基于VIS-NIR的土壤水分检测传感器设计与试验.docx

基于VIS-NIR的土壤水分检测传感器设计与试验  OSID: 0 引言在农业领域，适宜的土壤水分对种子萌发、作物生长具有重要作用，相关研究表明，基于土壤水分信息对播种深度进行实时调控能有效提高种子的萌发和出苗，对作物增产增收具有重要意义传统的烘干法进行土壤水分测定具有精度高的优点，但该方法不能原位测量、对土壤具有破坏性且测量耗时长。介电法（包括时域反射法、频域反射法、时域传输法等）利用土壤的介电特性来测量土壤含水率随着光谱学分析技术的发展，VIS-NIR方法开始广泛应用到土壤特性参数测量研究上为实现精密播种种沟单点土壤水分的快速检测，本文分析400~1000 nm波长范围内不同含水率土壤的反射光谱，应用多种数据降维方法选取特征波长，在对不同特征波长进行组合建模分析后，设计一种VIS光源和短波NIR双波长光源式土壤水分传感器，并对其进行测试和性能评价。1结构与原理传感器的主要结构如图1所示，VIS光源、NIR光源与水平方向呈45°，被对称胶固于“W”支架上且位于光电传感器两侧。为避免VIS光源与NIR光源相互干扰，单片机供电并控制两个光源交替发光，照射土壤。土壤的反射光通过蓝宝石窗口集中后由光电传感器接收，并将光强信号转换为对应大小的电压信号。由于光电传感器转换后的电压强度很微弱，为提高其信噪比，采用运算放大器对电压信号进行滤波和放大，并输入到数据采集卡中。数据采集卡将采集的模拟电压数据转换为数字信号后传输至计算机端进行处理，由计算机端构建的土壤水分预测模型得到土壤含水率。2光源波长的确定光源是传感器的核心元件，确定最佳光源波长是传感器正常高效工作的关键，因此需要对不同含水率土壤进行光谱数据获取和分析，以筛选出适合土壤水分检测的最佳光源波长。2.1土壤光谱数据的获取实验土壤采用砂壤土，将取回的土壤样本用恒温干燥箱（DHG-9123A型, 上海）在105 ℃下烘烤12 h，干燥至恒质量后用10目土壤筛过筛。向过筛后的土壤中加入不同质量的水，获得7个梯度含水率的土壤，将土壤放入直径为60 mm的玻璃皿中，每个梯度配置3份样本，共21份样本。实际播种过程，开沟器会对种沟起一定的刮平作用，因此实验过程中刮平样本表面以减小土壤颗粒间隙对数据采集的影响。使用QE Pro高性能光谱仪（Ocean Optics, Inc.，美国）采集不同含水率下的土壤光谱数据，其可测波段范围为185~1100 nm，光谱分辨率（FWHM）为1.1nm，使用前进行白板校正。光源为HL-2000型卤钨灯光源（Ocean Optics, Inc.，美国），配合VIS-NIR实验室级分叉光纤（Ocean Optics, Inc.，美国）进行实验。实验时，将表面刮平的土壤样本迅速放至光谱仪光纤探头下，以减少样本表面水分散失对采集结果的影响。采用五点取样法获得每份样本上5个点的土壤反射光谱数据。测量完毕后的土壤样品被放至铝盒中进行称量，然后将土壤样品放入恒温干燥箱中，在105 ℃下干燥12h，再让其冷却至室温后进行二次称量，两次质量差与干燥后土壤质量的比值即为土壤的质量含水率，以此获得所测土壤试样的准确含水率。共获得7个水平的土壤含水率，分别为0.01%、4.35%、8.45%、12.19%、16.54%、19.73%、23.66%，以及105个与土壤含水率相关的反射光谱数据。2.2土壤光谱数据的分析2.2.1光谱数据的预处理由于低于400 nm和高于1000 nm波长的光谱数据信噪比低，故不采用上述波段的光谱数据，只采用400~1000 nm光谱数据进行分析。考虑到探头至土壤样本表面的距离不能保证绝对稳定，需要对获得的反射光谱数据进行去异常处理。采用蒙特卡洛交叉验证（Monte Carlo cross validation，MCCV）对异常样本值进行筛选，获得91个有效数据。采用光谱-理化值共生距离法（Sample set partitioning based on joint x-y distance，SPXY）从表1中可以看出，基于本文所用的7种预处理方法建立的模型，决定系数都达到了0. 9以上，其中采用归一化和标准化处理后的模型决定系数最高，为0.954。对比其他评价指标发现，SG平滑法建模的交叉验证结果和预测能力最好，而2.2.2特征波长的选取为选取出能预测土壤水分的最佳波长，采用相关系数法、连续投影算法（Successive projections algorithm，SPA）、无信息变量消除法（Uninformative variables elimination，UVE）、竞争自适应加权采样法（Competitive adaptive reweighted sampli