-
公开(公告)号：CN112304997B
公开(公告)日：2023-03-31
申请号：CN202011181175.9
申请日：2020-10-29
Applicant: 三峡大学
IPC: G01N23/223
Abstract: 本发明公开了基于空间耦合模型的土壤重金属含量检测系统，包括箱体和箱体中设置的可旋转的土壤样品盛放台，土壤样品盛放台的土壤样品接触面设有水分传感器，箱体内设有微处理器以及分别与其连接的X射线管、探测器、定位模块、存储器和显示屏，X射线管、探测器分别对准土壤样品盛放台，存储器中存有不同地理位置对应的光谱定量分析模型，水分传感器的输出端与微处理器连接。本发明还公开了一种土壤重金属含量检测方法。本发明的检测系统针对峰值漂移现象进行刻度校正，针对不同的土壤质地和湿润程度进行补偿，且根据土壤样本地理位置挑选相对应的光谱定量分析模型，提高了土壤重金属含量检测的精度。
-
公开(公告)号：CN115130377A
公开(公告)日：2022-09-30
申请号：CN202210704753.5
申请日：2022-06-21
Applicant: 三峡大学
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06N3/00 , G01N23/223
Abstract: 一种BOSS‑SAPSO优化极限学习机的土壤重金属预测方法，它包括以下步骤：步骤1：采集土壤样品X射线荧光光谱数据和重金属含量值，构建样本集；步骤2：对样本集或待检测光谱信息进行预处理；步骤3：对预处理后的光谱数据进行特征选择；步骤4：建立极限学习机；步骤5：采用优化后的权重和隐含层偏置训练极限学习机，得到土壤重金属预测模型，将测试集输入预测模型，得到重金属的预测值。本发明的目的是为了解决在现有的土壤重金属预测中，所获得的相关光谱数据维度高、数据间冗余大且光谱与土壤重金属之间会呈现复杂的非线性，从而使得土壤重金属预测效率、效果、精准度不高的技术问题。
-
公开(公告)号：CN115081335A
公开(公告)日：2022-09-20
申请号：CN202210778405.2
申请日：2022-06-30
Applicant: 三峡大学
Abstract: 一种改进深度极限学习机的土壤重金属空间分布预测方法，它包括以下步骤：步骤1：确定研究区域内的调查网格；步骤2：在研究区域内采集土壤样品；步骤3：测定采集的土壤样品重金属浓度；步骤4：确定所需多源辅助变量；步骤5：筛选多源辅助变量；步骤6：基于土壤重金属浓度数据和辅助变量数据构建深度极限学习机；步骤7：用金枪鱼群优化算法优化所构建的深度极限学习机；步骤8：获得土壤重金属空间分布图。本发明的目的是提供一种利用深度极限学习机DELM来对土壤重金属浓度空间进行预测的方法，以提高土壤重金浓度空间预测的精度，进而为更好的进行土壤重金属污染防治做准备。
-
Patent Agency Ranking
公开(公告)号：CN112304997A
公开(公告)日：2021-02-02
申请号：CN202011181175.9
申请日：2020-10-29
Applicant: 三峡大学
IPC: G01N23/223
Abstract: 本发明公开了基于空间耦合模型的土壤重金属含量检测系统，包括箱体和箱体中设置的可旋转的土壤样品盛放台，土壤样品盛放台的土壤样品接触面设有水分传感器，箱体内设有微处理器以及分别与其连接的X射线管、探测器、定位模块、存储器和显示屏，X射线管、探测器分别对准土壤样品盛放台，存储器中存有不同地理位置对应的光谱定量分析模型，水分传感器的输出端与微处理器连接。本发明还公开了一种土壤重金属含量检测方法。本发明的检测系统针对峰值漂移现象进行刻度校正，针对不同的土壤质地和湿润程度进行补偿，且根据土壤样本地理位置挑选相对应的光谱定量分析模型，提高了土壤重金属含量检测的精度。
-
公开(公告)号：CN116166923A
公开(公告)日：2023-05-26
申请号：CN202211587357.5
申请日：2022-12-11
Applicant: 三峡大学
Abstract: 本发明涉及基于地统计分析与APLS‑MLR的土壤重金属来源解析方法，包括：对研究区域的土壤进行采样，测量土壤样本中重金属的含量，并进行预处理；利用克里金插值方法分析得到研究区域的土壤重金属空间含量分布特征图；对研究区域的重金属浓度数据采用偏最小二乘法进行分析；建立用于土壤重金属污染源解析的绝对偏最小二乘‑多元线性回归法受体模型；结合土壤重金属空间含量分布特征图和各污染源贡献率，推断确定具体的污染源。本发明方法不仅能计算确定污染源数量以及各个污染源的贡献率，还能准确确定具体的污染源；本发明提出的受体模型的APLS‑MLR方法，解决了APCS‑MLR方法中主成分分析时特征值的分解具有局限性的问题。
-
公开(公告)号：CN115456274A
公开(公告)日：2022-12-09
申请号：CN202211109756.0
申请日：2022-09-13
Applicant: 三峡大学
Abstract: 一种农产品重金属超标概率预测的方法，包括以下步骤：步骤1：采集土壤、农产品及采集点位所处环境的样本，检测样本重金属含量和ph值，构成候选指标数据集，并进行预处理。步骤2：对指标集进行指标筛选，筛选出与要预测农产品重金属相关性较大的指标构成新的指标集。步骤3：按照国家标准将数据分为超标与不超标两种，按照比例分为训练数据和测试数据。步骤4：建立支持向量机，将训练数据作为支持向量机的输入，训练数据中重金属是否超标为支持向量机的输出。步骤5：使用优化后的核函数参数g和惩罚参数c训练支持向量机，得到农产品重金属超标概率预测模型，将测试数据输入农产品重金属超标概率预测模型，得到重金属超标概率预测的结果。
-
公开(公告)号：CN114354666A
公开(公告)日：2022-04-15
申请号：CN202111677903.X
申请日：2021-12-31
Applicant: 三峡大学
IPC: G01N23/223 , G06F30/20 , G06F17/18 , G06F111/06 , G06F111/08
Abstract: 本发明涉及基于波长频次选择的土壤重金属光谱特征提取、优化方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；多次运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集；利用得到的波长变量集预测重金属含量。本发明采用串联的ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。
-
公开(公告)号：CN114022762A
公开(公告)日：2022-02-08
申请号：CN202111263764.6
申请日：2021-10-26
Applicant: 三峡大学
Abstract: 对农作物种植区域面积进行提取的无监督域自适应方法，包括以下步骤：步骤1：收集不同领域遥感图像，选取某一领域遥感图像，标记后进行裁剪和数据增强制作源域数据集，其他领域图像直接裁剪和数据增强后制作目标域数据集；步骤2：通过源域数据集和目标域数据集对类级特征集合域自适应模型进行训练，得到分割模型；步骤3：将需要识别的遥感图像放入模型得到结果；步骤4：根据遥感图像分辨率和分割结果计算农作物种植区域面积；本发明的目的是为了能在不造成大量成本的情况下，实现对大规模农作物种植区域的面积提取工作。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
