基于云边端架构的柑橘叶片氮磷含量高光谱检测系统

• Published in: 华南农业大学学报 Vol. 46; no. 2; pp. 278 - 286
• Main Authors: 高昌伦, 张方任, 唐婷, 吴伟斌, 段雨欣, 罗青, 林华瑞, 高婷
• Format: Journal Article
• Language: Chinese
• Published: 华南农业大学工程学院,广东广州 510642%华南农业大学工程学院,广东广州 510642 2025; 广东省山地果园机械创能工程技术研究中心,广东广州 510642%华南农业大学资源环境学院,广东广州 510642
• Subjects: 氮磷含量; Citrus leaves; Deep learning; 柑橘叶片; Hyperspectra; 深度学习; 检测系统; Nitrogen and phosphorus contents; 无损检测; Non-destructive detection; 高光谱; Detection system
• ISSN: 1001-411X
• DOI: 10.7671/j.issn.1001-411X.202404019

S666%TP391; [目的]设计一款柑橘叶片氮磷含量高光谱检测系统.[方法]基于SR-GRU网络训练构建氮磷含量反演模型,获取柑橘叶片光谱数据和叶片氮磷含量.设计基于云边端架构的柑橘叶片氮磷含量检测系统,对易受户外光线干扰的光谱信号提出改进iForest-SAM算法进行异常光谱检验剔除,对波段多、体积大、传输慢的光谱数据提出基于过完备学习字典的稀疏LoRa报文进行快速传输.系统边缘端在柑橘园内作为LoRa网关,移动终端使用稀疏LoRa报文经边缘端发送至云端加载反演模型进行预测.[结果]SR-GRU反演模型对柑橘叶片氮磷元素含量的反演效果最佳,模型的决定系数分别为 0.929 和 0.865,归一化均方根误差分别为 0.083 和 0.079.系统单次柑橘叶片氮磷含量检测耗时均在 1s以内,LoRa节点连接稳定,基于互联网的Web程序运行稳定,页面平均加载时间在0.5 s以内.[结论]该系统满足对柑橘叶片氮磷含量及时检测的实际应用需求.