基于全通滤波网络的土壤含水率传感器的设计

土壤水是土壤的三大组成物质之一,对植物生长起着十分重要的作用。通过对土壤含水率的实时监测,可以动态掌握土壤墒情,对于农业生产中的节水灌溉具有重要意义。设计了一种基于全通滤波网络的土壤含水率传感器。该传感器包含电极、超高频正弦波振荡器、全通滤波网络、相位补偿电路和信号相位差检测电路5个部分。传感器电极以电容的形式接入全通滤波网络,含水率不同的土壤其介电常数也不同,并导致电极电容发生变化,进而使得全通滤波网络的相频特性发生显著变化。传感器通过感知这种变化确定土壤含水率。为了使得全通滤波网络对电极电容变化的反应最灵敏,通过分析全通滤波网络相频特性函数,建立了寻找最优电阻阻值R1的目标函数。通过对该目标函数的求解得到了R1的最优值为11.25Ω。试验表明,传感器预测土壤质量含水率平均预测误差为1.51%,最大预测误差为4.71%。     

不同物候期柑橘叶片钾素水平预测建模

为探究柑橘树钾素质量分数无损检测的技术途径,基于反射光谱建立不同物候期柑橘叶片钾素水平预测模型.以117株园栽萝岗橙树为试验对象,采集4个物候期健康鲜叶数据,用高光谱仪测量叶片反射光谱值,用火焰光度法测定同期同批叶片钾素质量分数.对不同物候期钾素敏感特征波段和钾素质量分数建模进行试验和分析,结果表明:不同物候期钾素质量分数敏感特征波段存在漂移现象;相比多元线性回归,支持矢量回归(SVR)和偏最小二乘法(PLS)用钾素敏感特征波段建模能较好预测K素质量分数;在不同物候期特征波段漂移和模型性能差异情况下,SVR基于反射光谱建立全发育期钾素质量分数模型仍有良好的预测性能,其在测试集上的决定系数R2为0.994,均方误差为0.120,平均相对误差为1.33％.