(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211118108.1 (22)申请日 2022.09.15 (71)申请人 塔里木大 学 地址 843300 新疆维吾尔自治区阿拉尔市 虹桥南路705号 (72)发明人 彭杰　周岭　蔡海辉　万畅　 弋晓康　 (74)专利代理 机构 北京恒律知识产权代理有限 公司 11416 专利代理师 张琳丽 (51)Int.Cl. G01N 21/25(2006.01) G01N 21/01(2006.01) G06F 17/18(2006.01) G06K 9/62(2022.01) (54)发明名称 一种枣园土壤速效养分含量的检测方法及 系统 (57)摘要 本发明公开一种枣园土壤速效养分含量的 检测方法及系统， 涉及土壤中速效养分含量的检 测技术领域， 利用对数变换、 标准正态变换和一 阶微分变换对枣园土壤的多个波段的光谱反射 率数据进行数据变换处理， 以进一步利用竞争自 适应重加权算法筛选出与枣园土壤速效养分含 量对应的多个波段的光谱反射率数据， 并利用筛 选出的多个波段的光谱反射率数据构建土壤速 效养分含量检测模型， 竞争自适应重加权算法筛 选出了枣园土壤速效养分与室内光谱反射率的 特征波段， 减 轻了光谱波 段间的冗余及部分环境 噪声的干扰， 极大增强了模型预测枣园土壤速效 养分含量的能力， 进而达到了较高的预测 效果， 实现了精准预测枣园土 壤速效养分含量。 权利要求书4页 说明书12页 附图5页 CN 115406842 A 2022.11.29 CN 115406842 A 1.一种枣园土壤速效养分含量的检测方法， 其特 征在于， 所述方法包括： 获取枣园土壤样品的第一光谱数据集； 所述第一光谱数据集为高光谱数据； 所述第一 光谱数据集包括多个波段的光谱反射 率数据； 对枣园土壤样品的第一光谱数据集分别进行对数变换、 标准正态变换和一阶微分变 换， 得到枣园土壤样品的第二 光谱数据集、 第三 光谱数据集和第四光谱数据集； 根据枣园土壤样品的第一光谱数据集、 第二光谱数据集、 第三光谱数据集和第 四光谱 数据集， 分别利用竞争自适应重加权算法筛选出与枣园土壤样品的每种速效养 分含量对应 的第一光谱特征波段数据集、 第二光谱特征波段数据集、 第三光谱特征波段数据集和第四 光谱特征波 段数据集； 所述第一光谱特征波段数据集、 所述第二光谱 特征波段数据集、 所述 第三光谱特征波段数据集和所述第四光谱特征波段数据集均包括筛选出的多个波段 的光 谱反射率数据； 根据枣园土壤样品的每种速效养分含量以及与枣园土壤样品的每种速效养分含量对 应的第一 光谱特征波段数据集， 构建第一训练数据集； 根据枣园土壤样品的每种速效养分含量以及与枣园土壤样品的每种速效养分含量对 应的第二 光谱特征波段数据集， 构建第二训练数据集； 根据枣园土壤样品的每种速效养分含量以及与枣园土壤样品的每种速效养分含量对 应的第三 光谱特征波段数据集， 构建第三训练数据集； 根据枣园土壤样品的每种速效养分含量以及与枣园土壤样品的每种速效养分含量对 应的第四光谱特 征波段数据集， 构建第四训练数据集； 利用所述第 一训练数据集对第 一土壤速效养分含量检测模型进行训练和优化， 得到优 化后的第一土壤速效养分含量检测模型； 利用所述第 二训练数据集对第 二土壤速效养分含量检测模型进行训练和优化， 得到优 化后的第二土壤速效养分含量检测模型； 利用所述第 三训练数据集对第 三土壤速效养分含量检测模型进行训练和优化， 得到优 化后的第三土壤速效养分含量检测模型； 利用所述第四训练数据集对第四土壤速效养分含量检测模型进行训练和优化， 得到优 化后的第四土壤速效养分含量检测模型； 根据所述优化后的第 一土壤速效养分含量检测模型、 所述优化后的第 二土壤速效养分 含量检测模型、 所述优化后的第三土壤速效养 分含量检测模型和所述优化后的第四土壤速 效养分含量检测模型， 利用预设的模型评价指标确定枣园土壤样品的每种速效养分含量对 应的最佳反演模型； 所述最佳反演模型为所述优化后的第一土壤速效养分含量检测模型、 所述优化后的第二土壤速效养 分含量检测模型、 所述优化后的第三土壤速效养 分含量检测 模型和所述优化后的第四土壤速效养分含量检测模型中的一种； 获取与所述最佳反演模型对应的待检测光谱特征波段数据集； 所述待检测光谱特征波 段数据集为与待检测枣园土壤的速效养 分含量对应的第一光谱特征波段数据集、 第二光谱 特征波段数据集、 第三 光谱特征波段数据集或第四光谱特 征波段数据集； 将所述待检测光谱特征波段数据集输入所述最佳反演模型中， 得到待检测枣园土壤的 速效养分含量。 2.根据权利要求1所述的枣 园土壤速效养分含量的检测方法， 其特征在于， 所述第 一光权　利　要　求　书 1/4 页 2 CN 115406842 A 2谱数据集包括 400nm～2400nm波长范围内的20 01个波段的光谱反射 率数据。 3.根据权利要求1所述的枣 园土壤速效养分含量的检测方法， 其特征在于， 所述对枣园 土壤样品的第一光谱数据集分别进行对数变换、 标准正态变换和 一阶微分变换， 得到枣园 土壤样品的第二 光谱数据集、 第三 光谱数据集和第四光谱数据集， 具体包括： 对枣园土壤样品的第 一光谱数据集进行对数变换， 得到枣园土壤样品的第 二光谱数据 集； 对枣园土壤样品的第 一光谱数据集进行标准正态变换， 得到枣园土壤样品的第 三光谱 数据集； 对枣园土壤样品的第 一光谱数据集进行一阶微分变换， 得到枣园土壤样品的第四光谱 数据集。 4.根据权利要求1所述的枣 园土壤速效养分含量的检测方法， 其特征在于， 所述获取与 所述最佳反演模型对应的待检测光谱特 征波段数据集， 之前还 包括： 获取待检测枣园土壤的第一 光谱数据集； 对待检测枣 园土壤的第 一光谱数据集分别进行对数变换、 标准正态变换和一阶微分变 换， 得到待检测枣园土壤的第二 光谱数据集、 第三 光谱数据集和第四光谱数据集； 根据待检测枣园土壤的第一光谱数据集、 第二光谱数据集、 第三光谱数据集和第 四光 谱数据集， 分别利用竞争自适应重加权算法筛选出与待检测枣园土壤的速效养 分含量对应 的第一光谱特征波段数据集、 第二光谱特征波段数据集、 第三光谱特征波段数据集和第四 光谱特征波段数据集。 5.一种枣园土壤速效养分含量的检测系统， 其特 征在于， 所述系统包括： 枣园土壤样品高光谱数据获取模块， 用于获取枣园土壤样品的第一光谱数据集； 所述 第一光谱数据集 为高光谱数据； 所述第一 光谱数据集包括多个波段的光谱反射 率数据； 数据变换模块， 用于对枣园土壤样品的第一光谱数据集分别进行对数变换、 标准正态 变换和一 阶微分变换， 得到枣园土壤样品的第二光谱数据集、 第三光谱数据集和第四光谱 数据集； 光谱特征波段数据集筛选模块， 用于根据枣园土壤样品的第一光谱数据集、 第二光谱 数据集、 第三光谱数据集和第四光谱数据集， 分别利用竞争自适应重加权算法筛选出与枣 园土壤样品的每种速效养分含量对应的第一光谱特征波段数据集、 第二光谱特征波段数据 集、 第三光谱特征波段数据集和 第四光谱特征波段数据集； 所述第一光谱特征波段数据集、 所述第二光谱特征波段数据集、 所述第三光谱特征波段数据集和所述第四光谱特征波段数 据集均包括筛 选出的多个波段的光谱反射 率数据； 第一训练数据集构建模块， 用于根据 枣园土壤样品的每种速效养分含量以及与枣 园土 壤样品的每种速效养分含量对应的第一 光谱特征波段数据集， 构建 第一训练数据集； 第二训练数据集构建模块， 用于根据 枣园土壤样品的每种速效养分含量以及与枣 园土 壤样品的每种速效养分含量对应的第二 光谱特征波段数据集， 构建第二训练数据集； 第三训练数据集构建模块， 用于根据 枣园土壤样品的每种速效养分含量以及与枣 园土 壤样品的每种速效养分含量对应的第三 光谱特征波段数据集， 构建第三训练数据集； 第四训练数据集构建模块， 用于根据 枣园土壤样品的每种速效养分含量以及与枣 园土权　利　要　求　书 2/4 页 3 CN 115406842 A 3