近红外光谱和机器视觉信息融合的土壤含水率检测-ingentaconnect.pdfVIP

第 25 卷 第 8 期 农 业 工 程 学 报 Vol.25 No.8 14 2009 年 8 月 Transactions of the CSAE Aug. 2009 近红外光谱和机器视觉信息融合的土壤含水率检测 1 1※ 2 1 1 1 肖 武 ，李小昱 ，李培武 ，冯耀泽 ，王 为 ，张 军 （1．华中农业大学工程技术学院，武汉 430070 ； 2 ．中国农业科学院武汉油料作物研究所，武汉 430062 ） 摘 要：为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性，该文提出了机器视觉与近红外光谱技术融 合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图 像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明，基于近红外光谱含 水率分析模型虽然具有较高的精度，但该模型预测非建模样品黄绵土误差均大于 4% ；以图像特征参数 H ，S 和 V 所建 BP 人工神经网络非线性预测模型最优，模型的决定系数 R2 为 0.9849，但当土壤水分饱和（达到 20% 以上）时存在分析 误差；而所建立的土壤的近红外光谱与机器视觉 BP 神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达 20% 以上土壤，决定系数R2 可达到 0.9961，融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。 关键词：土壤含水率，信息融合，近红外光谱，机器视觉，BP 神经网络 doi ：10.3969/j.issn.1002-6819.2009.08.003 中图分类号：S151.9 文献标识码：A 文章编号：1002-6819(2009)-8-0014-04 肖 武，李小昱，李培武，等. 近红外光谱和机器视觉信息融合的土壤含水率检测[J]. 农业工程学报，2009，25(8)： 14－17. Xiao Wu, Li Xiaoyu, Li Peiwu, et al. Soil moisture detection based on data fusion between near-infrared spectroscopy and machine vision[J]. Transactions of the CSAE, 2009,25(8) ：14－17.(in Chinese with English abstract) 描述同一对象不同品质特征的技术[16-17] 。本文以湖北地 0 引 言 区稻田土、黄棕壤以及潮土和黄土高原的黄绵土为研究 土壤含水率是土壤的最重要的参数之一，也是反映 对象，分别建立了基于机器视觉的土壤含水率分析模型 土地质量的一个重要指标[1-2] 。基于光谱技术的土壤含水 和基于近红外光谱土壤含水率的分析模型。 率测量有着良好的发展[3-10] 。Abdul Mouazen Mouazen 等 不同类型土壤近红外光谱的较大差异影响分析结果 在实验室用 306.5～1 710.9 nm 范围内的波长测量土壤含 的精度，而表征土壤颜色信息的图像特征参数与含水率 水率为 0.5%～26% 的土壤，发现光谱在波长为 1 450 nm 之间具有较好的相关性，但其适应性较差，存在局限性。 时有较强的吸收，在 1 366～1 670 nm 采用偏最小二乘法 故可建立基于近红外光谱和机器视觉信息