【技术实现步骤摘要】
本专利技术涉及光学检测技术，尤其涉及一种土壤重金属含量预测方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、土壤是动植物生长和生态系统维持平衡的重要基础，研究土壤状况对于农业和工业生产有着非常重要的意义。为满足经济、能源等多领域发展的需求，重金属矿业生产活动得到了飞速发展，同时也带来了严重的土壤重金属污染问题。重金属污染物渗透到土壤内部，破坏了土壤的正常功能，对动植物健康造成严重威胁，最终通过生态链的传播影响到人类的正常生活。
2、随着现代社会科技的发展和人们对重金属污染预测方法研究的深入，土壤重金属污染物检测技术获得了快速发展。目前研究者主要使用的土壤重金属污染物检测技术有化学提取法、电感耦合等离子体方法、原子吸收光谱法等，该类方法可以对多种土壤重金属污染物进行预测，且检测精度高，可以达到不同任务的检测要求，但也存在许多缺陷，包括费时费力、检测过程复杂、检测成本高、实验后遗留的化学废液难以处理等。
技术实现思路
1、本专利技术的目的在于提供一种土壤重金属含量预测方法、装置、电子设备及计算机可读存储介质，主要解决现有的检测方法费时费力、检测过程复杂、检测成本高、实验后遗留的化学废液难以处理等技术问题。
2、为实现上述目的，本专利技术的技术解决方案如下：
3、一种土壤重金属含量预测方法，其特殊之处在于，包括以下步骤：
4、s1、采用光谱仪照射土壤样品，并结合标准反射白板获取土壤样品的原始光谱信息；
5、s2、采用季节
6、s3、通过多层感知器模型获取趋势项的数据特征，同时采用时域注意力机制获取季节项的数据特征；所述趋势项的数据特征包括土壤样品的主要成分信息；所述季节项的数据信息包括土壤样品取出主要成分后具有明显特征波段的物质信息；
7、s4、将趋势项的数据特征与季节项的数据特征进行融合，获得土壤样品的整体数据特征；
8、s5、采用多层感知器模型，结合土壤样品的整体数据特征，输出土壤样品中重金属含量的预测结果。
9、进一步地，步骤s1具体为，采用光谱仪照射不同采样点的土壤样品，分别获得不同采样点的反射光强i；再结合标准反射白板分别获得不同采样点的参考反射光强s和暗场光强d；最后通过公式计算得到不同采样点的反射光谱曲线r，进而获取土壤样品的原始光谱信息。
10、进一步地，步骤s2具体包括：
11、s201、采用移动平均法计算原始光谱信息在预设波长范围内的平均数据值；
12、s202、基于平均数据值，采用季节趋势分解方法将原始光谱信息分解为趋势项与季节项。
13、进一步地，步骤s202中，还包括将趋势项与季节项进行归一化的步骤，使得趋势项与季节项具有相同的量纲。
14、进一步地，步骤s3中，所述时域注意力机制为自注意力机制或双头注意力机制。
15、进一步地，步骤s4具体包括：
16、s401、分别将趋势项的数据特征与季节项的数据特征降维至512；
17、s402、将降维后的趋势项的数据特征与季节项的数据特征，依据一一对应关系，通过相加、相乘或拼接的方式进行融合，从而获取土壤样品的整体特征数据。
18、同时，本专利技术还提供了一种土壤重金属含量预测装置，用于实现上述土壤重金属含量预测方法，其特殊之处在于：
19、包括依次连接的信息获取模块、分解模块、特征提取模块、特征融合模块和预测模块；
20、所述信息获取模块为可见-近红外光谱仪，用于获取土壤样品的原始光谱信息；
21、所述分解模块用于获取信息获取模块输出的原始光谱信息，并将原始光谱信息分解为趋势项和季节项；
22、所述特征提取模块包括第一特征模块和第二特征模块，其中第一特征模块和第二特征模块的输入端分别与分解模块的输出端连接，输出端分别与特征融合模块的输入端连接；所述第一特征模块用于获取趋势项的数据特征；所述第二特征模块用于获取季节项的数据特征；
23、所述特征融合模块用于将趋势项的数据特征和季节项的数据特征进行融合，并将融合结果输入预测模块；
24、所述预测模块用于获取土壤样品重金属含量。
25、进一步地，所述分解模块中还设有归一化模块，用于将趋势项与季节项归一化，使得趋势项与季节项具有相同的量纲。
26、本专利技术还提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现如本专利技术所述的土壤重金属含量预测方法。
27、同时，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术所述土壤重金属含量预测方法的步骤。
28、与现有技术相比，本专利技术具有以下有益效果：
29、1、本专利技术采用光谱仪获取土壤样品的原始光谱信息，再将原始光谱信息分解为趋势项与季节项，并确定趋势项的数据特征与季节项的数据特征；接着将趋势项的数据特征与季节项的数据特征进行融合，获得土壤样品的整体数据特征；最后，确定土壤重金属含量的预测结果。该预测方法采用光谱仪照射土壤样品，最终预测出重金属含量，无需化学试剂和人为操作，检测过程简便、检测速度较快、检测成本较低，且不存在化学废液。
30、2、本专利技术采用季节趋势分解方法将原始光谱信息分解为趋势项与季节项，从而可以独立地研究每个成分的特性及其对整体数据的影响，检测精度更高。
31、3、本专利技术通过多层感知器模型获取趋势项的数据特征，从而降低预测误差。
32、4、本专利技术采用时域注意力机制获取季节项的数据特征，提高了最终预测结果的准确度。
33、5、本专利技术在进行趋势项的数据特征与季节项的数据特征融合时，采用先降维再融合的方法，不仅提高了检测速度，也进一步提高了结果的准确度。
34、6、本专利技术的预测精度高，泛用性强。
本文档来自技高网...【技术保护点】
1.一种土壤重金属含量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的土壤重金属含量预测方法，其特征在于：
3.根据权利要求1或2所述的土壤重金属含量预测方法，其特征在于：
4.根据权利要求3所述的土壤重金属含量预测方法，其特征在于：
5.根据权利要求4所述的土壤重金属含量预测方法，其特征在于：
6.根据权利要求1所述的土壤重金属含量预测方法，其特征在于：
7.一种土壤重金属含量预测装置，用于实现权利要求1至6任一所述土壤重金属含量预测方法，其特征在于：
8.根据权利要求7所述的土壤重金属含量预测装置，其特征在于：
9.一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序；其特征在于：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：
【技术特征摘要】
1.一种土壤重金属含量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的土壤重金属含量预测方法，其特征在于：
3.根据权利要求1或2所述的土壤重金属含量预测方法，其特征在于：
4.根据权利要求3所述的土壤重金属含量预测方法，其特征在于：
5.根据权利要求4所述的土壤重金属含量预测方法，其特征在于：
6.根据权利要求1所述的土壤重金...
【专利技术属性】
技术研发人员：王宝生，苏春磊，刘龙波，李志明，陈立新，李达，马腾跃，马振辉，长孙永刚，唐秀欢，胡攀，包利红，
申请(专利权)人：西北核技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。