【技术实现步骤摘要】
本申请涉及借助于测定材料的化学或物理性质来测试或分析材料，尤其涉及一种基于土壤全氮近红外光谱的云边协同检测系统及方法。
技术介绍
1、化学分析法是传统的土壤氮素检测方法，也是当前土壤全氮检测的标准方法。然而，这类方法常常需要花费较大的时间、人力、物力和财力。对此，光谱分析技术所展现的无损、快速、高效、环境友好等特点，使其在土壤属性检测任务中具有突出的优势。其中，近红外（near infrared, nir）光谱能反应c-h、n-h、o-h等含氢基团振动的倍频和合频信息，故其可被用作土壤全氮含量检测任务。不同于其他光谱分析技术，近红外光谱基本重叠了大量其他成分的相关信息，使得它的图谱显示出结构复杂、谱峰重叠严重、被测物质成分的有效信息谱带较宽、光谱变动较大和光谱数据干扰噪声较多等特点，而这些特点对土壤全氮含量检测又提出了很大的挑战。
2、近年来，以深度学习为代表的数据驱动方法在特征挖掘、波谱检测技术中得到了广泛的关注，其特点是在待检测物质特征未知、先验知识缺乏的情况下，实现待检测物质的有效特征挖掘。然而，现有的土壤样品检测条件...
【技术保护点】
1.一种基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述云边协同检测系统包括：
2.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述边缘设备还用于基于所述第一光谱数据集训练所述土壤全氮检测模型，所述土壤全氮检测模型的训练步骤包括：
3.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述基于所述实时土壤光谱数据和所述历史土壤光谱数据确定用于训练所述土壤全氮检测模型的第一光谱数据集，包括：
4.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所...
【技术特征摘要】
1.一种基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述云边协同检测系统包括：
2.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述边缘设备还用于基于所述第一光谱数据集训练所述土壤全氮检测模型，所述土壤全氮检测模型的训练步骤包括：
3.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述基于所述实时土壤光谱数据和所述历史土壤光谱数据确定用于训练所述土壤全氮检测模型的第一光谱数据集，包括：
4.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述传感器终端包括：
5.根据权利要求1所述的基于土壤全氮近红外光谱的云边协同检测系统，其特征在于，所述边缘设备包括智能终端，所述智能终端用于接收所述传感器终端发送的实时土壤光谱数据，以及向本地设备发送所述实时土壤光谱数据。
【专利技术属性】
技术研发人员：王跃亭，曲锦超，董大明，田宏武，邢振，刘帅，刘亚超，马世祥，李传霞，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。