土壤重金属含量的监测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及土壤分析技术领域，公开了一种土壤重金属含量的监测方法、装置、设备及存储介质，所述方法包括：获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集；基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型；输入目标区域的土壤基础数据至所述目标监测模型，以获得所述目标区域的土壤重金属含量。通过对基于土壤数据集建立的初阶监测模型进行训练，以提高目标监测模型对土壤重金属含量的监测精度和监测速度，弥补传统技术对土壤重金属含量监测精度和监测速度上的不足，也减少了人力物力上的经济支出。

【技术实现步骤摘要】
土壤重金属含量的监测方法、装置、设备及存储介质
本专利技术涉及土壤分析
，尤其涉及一种土壤重金属含量的监测方法、装置、设备及存储介质。
技术介绍
随着工业活动的发展，难免会将重金属带入到土壤中，致使土壤中重金属含量明显高于标准值，并造成现存的或潜在的土壤质量退化、生态与环境恶化等现象的发生，而铅、镉、汞、砷等重金属，通过大气、水、食品等进入人体，在人体某些器官内积累，造成慢性中毒，危害了人体健康。在预防、监测、治理土壤重金属污染过程中，检测土壤重金属含量是一个非常重要的环节。但是现有重金属的定量检测分析技术所需仪器较为复杂，且土壤样品前期处理步骤过于繁琐，无法实现对土壤重金属的快速监测，监测精度也得不到保障，因此，如何提高土壤重金属含量的监测精度和监测速度，成为一个亟待解决的问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供了一种土壤重金属含量的监测方法、装置、设备及存储介质，旨在解决如何提高土壤重金属含量的监测精度和监测速度的技术问题。为实现上述目的，本专利技术提供了一种土壤重金属含量的监测方法，所述方法包括以下步骤：获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集；基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型；输入目标区域的土壤基础数据至所述目标监测模型，以获得所述目标区域的土壤重金属含量。优选地，所述获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集的步骤，具体包括：获取预设区域的土壤原始样本，通过光谱仪获取所述土壤原始样本的激光诱导击穿光谱数据；对所述激光诱导击穿光谱数据进行归一化处理，获得土壤数据集。优选地，所述基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型的步骤，具体包括：对所述土壤数据集进行聚类分析，获得初阶中心点与初阶宽度向量；通过预设粒子群优化算法对所述土壤数据集进行优化处理，获得初阶权值和初阶阈值；基于所述初阶中心点、所述初阶宽度向量、所述初阶权值以及初阶阈值建立初阶监测模型；对所述初阶监测模型进行训练，获得目标监测模型。优选地，所述通过预设粒子群优化算法对所述土壤数据集进行优化处理，获得初阶权值和初阶阈值的步骤，具体包括：基于预设粒子群优化算法，根据所述土壤数据集生成大种群，并基于所述大种群生成小种群；通过预设适应度规则将所述小种群中适应度最大的个体作为小种群最优个体；获取所述小种群最优个体对应的目标适应度；对所述大种群中历史最大适应度小于所述目标适应度的个体进行迭代处理，获得迭代后的大种群；通过所述预设适应度规则将所述迭代后的大种群中适应度最大的个体的作为大种群最优个体；将所述大种群最优个体对应的权值作为初阶权值，将所述大种群最优个体对应的阈值作为初阶阈值。优选地，所述对所述大种群中历史最大适应度小于所述目标适应度的个体进行迭代处理，获得迭代后的大种群的步骤，具体包括：基于预设粒子速度算法对所述大种群中历史最大适应度小于所述目标适应度的个体进行迭代处理，获得迭代后的大种群。优选地，所述基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型的步骤，具体包括：基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行无监督训练，获得土壤特征数据；基于所述土壤特征数据对所述初阶监测模型进行有监督训练，并实时计算所训练的初阶监测模型的监测精度；在所述监测精度符合预设精度标准时，将训练后的初阶监测模型作为目标监测模型。优选地，所述基于所述土壤特征数据对所述初阶监测模型进行有监督训练的步骤之前，还包括：通过预设训练规则对所述土壤特征数据进行迭代处理，获得目标土壤特征数据；相应地，所述基于所述土壤特征数据对所述初阶监测模型进行有监督训练的步骤，具体包括：基于所述目标土壤特征数据对所述初阶监测模型进行有监督训练。此外，为实现上述目的，本专利技术还提出一种土壤重金属含量的监测装置，所述装置包括：数据采集模块，用于获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集；模型构建模块，用于基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型；含量监测模块，用于输入目标区域的土壤基础数据至所述目标监测模型，以获得所述目标区域的土壤重金属含量。此外，为实现上述目的，本专利技术还提出一种土壤重金属含量的监测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的土壤重金属含量的监测程序，所述土壤重金属含量的监测程序配置为实现如上文所述的土壤重金属含量的监测方法的步骤。此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有土壤重金属含量的监测程序，所述土壤重金属含量的监测程序被处理器执行时实现如上文所述的土壤重金属含量的监测方法的步骤。本专利技术通过获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集；基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型；输入目标区域的土壤基础数据至所述目标监测模型，以获得所述目标区域的土壤重金属含量，提高了目标监测模型对土壤重金属含量的监测精度和监测速度，弥补了传统技术对土壤重金属含量监测精度和监测速度上的不足，也减少了人力物力上的经济支出。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的土壤重金属含量的监测设备的结构示意图；图2为本专利技术土壤重金属含量的监测方法第一实施例的流程示意图；图3为本专利技术土壤重金属含量的监测方法第二实施例的流程示意图；图4为本专利技术土壤重金属含量的监测装置第一实施例的结构框图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的土壤重金属含量的监测设备结构示意图。如图1所示，该土壤重金属含量的监测设备可以包括：处理器1001，例如中央处理器(CentralProcessingUnit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(R本文档来自技高网...

【技术保护点】
1.一种土壤重金属含量的监测方法，其特征在于，所述方法包括：/n获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集；/n基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型；/n输入目标区域的土壤基础数据至所述目标监测模型，以获得所述目标区域的土壤重金属含量。/n

【技术特征摘要】
1.一种土壤重金属含量的监测方法，其特征在于，所述方法包括：
获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集；
基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型；
输入目标区域的土壤基础数据至所述目标监测模型，以获得所述目标区域的土壤重金属含量。


2.如权利要求1所述的方法，其特征在于，所述获取预设区域的土壤原始样本，对所述土壤原始样本进行预处理，获得土壤数据集的步骤，具体包括：
获取预设区域的土壤原始样本，通过光谱仪获取所述土壤原始样本的激光诱导击穿光谱数据；
对所述激光诱导击穿光谱数据进行归一化处理，获得土壤数据集。


3.如权利要求1所述的方法，其特征在于，所述基于所述土壤数据集建立初阶监测模型，对所述初阶监测模型进行训练，获得目标监测模型的步骤，具体包括：
对所述土壤数据集进行聚类分析，获得初阶中心点与初阶宽度向量；
通过预设粒子群优化算法对所述土壤数据集进行优化处理，获得初阶权值和初阶阈值；
基于所述初阶中心点、所述初阶宽度向量、所述初阶权值以及初阶阈值建立初阶监测模型；
对所述初阶监测模型进行训练，获得目标监测模型。


4.如权利要求3所述的方法，其特征在于，所述通过预设粒子群优化算法对所述土壤数据集进行优化处理，获得初阶权值和初阶阈值的步骤，具体包括：
基于预设粒子群优化算法，根据所述土壤数据集生成大种群，并基于所述大种群生成小种群；
通过预设适应度规则将所述小种群中适应度最大的个体作为小种群最优个体；
获取所述小种群最优个体对应的目标适应度；
对所述大种群中历史最大适应度小于所述目标适应度的个体进行迭代处理，获得迭代后的大种群；
通过所述预设适应度规则将所述迭代后的大种群中适应度最大的个体的作为大种群最优个体；
将所述大种群最优个体对应的权值作为初阶权值，将所述大种群最优个体对应的阈值作为初阶阈值。


5.如权利要求4所述的方法，其特征在于，所述对所述大种群中历史最大适应度小于所述目标适应度的...

【专利技术属性】
技术研发人员：张聪，曹文琪，张俊杰，陈方，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42