申请/专利权人:四川省水利科学研究院;四川省都江堰水利发展中心
申请日:2024-02-29
公开(公告)日:2024-04-02
公开(公告)号:CN117808173A
主分类号:G06Q10/04
分类号:G06Q10/04;G01N21/31;G01N21/33;G01N21/359;G01N21/3577;G01N33/24;G01N33/00;G06Q50/02;G06N20/10;A01G22/22;A01G25/00;A01C21/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及智能检测技术领域领域,具体涉及一种水田肥度检测方法、相关产品及基于其的种植方法,检测方法包括构建并训练的肥度预测模型,获取水体样本的光谱数据,并通过肥度预测模型进行判断,若氮、磷、钾均达标,则判断水田肥度整体达标,若氮、磷、钾中任意一项不达标则判断水田肥度不达标;本发明建立基于支持向量机的肥度预测模型,并通过不同类型的光谱仪器,分别获取水体中氮、磷、钾化合物的光谱数据,并构成各自预测模型的训练样本,用于训练肥度预测模型。在实际检测中,通过相应的光谱仪器获取水体样本的光谱数据,并预处理后输入到对应的预测模型中,从而判断各元素是否达标。
主权项:1.一种基于支持向量机的水田肥度检测方法,其特征在于,包括:构建基于支持向量机的肥度预测模型,肥度预测模型包括N预测模型、P预测模型和K预测模型;通过紫外-可见分光光度计获取模型训练水体中氮化合物的光谱数据,构成N预测模型的训练样本;通过近红外光光度计获取模型训练水体中磷化合物的光谱数据,构成P预测模型的训练样本;通过可见光光度计获取模型训练水体中钾化合物的光谱数据,构成K预测模型的训练样本;对训练样本进行预处理后,利用其对肥度预测模型进行训练,获得训练后的N预测模型、P预测模型和K预测模型;通过紫外-可见分光光度计对水体样本进行光谱扫描,获得光谱数据,并将光谱数据预处理后输入至N预测模型,由N预测模型判断氮是否达标;通过近红外光光度计对水体样本进行光谱扫描,获得光谱数据,并将光谱数据预处理后输入至P预测模型,由P预测模型判断磷是否达标;通过可见光光度计对水体样本进行光谱扫描,获得光谱数据,并将光谱数据预处理后输入至K预测模型,由K预测模型判断钾是否达标;若氮、磷、钾均达标,则判断水田肥度整体达标,若氮、磷、钾中任意一项不达标则判断水田肥度不达标。
全文数据:
权利要求:
百度查询: 四川省水利科学研究院;四川省都江堰水利发展中心 水田肥度检测方法、相关产品及基于其的种植方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。