[发明专利]一种集成机器学习的土壤重金属浓度检测方法及系统

说明书

本发明公开了一种集成机器学习的土壤重金属浓度检测方法及系统，涉及计算机应用技术领域，所述方法包括：得到目标光谱数据，其中包括多类重金属光谱数据；提取目标重金属光谱数据，预处理得到目标光谱处理结果；得到目标理化指标参数，其中包括多个理化指标的多个参数；筛选得到目标指标参数因素；依次训练得到支持向量机矫正模型、循环神经网络矫正模型、梯度提升决策树矫正模型，融合得到智能矫正模型；处理得到输出信息；得到重金属浓度检测结果。解决了现有技术中对土壤中重金属检测效率低、检测准确度不够的技术问题。达到了提高土壤中重金属检测的智能化程度，进而提高土壤中重金属检测效率，同时提高土壤中重金属检测精度的技术效果。

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种集成机器学习的土壤重金属浓度检测方法及系统。

背景技术

重金属是影响生态环境质量的重要污染物，因其持久性、毒性和生物累积放大作用等给生态系统和人类健康带来巨大威胁。其中，土壤重金属污染问题一直较为突出，示范性的如镉、铅、汞、铜、铬、砷、镍、铁、锰、锌等土壤重金属严重威胁食品安全、农业生产以及生态环境。此外，由于重金属污染物一旦进入环境介质中短期内难以被及时发现，因此，对土壤中的重金属种类及其污染程度进行快速准确的评估极为重要。现有技术中一般通过在现场采集样品后在实验室强酸高温进行提取，进而通过用大型台式仪器进行实验室分析，示范性的如原子吸收光谱仪、原子荧光光谱仪、电感耦合等离子体发射光谱仪等，存在前处理和测定过程繁琐、分析周期长，进而导致检测效率低的技术问题。此外，由于土壤理化性质，如温度、含水率、电导率等的影响，导致土壤重金属检测准确性不高，影响检测可靠性。因此，研究利用计算机技术对土壤中的重金属进行快速、准确的检测，具有重要意义。

然而，现有技术中通过化学分析法对土壤中重金属进行检测时存在检测效率低的问题，通过X射线荧光光谱法对土壤中重金属进行检测时，由于忽略土壤理化性质对荧光强度的影响，导致土壤重金属检测存在准确度不够的技术问题。

发明内容

本发明的目的是提供一种集成机器学习的土壤重金属浓度检测方法及系统，用以解决现有技术中通过化学分析法对土壤中重金属进行检测时存在检测效率低的问题，通过X射线荧光光谱法对土壤中重金属进行检测时，由于忽略土壤理化性质对荧光强度的影响，导致土壤重金属检测存在准确度不够的技术问题。

鉴于上述问题，本发明提供了一种集成机器学习的土壤重金属浓度检测方法及系统。

第一方面，本发明提供了一种集成机器学习的土壤重金属浓度检测方法，所述方法通过一种集成机器学习的土壤重金属浓度检测系统实现，其中，所述方法包括：通过能谱仪对目标土壤进行检测，得到目标光谱数据，其中，所述目标光谱数据包括多类重金属光谱数据；提取所述多类重金属光谱数据中的目标重金属光谱数据，并对所述目标重金属光谱数据进行预处理，得到目标光谱处理结果；通过理化指标仪对所述目标土壤进行检测，得到目标理化指标参数，其中，所述目标理化指标参数包括多个理化指标的多个参数；对所述多个理化指标的多个参数进行筛选，并根据筛选结果得到目标指标参数因素；依次训练得到支持向量机矫正模型、循环神经网络矫正模型、梯度提升决策树矫正模型，并利用集成学习方法原理进行融合得到智能矫正模型；将所述目标光谱处理结果与所述目标指标参数因素作为所述智能矫正模型的输入信息，处理得到所述智能矫正模型的输出信息；基于所述智能矫正模型的输出信息，得到所述目标土壤的重金属浓度检测结果。