[发明专利]适应复杂土壤基体的成分分析与预测方法、单元及系统

权利要求书

1.一种适应复杂土壤基体的成分分析与预测方法，其特征在于，包括：

计算各主量元素的光谱强度与元素含量之间的相关性；

在第一样品内加入不同含量的待测元素后，获取所述第一样品内各个主量元素在不同含量的待测元素下的光谱数据；根据各主量元素在不同含量的待测元素下的光谱数据，计算各主量元素的相对标准偏差；

选取所述相关性大于第二预设阈值，并且相对标准偏差小于第三预设阈值的主量元素，作为目标主量元素；

获取待测土壤样本中待测元素与目标主量元素的光谱数据；其中，所述目标主量元素为根据预设条件预先选取的多种主量元素；

将所述待测元素与目标主量元素的光谱数据输入到预先训练的预测模型中，得到待测元素含量的预测值；

所述预测模型为神经网络模型和/或线性回归模型；

所述预测模型的训练过程包括：

获取定标样品集并根据所述定标样品集训练所述预测模型；其中，所述定标样品集中包括多个定标样品；各个定标样品均具有预设含量的目标主量元素；各个定标样品的待测元素含量不同；

在将所述待测元素与目标主量元素的光谱数据输入到预先训练的预测模型中，得到待测元素含量的预测值之前，所述方法还包括：

根据所述定标样品集的光谱数据，确定各定标样品的特征向量；

根据所述待测土壤样本中待测元素与目标主量元素的光谱数据，确定所述待测土壤样本的特征向量；

计算所述待测土壤样本的特征向量与各定标样品的特征向量之间的距离；

判断所述距离的最小值是否小于第一预设阈值；

若所述距离的最小值小于第一预设阈值，则执行将所述待测元素与目标主量元素的光谱数据输入到预先训练的预测模型中的步骤；

若所述距离的最小值不小于第一预设阈值，则根据所述待测土壤样本中目标主量元素的光谱数据和各定标样品对所述预测模型重新训练；

所述预测模型的重新训练过程包括：

获取定标样品集和参考样品集并根据所述定标样品集和所述参考样品集训练所述预测模型；

其中，所述参考样品集中包括多个参考样品；各个参考样品与所述待测土壤样本的目标主量元素含量相同；各个参考样品的待测元素含量不同。

2.根据权利要求1所述的适应复杂土壤基体的成分分析与预测方法，其特征在于，在获取待测土壤样本中待测元素与目标主量元素的光谱数据之后，所述方法还包括：

对所述光谱数据进行噪声去除和内标归一化处理；

在得到待测元素含量的预测值之后，所述方法还包括：

根据预设评价指标对所述预测模型进行评价；

其中，所述预设评价指标包括下述至少一项：平均相对误差、最小相对误差、最大相对误差、相对标准偏差。

3.一种处理单元，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1或2所述的适应复杂土壤基体的成分分析与预测方法的步骤。

4.一种土壤成分检测系统，其特征在于，包括激发单元、收集单元以及如权利要求3所述的处理单元。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1或2所述的适应复杂土壤基体的成分分析与预测方法的步骤。