4的底部设有开关结构,流量控制模块42接收来自核心处理器3的控制信号,通过流量控制模块42控制肥料导入单元4底部的开关结构的打开与闭合,配合流量计的监测,从而控制肥料的流量,对肥料进行精确配比,进入施肥装置主体1的肥料混合均匀后向当前土壤中施撒。
在一些实施例中,还包括调平结构6;多光谱光学探测单元2通过调平结构6设置在施肥装置主体1的外侧。为了保证多光谱光学探测单元2数据探测的准确性,进行土壤信息探测时,多光谱光学探测单元2的所在平面须保持与地面平行,因此将多光谱光学探测单元2集成在调平结构6上,具体的可以为三角螺栓调平结构,如图1所示;或者是云台式调平结构,此处列举的调平结构均为本领域技术人员所熟知的技术手段,本公开对此不作具体限定,只要能调节多光谱光学探测单元2的水平度即可。
具体地,根据可见光探测器及其光源21所采集得到的土壤散射图像A k (k=t-t N、t、t +t N),解算所述多光谱光学探测单元2所在平面与地面之间的距离信息,然后根据此距离信息通过所述调平结构6对所述多光谱光学探测单元2进行姿态调整,使所述多光谱光学探测单元2的所在平面与地面平行。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于土壤信息实时采集与分析的动态施肥方法,其特征在于,包括以下步骤:
S1、利用多光谱光学探测单元(2)对土壤信息进行采集、得到基于时间序列的散射图像,利用边缘锐化算法、根据图像灰度梯度的大小解算出噪声水平;
S2、根据解算出的噪声水平、并结合第三方数据库中土壤所含成分元素光谱特征散射峰的分布情况,对所采集的光谱信号进行滤波,得到目标元素特征谱线;
S3、利用第三方检测土壤所含成分元素的光谱特征数据库,对此检测***进行标定;
S4、利用已标定***、根据滤波后的目标元素特征谱线,解算土壤中目标元素的含量情况;
S5、将探测到的土壤信息传输到核心处理器(3)中;
S6、所述核心处理器(3)根据土壤信息计算出肥料配比方案,并传输到多个肥料导入单元(4)的流量控制模块(42)中;
S7、各个所述流量控制模块(42)根据接收到的肥料配比方案控制所述肥料导入单元(4)导入肥料,肥料在所述施肥装置主体(1)内部混合均匀后施洒。
2.根据权利要求1所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,在步骤S1中,土壤信息基于所述多光谱光学探测单元(2)与传感器模块(7)联合采集,所述传感器模块(7)设置在所述多光谱光学探测单元(2)上,所述多光谱光学探测单元(2)集成有可见光探测器及其光源(21)、X荧光探测器及其光源(22)和短波红外探测器及其光源(23),所述传感器模块(7)集成有振动传感器和位置传感器。
3.根据权利要求2所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,在步骤S1中包括如下分步骤:
S11、确定噪声周期;所述振动传感器采集振动噪声信号,并获取振动噪声信号的周期,记为t N;
S12、记采集时刻为t、则在t-t N、t和t+t N三个时刻,利用可见光探测器及其光源(21)采集得到t-t N、t和t+t N三个时刻的土壤散射图像A k (k = t-t N、t、t+t N);
S13、对所采集的土壤散射图像A k (k = t-t N、t、t+t N)分别进行图像分割和对比度优化处理,得到相应图像B k (k = t-t N、t、t+t N),图像B k 分辨率为m×n,其中m、n分别为图像B k 在行、列方向上的像素点个数;
S14、图像边缘锐化;记图像B k (k=t-t N、t、t+t N)中任意像素点(i,j)的灰度值为(i, j),其中、i=1、2、…、m,j=1、2、…、n;调整多光谱光学探测单元(2)的方位、使图像B k 列方向与施肥装置的运动方向相同,以图像列方向上的灰度梯度进行边缘锐化,如公式(1)所示:
S16、解算t时刻噪声水平T Nt 、如公式(3)所示:
其中、abs为取绝对值。
4.根据权利要求3所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,在步骤S2中包括如下分步骤:
S21、确定目标元素特征谱线的中心波数值;对比所采集的光谱信号和第三方数据库中土壤所含成分元素光谱特征散射峰的分布曲线,确定目标元素特征谱线的中心波数值,用k表示波数值;若某一种目标元素特征谱线为双谱线,则其谱线的中心波数值分别为k 0 、k 1 ,且a< k 0 <k 1 < b,其中a、b为其特征谱线的范围;
S22、滤波器设计;为中心波数值k 0 和k 1 的邻域半径,是一个比k 0 和k 1 小很多的正实数;根据所确定的某一种目标元素特征谱线的中心波数值k 0 和k 1 、结合所解算出的噪声水平,则在区间[]上滤波器w(k)如公式(4)所示:
S23、对所采集的光谱信号、用w(k)进行滤波,得到目标元素特征谱线。
5.根据权利要求2所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,在步骤S2中,所述的光谱信号来自于X荧光探测器及其光源(22)和/或短波红外探测器及其光源(23)。
6.根据权利要求2所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,所述位置传感器用于检测当前土壤的位置信息,并将位置信息用传输到所述核心处理器(3)中,在所述核心处理器(3)中将当前位置信息与污染情况匹配。
7.根据权利要求6所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,在步骤S6中,部分难以解决的土壤问题,通过所述位置传感器记录位置信息并将问题反馈回所述核心处理器(3)。
8.根据权利要求1所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,在步骤S7中,所述施肥装置根据土壤信息及肥料配比方案确定所述肥料导入单元(4)的个数,所述肥料导入单元(4)设有流量计和流量控制模块(42),用于控制肥料导入的流量。
9.根据权利要求1至8任一项所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,还包括调平结构(6);多光谱光学探测单元(2)通过所述调平结构(6)设置在所述施肥装置主体(1)的外侧。
10. 根据权利要求9所述的基于土壤信息实时采集与分析的动态施肥方法,其特征在于,根据所述可见光探测器及其光源(21)所采集得到的土壤散射图像A k (k = t-t N、t、t+ t N),解算所述多光谱光学探测单元(2)所在平面与地面之间的距离信息,然后根据此距离信息通过所述调平结构(6)对所述多光谱光学探测单元(2)进行姿态调整,使所述多光谱光学探测单元(2)的所在平面与地面平行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097386.1A CN115777312B (zh) | 2023-02-10 | 2023-02-10 | 一种基于土壤信息实时采集与分析的动态施肥方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097386.1A CN115777312B (zh) | 2023-02-10 | 2023-02-10 | 一种基于土壤信息实时采集与分析的动态施肥方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115777312A true CN115777312A (zh) | 2023-03-14 |
CN115777312B CN115777312B (zh) | 2023-04-25 |
Family
ID=85430854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310097386.1A Active CN115777312B (zh) | 2023-02-10 | 2023-02-10 | 一种基于土壤信息实时采集与分析的动态施肥方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115777312B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116636369A (zh) * | 2023-07-19 | 2023-08-25 | 长春理工大学 | 一种基于可见-近红外光谱技术的施肥方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206165168U (zh) * | 2016-07-15 | 2017-05-17 | 内蒙古民族大学 | 快速测量智能配方施肥机 |
CN107976921A (zh) * | 2017-11-01 | 2018-05-01 | 中国农业大学 | 一种施肥装置及方法 |
CN108732129A (zh) * | 2017-07-14 | 2018-11-02 | 北京山水云图科技有限公司 | 一种用图像表示农田土壤成分的***及其方法 |
US20190017984A1 (en) * | 2017-07-14 | 2019-01-17 | SafeNet International LLC | Method of efficient acquisition of soil data using image mapping |
CN111652754A (zh) * | 2020-05-19 | 2020-09-11 | 江西省农业科学院农业工程研究所 | 一种南丰蜜桔智能光谱监测和氮肥定量诊断***及方法 |
CN112136423A (zh) * | 2020-10-15 | 2020-12-29 | 杨立 | 一种多功能农用机器人 |
CN214070642U (zh) * | 2020-10-15 | 2021-08-31 | 江苏华粮机械有限公司 | 一种茄果类蔬菜智能营养调控装备 |
CN114511170A (zh) * | 2021-09-13 | 2022-05-17 | 杭州领见数字农业科技有限公司 | 一种基于多光谱影像的土壤养分估计方法及装置 |
CN115372281A (zh) * | 2022-09-22 | 2022-11-22 | 深圳市现代农业装备研究院 | 一种土壤物理结构和化学构成的监测***及方法 |
CN115508292A (zh) * | 2022-09-20 | 2022-12-23 | 中国科学院南京土壤研究所 | 基于机器学习的土壤剖面氮素含量高光谱检测及可视化方法 |
-
2023
- 2023-02-10 CN CN202310097386.1A patent/CN115777312B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206165168U (zh) * | 2016-07-15 | 2017-05-17 | 内蒙古民族大学 | 快速测量智能配方施肥机 |
CN108732129A (zh) * | 2017-07-14 | 2018-11-02 | 北京山水云图科技有限公司 | 一种用图像表示农田土壤成分的***及其方法 |
US20190017984A1 (en) * | 2017-07-14 | 2019-01-17 | SafeNet International LLC | Method of efficient acquisition of soil data using image mapping |
CN107976921A (zh) * | 2017-11-01 | 2018-05-01 | 中国农业大学 | 一种施肥装置及方法 |
CN111652754A (zh) * | 2020-05-19 | 2020-09-11 | 江西省农业科学院农业工程研究所 | 一种南丰蜜桔智能光谱监测和氮肥定量诊断***及方法 |
CN112136423A (zh) * | 2020-10-15 | 2020-12-29 | 杨立 | 一种多功能农用机器人 |
CN214070642U (zh) * | 2020-10-15 | 2021-08-31 | 江苏华粮机械有限公司 | 一种茄果类蔬菜智能营养调控装备 |
CN114511170A (zh) * | 2021-09-13 | 2022-05-17 | 杭州领见数字农业科技有限公司 | 一种基于多光谱影像的土壤养分估计方法及装置 |
CN115508292A (zh) * | 2022-09-20 | 2022-12-23 | 中国科学院南京土壤研究所 | 基于机器学习的土壤剖面氮素含量高光谱检测及可视化方法 |
CN115372281A (zh) * | 2022-09-22 | 2022-11-22 | 深圳市现代农业装备研究院 | 一种土壤物理结构和化学构成的监测***及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116636369A (zh) * | 2023-07-19 | 2023-08-25 | 长春理工大学 | 一种基于可见-近红外光谱技术的施肥方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115777312B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | Annual input and output fluxes of heavy metals to paddy fields in four types of contaminated areas in Hunan Province, China | |
CN107318335B (zh) | 一种施肥罐车 | |
CN115777312A (zh) | 一种基于土壤信息实时采集与分析的动态施肥方法 | |
Mouazen et al. | On-line measurement of some selected soil properties using a VIS–NIR sensor | |
Rossel et al. | Laboratory evaluation of a proximal sensing technique for simultaneous measurement of soil clay and water content | |
Pacholski et al. | Calibration of a simple method for determining ammonia volatilization in the field–comparative measurements in Henan Province, China | |
CN103442547B (zh) | 用来确定肥料需求,特别是氮肥料需求的方法以及实行这种方法的设备 | |
CN1230673C (zh) | 粗土壤pF值的测定方法和浇水控制方法 | |
CN102487644B (zh) | 肥量配比全变量施肥装置及其控制方法 | |
Stewart et al. | Site-specific durum wheat quality and its relationship to soil properties in a single field in northern New South Wales | |
Billen et al. | Modelling the N cascade in regional watersheds: The case study of the Seine, Somme and Scheldt rivers | |
Chen et al. | Review of the Application of Near‐Infrared Spectroscopy Technology to Determine the Chemical Composition of Animal Manure | |
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 | |
CN109757175A (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
CN109168464A (zh) | 一种基于北斗导航的智能化小麦精量播种施肥作业机 | |
CN110286111A (zh) | 土壤中硒含量的检测方法 | |
Sørensen et al. | Application of reflectance near infrared spectroscopy for animal slurry analyses | |
CN108562571A (zh) | 土壤中有效硫的测定方法 | |
Hu et al. | Soil phosphorus and potassium estimation by reflectance spectroscopy | |
Thomasson et al. | Optical peanut yield monitor: Development and testing | |
CN218897521U (zh) | 一种用于土壤修复的动态施肥装置 | |
PL168549B1 (pl) | Sposób i uklad do wyznaczania wartosci nastawy rozsiewacza nawozowego PL | |
Gamble et al. | Elucidation of soil phosphorus speciation in mid‐Atlantic soils using synchrotron‐based microspectroscopic techniques | |
CN207751997U (zh) | 一种土壤酸碱度检测装置 | |
Fuhrer | Critical level for ozone to protect agricultural crops: interaction with water availability |
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 |