扰动扩散流动分析法测定土壤氮、磷技术研究

随着国家对农业面源氮、磷污染防治力度的加大,土壤氮、磷测定技术迫切需要改善。本研究在对常规的扩散对流（Dispersion convection）和强迫对流（Forced convection）流动分析方法基础上,提出了扰动扩散（Perturbation diffusion）流动分析方法,以实现土壤氮、磷全自动化快速测定与分析。扰动扩散流动分析方法是将样品和试剂定量化后集中在化学反应腔中进行反应,然后程序控制蠕动泵对化学反应腔中反应物进行反复扰动,待化学反应完全稳定后流入光电探测单元完成土壤氮、磷含量测定。采用取自湖北潜江的土壤样品对扰动扩散流动分析方法进行了系统验证,实验结果表明,本研究提出的方法与常规紫外可见分光光度法对氮、磷测定相比,基于硫酸钠和碳酸氢钠联合浸提的土壤铵态氮测量值相关系数为0.915 5,基于氯化钙浸提的土壤铵态氮、硝态氮和水溶性磷测量值相关系数分别为0.998 5、0.990 1和0.991 1。铵态氮、硝态氮和水溶性磷的检出限分别为0.055 4、0.020 3 mg·L^-1和0.008 4 mg·L^-1,相对标准偏差（RSD,n=7）分别为1.8%、4.8%和1.0%。     

利用表面增强拉曼光谱定量检测植物激素脱落酸

植物激素脱落酸(Abscisic Acid,ABA)在调控植物生长和发育方面具有重要作用.然而,ABA在植物组织中含量较低,迫切需要快速灵敏的检测方法.本研究建立了一种基于适配体识别和表面增强拉曼光谱(Surface-Enhanced Raman Spectroscopy,SERS)检测的ABA快速、定量检测方法.AB...     

粮库粮情智能监测系统的设计与实现

设计了一种基于嵌入式ARM9的低成本传感平台的粮库粮情智能监测系统,实现储粮温度、湿度和CO_2等参数实时采集。采用格拉布斯算法处理剔除区域采样中的粗大误差,然后通过加权融合获得储粮安全数据信息,运用BP神经网络算法对数据进行训练和预测,建立了储粮安全级别霉变模型。研究结果表明,粮库内外气体环境差值作为粮情判定因子,系统预测的最大绝对误差为0.02,最大相对误差为5.56%,有效地降低了外界环境对粮情判定带来的影响。     

基于近红外光谱结合机器学习算法检测食用明胶品种溯源的研究

采用近红外光谱结合机器学习方法,对5种不同来源的食用明胶进行鉴别。利用Savitzky-Golay平滑去噪、多元散射校正和最大最小归一化等方法对原始光谱数据进行预处理。将预处理的光谱数据划分为训练集和验证集,分别采用支持向量机(support vector machine, SVM)、随机森林(random forest, RF)和反向传播神经网络(back propagation neural network, BPNN)建立识别模型。结果表明,SVM模型、RF模型和BPNN模型的总体准确率均高达97%以上,其中BPNN模型的准确率为100%,明显优于其他2种模型,能够实现5种不同来源食用明胶的完全识别,而且其运算速度最短,更适用于明胶品种的溯源。     

介电特性土壤水分测定方法研究进展

介电特性被证明是研究土壤水分测定最有价值的参数,因为介电特性与土壤水分有着非凡的联系。电容传感器、时域反射仪(TDR)、频域反射仪(FDR)、中子法、电阻和电导率都能提供解释土壤含水量的介电特性谱。然而,由于不同土壤类型土壤介电特性的复杂性,在不同尺度上实现土壤水分高精度测定,仍然面临巨大挑战。本文综述了介电特性在土壤水分快速测定中的地位和几种典型介电特性土壤水分测定方法的研究进展,分析了介电特性土壤水分快速测定方法所涉及的难点,提出了消除土壤类型等影响介电特性土壤水分测定的差分解释法新思路,并对介电特性土壤水分测量技术发展进行了总结,指出了未来的研究方向。     

作物养分管理集成系统研究

为了解决作物不同生长阶段养分需求,维持土壤养分供给与作物吸收之间的平衡,从而有效地提高作物产量和品质,提出了作物养分管理集成系统。该系统包括土壤速效氮磷钾养分吸光度检测技术、作物养分反射光谱检测技术和激光诱导击穿光谱养分检测技术,它能够快速检测作物播种前和生长发育过程中土壤养分状况以及作物植株养分丰缺状况。结果表明,作物养分管理集成系统中土壤速效氮磷钾吸光度法测量结果与碱解扩散法测量土壤速效氮,钼锑抗比色法测量土壤速效磷和火焰光度法测量土壤速效钾的相关系数分别为0.888 2、0.908 4和0.847 4;水稻叶反射光谱与土壤作物分析仪SPAD(Soil-plant analysis development,SPAD)测试值相比,相关性系数为0.901 6;激光诱导击穿光谱获得的土壤钾谱线强度与火焰光度法钾测试结果相关系数为0.808 5。应用"3414"试验方案研究了玉米氮磷钾养分丰缺指标,建立了土壤养分和目标产量之间的关系式,为作物养分管理提出了一种解决方案。     

基于机器学习算法的农田挥发氨多传感器阵列检测技术研究

【目的】设计能够快速、低成本、便捷检测农田挥发氨装置。【方法】构建基于二氧化锡(SnO₂)半导体气体传感器阵列检测系统,并在新鲜空气(氨气质量浓度为0 mg·m^-3)和氨气质量浓度分别为75.9、151.8、303.6mg·m^-3条件下,以及混合有乙醇的空气、纯乙醇气体(质量浓度为151.8 mg·m^-3)、混合有氨气的空气和纯氨气气体(质量浓度为151.8 mg·m^-3)样品下,通过主成分分析法(principal component analysis,PCA)、K-最近邻算法(K-nearest neighbors,KNN)和支持向量机算法(support vector machine,SVM)对多传感器阵列响应稳态阶段和暂态阶段的数据进行分类处理,分析该系统对不同质量浓度氨气和混合气体环境下氨气的区分效果。【结果】该装置能够明显区分不同质量浓度氨气,稳态阶段的主成分1值超过90%。KNN与SVM算法稳态阶段平均准确率超过97%,暂态阶段平均准确率68%,KNN与SVM平均...