一种农作物营养安全检测方法及其系统技术方案

本发明专利技术公开了一种农作物营养安全检测方法及其检测系统，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性，与云端服务器进行数据交换，通过手机APP快速获取农作物的营养成分、农药残留量、重金属含量等信息。

【技术实现步骤摘要】

本专利技术涉及一种农作物营养安全检测方法及其系统。
技术介绍
信息技术是农业科技革命的先导，农业信息技术对于加速我国传统农业的改造，提高农业生产效益和农产品的品质，提高农业管理和经营决策水平，促进农业持续、稳定发展，具有重要的意义，有着巨大的应用空间和广阔的发展前景。从上世纪八十年代以来，我国开展了系统工程、数据库与信息管理系统、遥感、专家系统、决策支持系统、地理信息系统等技术应用于农业、资源和环境方面的研究，取得了一批重要成果。在农业科研、管理以及基层部门，已经积累了十分庞大的数据、实例和知识经验，积累了与各种农作物相关的苗情、土情、肥情、水情、虫情、气象和灾害等大量数据资料，将这些数据资料信息存储到计算机数据库中，使用计算机程序进行农业中的多种数据处理，通过计算机程序具体操作步骤来实现指导农民科学种田。在这些数据资料的采集中，还是多通过人进行采集的。而且我国国土辽阔，农田信息复杂多变，对数据的采集出现了滞后，以滞后数据进行判断，往往出现很多误判。此外，对农作物的数据采集，往往采用有损采集或者微损采集。也就是说，将农作物进行破坏，比如叶子揉碎后进行化学溶液萃取等处理，再进行测量农作物的糖度等参数。综上所述，传统的采样、样品制备和实验室分析手段对农作物有损害，并且在经济性和实时性方面也存在欠缺，带来了诸多不便与麻烦，实有待改善。
技术实现思路
本专利技术是集成应用信息技术的最新成果，专利技术农作物生长状态监测及营养施肥处方生成装置，为绿色农业、设施农业和精确农业提供技术装置和科学方法。一种农作物营养安全检测方法，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，并获取农作物的信息。一种农作物营养安全检测方法，其特征在于，包括信息采集器、数据中继装置、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，并获取农作物的信息。一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性，与云端服务器进行数据交换，通过手机APP获取农作物的信息。优选地，在上述农作物营养安全检测方法中，还包括农作物种植者手持信息采集器，在种植场所获取农作物的光谱特性。优选地，在上述农作物营养安全检测方法中，还包括农作物购买者手持信息采集器，在购买场所获取农作物的光谱特性。优选地，在上述农作物营养安全检测方法中，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果。优选地，在上述农作物营养安全检测方法中，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果，并同时反馈解决方案。优选地，在上述农作物营养安全检测方法中，所述手机APP针对不同农作物选择不同的光谱检测方法。优选地，在上述农作物营养安全检测方法中，所述云端服务器建立光谱模型数据库进行对比。优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口采用近红外、太赫兹、拉曼光谱对农作物进行快速检测。优选地，在上述农作物营养安全检测方法中，所述信息采集器的光谱采集器包括透射、反射、漫反射以及透反射等光谱采集模式。优选地，在上述农作物营养安全检测方法中，所述信息采集器的光谱采集器包括感光元件，该元件可共用手机摄像头自带的感光元件，或可集成专用的CCD(电荷耦合元件)或CMOS(互补金属氧化物半导体)作为感光元件，并且不局限于上述两种感光元件。优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口光源布置形式为单光源或多光源，光源采用卤素灯、发光二极管(LED)和激光三种发光技术中的至少一种，优选发光二极管。优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口为手机的组成部件，安装于手机表面或手机内部。优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口包括分光器，可将不同波长的平行入射光线以不同角度反射，以实现不同波长的分离，所述的分光器可为全息光栅或其他具有相似功能的光学元件。优选地，在上述农作物营养安全检测方法中，所述手机APP把获取的光谱直接转化为传输数字信息，通过0与1组成的数字信息，快速实现数据信息的计量、传输、交换、比对、显示与存储。优选地，在上述农作物营养安全检测方法中，所述信息采集器与手机APP之间的数据传输模式为蓝牙或红外或WIFI无线模式；所述手机APP与云端数据库之间的传输模式为WIFI无线模式；所述信息采集器与云端数据库之间的传输模式为WIFI无线模式。优选地，在上述农作物营养安全检测方法中，所述云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型，各数据库之间紧密联系，相互对应，确保要求分析的一个或者多个项目，都有对应可以参照的标本。云端服务器的另一重要部分是信息对比分析模块，在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP实现屏幕显示。优选地，在上述农作物营养安全检测方法中，所述数据运算模块对采集光谱数据进行预处理，光谱数据信息预处理方法包括Savitzky-Golay平滑、求导(Savitzky-Golay一阶导数、差分一阶导数)、信号校正(多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT、基线校正)、标准化(均值中心化、标准化)、归一化、多元散射校正、小波变换、正交信号校正法、净分析物预处理法等中的至少一种。优选地，在上述农作物营养安全检测方法中，所述云端服务器的数据库模块的建立方式包括有效建模波段选择方法和预测模型建立方法。其中，有效建模波段选择方法包括相关系数法、无信息变量消除法、间隔偏最小二乘法、反向间隔偏最小二乘法、正向间隔偏最小二乘法、移动窗口偏最小二乘法、遗传算法、独立分量分析方法等中的至少一种。预测模型建立方法包括多元线性回归、逐步多元线性回归、三角网、支持向量机主成分回归、聚类分析、判别分析、偏最小二乘法、核函数偏最小二乘法回归、混合线性分析和人工神经网络等中的至少一种。所述预测模型的最佳预测模型的精准度评价参数包括但不限于校正集标准偏差(SEC)、交互验证标准偏差(SECV)、验证集标准偏差(SEP)、校正集相关系数(Rc)、验证集相关系数(Rp)。优选地，在上述农作物营养安全检测方法中，所述方法检测的对象为水果、茶叶、五谷杂粮、蔬菜等农作物，其检测的信息包括糖度；酸度；硬度；病虫害；水分、淀粉、脂肪、蛋白、氨基酸等含量；农药残留量；重金属含量信息的一种或多种。一种农作物营养安全检测系统，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输本文档来自技高网...

【技术保护点】
一种农作物营养安全检测方法，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，获取农作物的信息。

【技术特征摘要】
2015.05.29 CN 20151028813571.一种农作物营养安全检测方法，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，获取农作物的信息。2.一种农作物营养安全检测方法，其特征在于，包括信息采集器、数据中继装置、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，获取农作物的信息。3.一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。4.根据权利要求1至3任一项所述的检测方法，其特征在于，所述方法还包括农作物购买者手持信息采集器，在购买场所获取农作物的光谱特性。5.根据权利要求1至3任一项所述的检测方法，其特征在于，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果。6.根据权利要求1至3任一项所述的检测方法，其特征在于，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果，并同时反馈解决方案。7.根据权利要求1至3任一项所述的检测方法，其特征在于，所述手机APP针对不同农作物选择不同的光谱检测方法。8.根据权利要求1至3任一项所述的检测方法，其特征在于，所述云端服务器的数据库模块的建立方式包括有效建模波段选择方法和预测模型建立方法，其中，所述有效建模波段选择方法包括相关系数法、无信息变量消除法、间隔偏最小二乘法、反向间隔偏最小二乘法、正向间隔偏最小二乘法、移动窗口偏最小二乘法、遗传算法、独立分量分析方法等中的至少一种；所述预测模型建立方法包括多元线性回归、逐步多元线性回归、三角网、支持向量机主成分回归、聚类分析、判别分析、偏最小二乘法、核函数偏最小二乘法回归、混合线性分析和人工神经网络等中的至少一种，所述预测模型的最佳预测模型的精准度评价参数包括校正集标准偏差交互验证标准偏差、验证集标准偏差、校正集相关系数、验证集相关系数。9.一种农作物营养安全检测系统，其特征在于：包括信息采集器、云端服务器，所述系统采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，获取农作物的信息。10.一种农作物营养安全检测系统，其特征在于：包括信息采集器、数据中继装置、云端服务器，所述系统采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，获取农作物的信息。11.一种农作物营养安全检测系统，其特征在于：包括信息采集器、手机APP、云端服务器，所述系统采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。12.一种农作物营养安全检测系统，其特征在于，包括信息采集器、手机APP、云端服务器，所述检测系统采用信息采集器的扫描端口，读取农作...

【专利技术属性】
技术研发人员：黄淑芝，
申请(专利权)人：深圳市琨伦创业投资有限公司，
类型：发明
国别省市：广东;44