基于人工嗅觉系统的土壤有机质检测方法研究

• 作者: 夏晓蒙 朱龙图 李名伟 贾洪雷 黄东岩
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 土壤有机质 人工嗅觉系统 蒙特卡罗抽样 特征降维 预测模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 171-179
• 页数: 9页
• 分类号: S158.2|TP212.9
• 字数: 7421字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.03.020

摘要

为了实现土壤有机质快速、准确的测量,提出了一种基于人工嗅觉的土壤有机质含量检测方法.首先,由不同温度控制的10个气体传感器所构成的阵列对土壤样品气体进行采集;然后,提取每个传感器响应曲线上的7个特征(包括最大值、最小值、平均值、平均微分系数、响应面积、第30秒的瞬态值和第60秒的瞬态值),构建嗅觉特征空间;对特征空间优化后,采用回归算法建立预测模型.为减小不同测定算法、异常样本以及冗余特征对模型预测性能的影响,在应用蒙特卡罗抽样(Monte Carlo sampling,MCS)法剔除异常样本的基础上,采用主成分分析(Principal component analysis,PCA)法对特征空间进行降维处理,评估了包括偏最小二乘法回归(Partial least square regression,PLSR)、支持向量机回归(Support vector machine regression,SVR)和BP神经网络(Back propagation neural network,BPNN)等3种建模方法对土壤有机质含量的预测性能,选用决定系数R2、均方根误差(RMSE)和预测偏差比(RPD)评价各模型的预测性能.测试集验证结果表明,PLSR、SVR和BPNN这3种模型的预测值和样本的观测值之间的R2分别为0.86、0.91和0.85,RMSE分别为2.49、2.05、2.68g/kg,RPD分别为2.49、3.02和2.32.SVR模型的预测性能高于PLSR模型和BPNN模型,可对土壤有机质含量进行准确预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾洪雷	吉林大学生物与农业工程学院	53	1041	22.0	31.0
5	黄东岩	吉林大学生物与农业工程学院	18	153	7.0	12.0
9	朱龙图	吉林大学生物与农业工程学院	5	5	1.0	2.0
13	李名伟	吉林大学生物与农业工程学院	3	5	1.0	2.0
17	夏晓蒙	吉林大学生物与农业工程学院	1	0	0.0	0.0