光谱技术在土壤水分含量检测中的研究进展

土壤水分是影响农业生产的重要因素之一,对农作物生长发育情况和最终产量起着关键的作用,然而农业用水浪费现象普遍存在,预计至2020年我国灌溉水利用系数仅为0.55,远低于0.7~0.8的世界先进水平,因此准确有效地判断土壤含水量丰缺情况对农业生产实践具有重要意义,光谱技术利用物体特征谱线的不同,能够同时获取目标的图像信息和光谱信息,从而更直观地表达目标的特征,从而精确、快速、无损地对土壤水分的含量进行动态的检测,该技术极大地促进了农业的精准化、智能化和现代化,在土壤水分含量检测中占有重要地位。文章综述了国内外土壤水分含量检测的最新文献,对基于光谱技术的土壤水分含量检测的研究进展进行了系统地讨论,分析了传统方法的不足,并阐述了光谱成像技术的优势:(1)实时性;(2)无损性;(3)精确性;及其在土壤水分含量检测中的局限性:(1)土壤的构造复杂;(2)泛化能力不足;(3)气候条件制约。重点阐述了光谱在土壤水分检测中的三个关键技术:(1)光谱数据预处理技术,重点对比了常见的预处理技术原理及其效果;(2)光谱特征提取技术,对比了常见的特征光谱提取方法,重点分析了土壤水分的敏感波段;(3)光谱建模技术,重点对比了土壤水分含量检测的线性和非线性模型,分析其原理、应用范围及模型精度,得出非线性模型将成为光谱技术在土壤水分含量检测的主流建模方法。最后依据上述分析,对光谱技术在土壤水分检测领域中的应用前景和研究趋势进行了展望:一是要提高该技术的泛化能力和鲁棒性,建立可用于多种土壤类型的水分检测模型;二是要建立大范围区域并动态实时更新的土壤光谱数据库,为提高模型精度做好数据基础。

采用局部点云和BP神经网络的苹果树剪枝决策系统构建

针对当前果树智能化剪枝决策研究尚不完善的问题,以树形分析和人工智能剪枝决策为基础,建立苹果树剪枝决策系统。提出基于局部点云的树枝三维骨骼提取方法,该方法采用Harris角点检测、凝聚层次、深度层次分析算法提取三维骨骼关键点,并基于线覆盖法建立树枝的空间向量,获取苹果树枝的三维空间形态特征数据,从而生成树枝的三维骨骼图,实现真实树枝的数字化模拟;提出基于BP神经网络的剪枝决策方法,以三维骨骼图为特征,实现根据输入的果树数据自动分析并生成剪枝方案。结果表明,剪枝决策方案对于背上枝和向心枝的辨别程度较好,准确率均达到90%以上,对干扰枝的总检出率85.71%,整体符合要求。该系统实现了苹果树剪枝环节的数字化处理和智能化剪枝,为果树科学剪枝提供可靠的工具。

基于生物阻抗的即配羊肉货架期无损检测方法

货架期是判断羊肉新鲜度的重要标准。为探讨生物阻抗技术在食品货架期检测方面的应用前景,提出了一种即配羊肉货架期无损检测方法。结合影响即配羊肉新鲜度变化的关键因素及生物阻抗的测量原理,针对电极数量、电极材料、电极排列方式等测试条件的不同,自主设计了电极作为生物阻抗测试前端。揭示了在0、4、8℃的3个贮藏温度下即配羊肉阻抗参数和TVB-N含量的变化规律及即配羊肉阻抗与TVB-N含量、货架期的相关性;以TVB-N含量为关键参考指标,建立基于BP神经网络的即配羊肉货架期预测模型和评价方法,并将其与支持向量机模型、决策树模型进行对比,BP神经网络模型的F1分数可达95.9%。基于BP神经网络模型设计即配羊肉货架期检测系统,可实现用户友好的数据可视化与即配羊肉货架期的即时检测。