-
题名田间土壤自动采样与参数实时检测装置设计与试验
被引量：1
- 1
-
-
作者
陈子文
姚宇熙
张海腾
杨明金
蒲应俊
李守太
-
机构
西南大学工程技术学院
丘陵山区智能农机装备重庆市重点实验室
-
出处
《农业工程学报》
北大核心
2025年第6期20-30,共11页
-
基金
重庆市农业农村委员会农业新型研发机构补助项目
重庆市技术创新与应用发展专项重点项目(cstc2021jscx-gksbX0013)。
-
文摘
针对田间信息化管理中传统土壤样本采集与土壤参数检测劳动强度大、操作复杂、效率低等问题,该研究设计了一种土壤自动采样与土壤参数实时检测装置,并提出基于BP神经网络(back propagation neural network,BPNN)的土壤坚实度和质量含水率预测方法。首先,基于土样自动采集与参数测量需求,设计双级分步式土样采检机构、卸土机构及分度式土样收集机构,对机构进行分析与校核确定400 mm运动行程和800N最大入土推力,并搭建基于Jetson TX2嵌入式计算机与STM32F3系单片机的双层构架控制系统,结合全球导航定位系统(global navigation satellite system,GNSS),实现土壤自动采样、自主导航、信息记录与传输、取土自保护以及土壤坚实度与质量含水率动态预测的功能。其次,构建了3层BP神经网络预测模型,将易检测的土壤体积含水率、土壤取样电流、取样速度、取样深度4个参数与土壤坚实度及质量含水率建立回归关系,通过275个试验样本对模型进行训练与测试,得到最佳隐藏层节点数为10,土壤坚实度与质量含水率预测结果平均百分比误差分别为7.74%和1.53%。最后,为验证机器综合性能,以机器采样时间、温湿度传感器探针入土深度、土样质量绝对误差、土壤坚实度与质量含水率预测值相对误差作为评价指标,对柑橘园巡检路径中10个采样点进行实地试验,结果表明,该机器单次土壤采样平均耗时为60.5 s,传感器探针平均入土深度为64.7 mm,土样质量平均绝对误差为1.53 g,10个采样点的土壤坚实度与质量含水率预测的相对误差平均值分别为6.37%和5.00%,满足土壤采样和参数检测需求,同时结合地理位置信息给出土壤坚实度与质量含水率田间分布图。该研究结果可为土壤智能采集、参数实时检测及田间土壤信息分布可视化管理提供参考。
-
关键词
土壤坚实度
实时检测
自动采样
土壤质量含水率
BP神经网络
-
Keywords
soil firmness
real-time detection
automated sampling
soil mass moisture content
back propagation neural network
-
分类号
S126
[农业科学—农业基础科学]
-
