機載非接觸式近紅外土壤墑情檢測系統(tǒng)研制

朱文靜，馮展康，吳抒航，梅紅鎮(zhèn)，崔冰波，魏新華※，駱駿良

（1.江蘇大學農業(yè)工程學院，鎮(zhèn)江 212013；2.江蘇大學現(xiàn)代農業(yè)裝備與技術教育部重點實驗室，鎮(zhèn)江 212013； 3.鎮(zhèn)江市京口精以機電研發(fā)中心，鎮(zhèn)江 212013）

0 引 言

智慧灌溉是未來農業(yè)的發(fā)展方向，而智慧灌溉必須依托土壤墑情的智能感知、用水智能決策與智能控制。土壤含水量是影響土壤質量的重要指標，在農業(yè)生產和田間管理過程中發(fā)揮著重要作用，對農田墑情的評判也至關重要。目前土壤含水量的測量方法有烘干法、中子法、土壤電阻率法、時域法、頻域法和遙感法等。在土壤水分實時檢測領域最常用的傳感器是探針式水分傳感器，即在土壤中插入或者深埋檢測裝置和電極探針，此類接觸式的傳感器通常還包括地上部分用于供電和信號傳導，成本較高，如果大田密集布點不僅成本增加且破壞耕層土壤，矗立在田對后期農機的作業(yè)也不利。

土壤含水量影響波段反射光譜，其中最敏感的波段為近紅外波段，又因近紅外光譜法（Near Infrared Spectrum，NIRS）具有測量速度快、自動化程度高、無需對土壤樣本進行預處理等優(yōu)點，在土壤水分測量方面的潛力已得到國內外學者的廣泛認可。微小型近紅外傳感器在水分檢測方面的應用也成為研究的熱點。Kano等設計了一種小型輕便的近紅外光譜儀器，可在野外進行水分測量，但測量結果易受土壤類型和土壤質地的影響；楊柳等基于近紅外反射原理設計了一款小型土壤含水率測量儀，預測效果良好，但集成度不夠無法實現(xiàn)自動測量；張東興等基于高分辨率光譜儀采集不同水分梯度的土壤光譜數(shù)據(jù)，設計出了一種應用于實驗室的可見光-近紅外式土壤水分傳感器。以上學者的研究對近紅外光傳感器的推廣和應用具有重要意義，但目前大多數(shù)的近紅外光譜儀器制造成本較高、局限于實驗室且缺少與現(xiàn)有農機設備相結合的產品，無法真正服務于智能農機或無人農機。

本研究從實現(xiàn)土壤墑情快速檢測的實際需求出發(fā)，設計一種機載近紅外土壤墑情檢測系統(tǒng)，通過懸掛搭載于自走式全自動移栽機等農機裝備，實現(xiàn)在行進過程中對田間土壤水分含量的自動檢測并生成土壤含水量分布圖，為變量灌溉與裝備的發(fā)展提供參考。

1 機載自動檢測裝置整體設計

機載自動檢測裝置包括近紅外土壤水分傳感器和升降檢測機構兩部分。土壤水分傳感器用于檢測土壤含水量信息，升降檢測機構用于保護土壤水分傳感器并控制其到達土壤表面進行檢測。

1.1 傳感器

本研究選用光譜范圍1 750～2 150 nm的基于法布里-珀羅干涉的微型近紅外傳感器（NIRONE2.5，芬蘭）。該傳感器（圖1）體積小巧、便于與農機集成和進行二次開發(fā)。傳感器的外型尺寸為25 mm×25 mm×17.5 mm，重約15 g，波長分辨率為15～25 nm，波長溫度響應最大為0.1 nm/℃，信噪比＞10 000，擁有USB與藍牙2.0兩種通訊方式，主要由探測器、動作器和微能源組成。

圖1 傳感器示意圖 Fig.1 Schematic diagram of sensor

對傳感器進行模塊化封裝，封裝結構切面如圖2，傳感器封裝后的外型尺寸為50 mm×50 mm×30 mm，重約300 g。在傳感器外殼上方設有外接圓直徑為35 mm的正方形開口，用于放置高透光玻璃鏡片，該鏡片既可防止傳感器內部通光孔直接接觸土壤，又可讓土壤的反射光透過鏡片進入到傳感器內部。傳感器側面設有鍵槽開口用于連接USB插頭，鍵槽開口內部有5°傾角的方形空腔貫通，主要作用是：當照射到玻璃蓋板上的入射光線和干涉儀的共振頻率相同時，鹵素燈光會在探孔下方玻璃鏡片上產生反射，鏡片反射光在一定程度上會影響光譜數(shù)據(jù)的結果。傾角可最大限度地探測到土壤漫反射回來的光線，提高光譜探測信號質量。封裝不僅可延長傳感器使用壽命，更便于與農機部件集成。

圖2 傳感器封裝結構切面圖 Fig.2 Sectional view of sensor packaging structure

當傳感器在最佳檢測距離（0～30 mm）內，鹵素燈短暫亮起，光線經(jīng)土壤表面漫反射后透過玻璃蓋板進入到傳感器外殼內腔，穿過傳感器的通光孔進入到傳感器內部，傳感器內部涂有高反射率涂層，光線在涂層間多次來回反射，形成多束平行的反射光和透射光，傳感器檢測到光強信號后，A/D模塊將光強信號處理成相應的電信號，最后經(jīng)數(shù)據(jù)線傳輸至工控機終端軟件進行處理，得到各波段光譜點數(shù)據(jù)并生成光譜曲線，光譜曲線與土壤含水量實測值進行化學計量學建模，在模型與原芯片軟件二次開發(fā)和集成調用基礎上，對未知土壤樣本的水分進行檢測。

1.2 升降檢測機構

升降檢測機構結構和實物圖如圖3所示。

圖3 升降檢測機構示意圖 Fig.3 Schematic diagram of lifting detection mechanism

整體采用懸掛式設計，可方便固定于移栽機上，亦便于與其他農機集成，傳感器開始工作時，將其送至土壤表面測量表層土壤水分，測量結束后升起，將其送至安全位置。升降檢測機構整體外形尺寸為270 mm×200 mm× 480 mm，重約5 kg。升降控制采用適合垂直高速往返傳動的絲杠模組，該模組能對前方高低落差做出快速反應，精確控制土壤水分傳感器與土壤的距離。絲杠模組長約300 mm，量程由上下限位開關控制，通過調節(jié)限位開關，調節(jié)量程，安裝高度約260 mm，最大量程為260 mm。

工作時，首先進行近紅外土壤水分傳感器的自動參比校準，由開環(huán)步進電機7帶動旋轉平臺8將參比板9在水平面內逆時針旋轉90°，近紅外土壤水分傳感器10下行至參比板9上方進行標定，標定結束旋轉平臺8復位至初始位置，由超聲波傳感器6對行進方向土壤高度進行掃描測距，根據(jù)測距值大小，閉環(huán)步進電機1驅動絲桿升降模組3攜帶土壤水分傳感器10下行至土壤表面進行吸光度掃描，掃描結束后吹氣電磁閥5吹除傳感器鏡面灰塵，絲桿升降模組3回升到上限位開關2位置結束工作，等下一次指令。升降檢測機構的工作流程如圖4所示。

圖4 升降檢測機構工作流程圖 Fig.4 Work flow chart of lifting detection mechanism

2 控制系統(tǒng)和定位系統(tǒng)

2.1 電氣控制箱

考慮到控制模塊移動的便攜性和安全性，將工控機、控制線路、PLC等元器件安裝在一個電氣箱中，如圖5所示。

圖5 電氣箱組成結構圖 Fig.5 Composition structure diagram of electrical box

本系統(tǒng)選用PLC作為控制部件，并添加模擬量模塊5將距離信號轉化為電壓信號，選用搭載觸摸顯示屏的工控機10作為人機交互的載體。電源動力由36V-20A.H鋰電池7提供，PLC控制系統(tǒng)工作電壓36 V，工作電流為直流電，電機驅動器3控制步進電機為升降檢測機構提供動力，兩者都由鋰電池7直接供電。工控機10工作電壓240 V，工作電流為交流電，工作時逆變器9先將直流電轉化為交流電，再由變壓器2將36 V電壓轉化為240 V工作電壓。電氣箱底部設有接口箱子頂部設有按鈕開關和信號燈。

PLC控制系統(tǒng)選用Xinje-XD系列，具有較強的邏輯處理和數(shù)據(jù)運算能力，并具有A/D、D/A轉換功能，可添加模擬量模塊，滿足裝置的控制需求。通過PLC編程實現(xiàn)以下功能：

1）將檢測的距離信號轉化為電壓信號，并控制升降檢測機構運行和自動參比校準。

2）自動控制啟用土壤水分傳感器，并上傳土壤水分檢測值至工控機內光譜采集軟件。

3）控制吹氣電磁閥對土壤水分傳感器鏡面進行氣吹，吹除傳感器鏡面灰塵。

控制系統(tǒng)由若干個控制回路構成，整個電氣控制箱僅有一個按鈕，只需一鍵操作就可以控制整個裝置依次完成標定、檢測過程。

2.2 定位系統(tǒng)

為準確獲取土壤含水量采樣點的經(jīng)緯度信息，本系統(tǒng)加裝北斗雙天線實時差分（Real Time Kinematic，RTK）定位系統(tǒng)（圖6）。定位天線1直徑150 mm，高63.7 mm，兩天線相距1.8 m，磁吸于移栽機頂部。接收器2外形尺寸140 mm×120 mm×70 mm，安裝于移栽機機架上，工作電壓12 V，由12 V-20 A.H鋰電池3直接供電。

圖6 北斗RTK系統(tǒng)安裝示意圖 Fig.6 Installation diagram of Beidou Real Time Kinematic (RTK) system

受限于定位天線的安裝以及移栽機的機械結構，主定位天線與自動檢測裝置的安裝位置不重合，需對其進行桿臂校正，最后通過測量自動檢測裝置在相對坐標系中的坐標值，寫入定位系統(tǒng)中，并集成開發(fā)嵌入式軟件于工控機中，實現(xiàn)土壤墑情在線檢測裝置的精準定位。

在農田檢測作業(yè)時，田塊往往不是理想的平整田塊，存在一定的起伏變化，為保證檢測結果的有效性，保障土壤水分傳感器的安全，選用LGUB1000超聲波測距傳感器完成檢測過程中的測距。該傳感器有效檢測距離為3～50 mm，安裝使用方便，制造成本低，可檢測行進方向的土壤起伏變化。檢測過程中，超聲波測距傳感器將測得的距離信號傳遞給模擬量模塊，模擬量模塊將距離信號轉化為電壓信號后傳遞給PLC進行處理，閉環(huán)步進電機再根據(jù)PLC反饋信號的變化，實時調整土壤水分傳感器的高度。

3 表層土壤水分模型構建

3.1 土壤樣本

本研究選取國內常見的黃褐土（江蘇鎮(zhèn)江）、黑土（云南文山）、紅土（遼寧朝陽）、砂土（陜西安康）作為建模數(shù)據(jù)。每種土壤分別采集土樣250份，共計1 000份樣本。過40目篩（孔徑0.425 mm）后去除土壤中植物根系等雜質，將樣本依次裝入有編號的矩形盛樣皿中用于后續(xù)土樣光譜數(shù)據(jù)的采集。

3.2 光譜數(shù)據(jù)采集與預處理

將土壤水分傳感器放置在土壤樣品表面，首先進行“暗電流掃描”，后用參比板進行參比校正，最后將土壤水分傳感器放到土壤樣品表面進行吸光度掃描，獲取1 750～2 150 nm波段范圍近紅外光譜點數(shù)據(jù)。

光譜數(shù)據(jù)采集完成后，導出檢測軟件中各土壤樣本光譜數(shù)據(jù)，得到各類土壤的原始光譜曲線，以黑土為例（圖7a）。為減少原始光譜曲線中噪聲干擾引起的光譜誤差，采用標準正態(tài)變量變換（Standard Normal Variable，SNV）和多元散射校正（Multivariate Scattering Correction，MSC）對原始光譜進行預處理，采用五點滑動平均濾波（Moving Average Filtering，MAF）和五點卷積平滑（Savitzky-Golay，SG）對原始光譜曲線進行平滑處理，經(jīng)過SNV+五點SG平滑預和100倍放大處理后，得到預處理后的光譜曲線（圖7b）。預處理后的光譜曲線平滑過渡更好，吸收峰更加明顯，波峰在1 940 nm波段左右，與已有學者的結論一致，傳感器性能可靠，可為預測模型精度提供保障。

圖7 云南黑土土壤樣本光譜曲線 Fig.7 Spectral curve of black soil sample in Yunnan

3.3 土壤光譜數(shù)據(jù)的獲取

測定土樣的光譜數(shù)據(jù)后，使用烘干法（NYT52-1987）獲得土樣實際含水率，依次將土樣放入干凈燒杯中，標號、稱量后放入105 ℃烘烤箱中，恒溫烘烤12 h去除水分。

烘烤結束后冷卻稱量，根據(jù)公式（1）計算出各土壤樣品的實際含水率。

式中為干凈空燒杯的質量，g；為烘干前燒杯及土樣質量，g；為烘干后燒杯及土樣質量，g。

3.4 預測模型的建立與驗證

將土壤實際含水量與預處理后的近紅外光譜數(shù)據(jù)作為建模參量，采用偏最小二乘法（Partial Least Squares Regression, PLSR）進行模型構建。采用SPXY（Set Partitioning based on joint X-Y distance）采樣法對土壤樣本進行劃分，每種土壤250個樣本的70%作為校正集，30%作為預測集。確定數(shù)據(jù)的主成分數(shù)后，依據(jù)聚類分析結果，剔除一些明顯偏離曲線位置的數(shù)據(jù)樣本，以提高校正集樣本的質量，降低對后續(xù)數(shù)據(jù)處理的不利影響，提高模型的準確性。依據(jù)模型的決定系數(shù)（Coefficient of Determination，）、均方根誤差（Root Mean Squared Error，RMSE）判別模型質量，越大，RMSE越小，說明模型的準確性越好。各類土壤表層土壤水分預測模型如圖8所示。

由圖8可知，各類土壤預測模型的均在0.9以上，RMSE均在2以下。其中黑土因質地細膩，預測模型的最高，達到0.982 3，砂土質地粗糙、顆粒大，預測模型的最低，但也達到0.929。這是由于砂土在土壤低含水率時，水分吸收峰不明顯，剔除砂土低含水率光譜數(shù)據(jù)導致砂土預測模型的降低。為提高預測模型的普適性，整合全部土壤光譜數(shù)據(jù)進行PLSR建模得到土壤水分總體模型（圖8e），土壤總體模型曲線擬合度較高，達到0.933 4，較單一土壤預測模型R略有降低，但總體模型的普適性好，適合大多數(shù)土壤含水量的預測。

圖8 水分預測模型 Fig.8 Soil moisture model

3.5 土壤水分采集模塊軟件二次開發(fā)

基于試驗獲取的土壤含水量預測模型，借助Visual Studio 2021 IDE軟件開發(fā)工具，應用Python算法庫進行對原有近紅外傳感芯片采集軟件的二次開發(fā)。二次開發(fā)后的軟件擁有土壤樣品自動掃描、參比光譜自動對照、土壤含水量實時預測等功能。

軟件系統(tǒng)包括系統(tǒng)設置模塊、參比掃描模塊、吸光度掃描模塊、保存和調入?yún)⒈裙庾V模塊。系統(tǒng)設置模塊可設置鹵素光源強度、掃描次數(shù)、掃描間隔、儀器傳輸波特率等；參比掃描模塊可調入各類土壤水分預測模型；保存和調入?yún)⒈饶K可調入或保存參比板反射率，可省略每次檢測參比掃描的步驟，提高檢測效率；吸光度掃描為本軟件的主要工作模塊。

土壤水分傳感器連接成功后，主界面左下角綠燈亮起。設置傳感器相應參數(shù)，調入預測模型后，點擊“吸光度掃描”，土壤水分傳感器開始工作，自動檢測采樣點的表層土壤水分，5 s內主界面顯示該點的光譜曲線和表層土壤水分含量，如圖9所示，并對檢測結果進行自動編號、保存。

圖9 軟件主界面 Fig.9 Software main interface

4 田間試驗

4.1 試驗地點與方法

為測試土壤水分傳感器的檢測性能和升降檢測機構的設計是否滿足田間作業(yè)要求，將近紅外土壤墑情檢測系統(tǒng)集成到潤禾2ZBA-2型移栽機上（如圖10b）進行田間試驗。

圖10 試驗地點及檢測系統(tǒng)與移栽機集成圖 Fig.10 Test site and integration diagram of detection system and transplanter

土壤墑情檢測田間試驗于2021年11月3日在江蘇鎮(zhèn)江丹徒區(qū)世業(yè)洲農場基地中進行（如圖10a）。試驗田土壤類型為黃褐土，面積約為200 m，選取其中3條較為平整的土壟作為測試區(qū)域，土壟高度差約為120 mm。試驗開始前將自動檢測裝置安裝在移栽機右下方底盤機架上，傳感器距離水平地面高度為225 mm，電氣箱懸掛于移栽籃上，導入黃褐土預測模型，設置傳感器連續(xù)掃描的次數(shù)和掃描間隔。為了測試傳感器在同一點的測量精度，移栽機以0.3 m/s的速度行進下，每隔18 s停機，升降檢測裝置下行至土壤表面，土壤水分傳感器連續(xù)測量3次同一位置的表層土壤水分含量。

4.2 試驗結果與分析

將北斗RTK定位系統(tǒng)與土壤水分自動檢測裝置設置相同的采樣間隔，獲取同一采樣點表層土壤水分信息與定位信息并標記采樣點位置。土壤水分檢測軟件讀取北斗定位系統(tǒng)的經(jīng)緯度坐標信息并與土壤含水量信息實現(xiàn)配對、整合，再結合試驗測得采樣點實際含水量。

同一采樣點測試3次，測量結束后利用3.3節(jié)方法對各采樣點進行依次取樣、預處理、烘干和計算得到該測試點土壤含水量實測值。采用SPSS26.0統(tǒng)計分析軟件進行單因素方差分析，試驗結果以平均值±標準差的形式表示，利用公式（2）計算土壤含水量預測值與實測值的相對誤差（，%）。

式中Δ為傳感器預測值均值與理化測定得出的實測值之間的差值的絕對值，為實測值。

由表1可知：移栽機以0.3 m/s速度工作時，土壤水分傳感器能有效測量到地表土壤的水分含量。其中12、23號測量點數(shù)據(jù)出現(xiàn)負數(shù)，原因可能是土壤水分傳感器在檢測時，土壤中存在石塊等雜物，使得傳感器并未檢測到土壤；17號測量點數(shù)據(jù)為小數(shù)，原因可能是該測量位置出現(xiàn)起伏較大的凹坑，升降機構的絲桿到達最大量程，沒有到達最佳掃描距離所致。經(jīng)計算，除3點異常數(shù)據(jù)外，土壤含水量預測值與實測值基本一致，相對誤差的范圍為0.18%～14.46%，平均相對誤差為7.77%，小于10%，說明本系統(tǒng)傳感器與預測模型配合能較為準確的檢測農田土壤表層含水率。

表1 傳感器田間試驗誤差分析 Table 1 Error analysis of sensor in field test

4.3 土壤含水率分布圖的生成

根據(jù)農業(yè)部《全國土壤墑情監(jiān)測工作方案》和水利部《土壤墑情評價指標》的土壤墑情評價指標建立土壤含水量墑情預警等級指標：

式中Y為土壤含水率(%)的預警等級，分為漬澇、飽墑、適墑、黃墑和干旱5個等級。根據(jù)預警等級和土壤需水量信息表生成表層土壤含水率分布圖（如圖11），該圖將抽象的表層土壤水分信息可視化，讓人們直觀了解到田間各處的表層土壤水分信息。

圖11 表層土壤含水率分布圖 Fig.11 Distribution map of surface soil moisture content

5 結 論

1）本研究基于法布里-珀羅干涉的近紅外傳感器研發(fā)了一款非接觸式土壤墑情在線檢測系統(tǒng)，該系統(tǒng)硬件部分由機載自動檢測裝置、電氣控制箱和北斗雙天線實時差分定位系統(tǒng)組成。

2）通過傳感器與升降檢測機構的協(xié)調配合，實現(xiàn)大田表層土壤水分的自動檢測。通過采集不同含水量不同種類的土樣獲得1 750～2 150 mm范圍光譜數(shù)據(jù)，建立土壤表層含水量的偏最小二乘預測模型，黑土預測模型的最高，達到了0.982 3，砂土預測模型的最低，但也達到0.929 0，土壤總體模型曲線擬合度較高，達到了0.933 4，較單一土壤預測模型略有降低，但總體模型的普適性好，適合大多數(shù)土壤含水量的預測。

3）土壤水分傳感器檢測精度與穩(wěn)定性。試驗結果顯示，傳感器連續(xù)檢測相對誤差范圍為0.18%～14.46%，平均相對誤差7.77%，滿足田間作業(yè)的基本要求，傳感器測得區(qū)域地塊的水分信息結合北斗RTK系統(tǒng)所得定位信息得出表層土壤水分含量分布圖，直接匹配土壤墑情的預警等級，并將抽象的表層土壤水分信息可視化，讓農戶直觀的了解到田塊的表層土壤水分信息，同時為后續(xù)噴灌、滴灌等變量灌溉提供參考依據(jù)。

本文對微型光譜儀應用于現(xiàn)代智能農機進行了初探，實現(xiàn)農業(yè)機械在田間管理作業(yè)過程中對表層土壤水分含量的自動實時精準定位檢測。目前整體系統(tǒng)的各部分的功能已經(jīng)全部實現(xiàn)，后續(xù)研究可增加土壤樣本的類型，進一步改造電器控制箱，使其更加小型化、輕量化，改進升降檢測機構使其更有效的配合近紅外水分傳感器的數(shù)據(jù)采集，增強其與其他農機適配性和通用化，北斗導航系統(tǒng)的集約化，以適應集成的要求，土壤含水量分布圖與地圖的匹配等。