基于云边端架构的柑橘叶片氮磷含量高光谱检测系统

摘要

【目的】设计一款柑橘叶片氮磷含量高光谱检测系统。【方法】基于SR-GRU网络训练构建氮磷含量反演模型，获取柑橘叶片光谱数据和叶片氮磷含量。设计基于云边端架构的柑橘叶片氮磷含量检测系统，对易受户外光线干扰的光谱信号提出改进iForest-SAM算法进行异常光谱检验剔除，对波段多、体积大、传输慢的光谱数据提出基于过完备学习字典的稀疏LoRa报文进行快速传输。系统边缘端在柑橘园内作为LoRa网关，移动终端使用稀疏LoRa报文经边缘端发送至云端加载反演模型进行预测。【结果】SR-GRU反演模型对柑橘叶片氮磷元素含量的反演效果最佳，模型的决定系数分别为0.929和0.865，归一化均方根误差分别为0.083和0.079。系统单次柑橘叶片氮磷含量检测耗时均在1 s以内，LoRa节点连接稳定，基于互联网的Web程序运行稳定，页面平均加载时间在0.5 s以内。【结论】该系统满足对柑橘叶片氮磷含量及时检测的实际应用需求。

关键词

柑橘叶片 / 氮磷含量 / 高光谱 / 深度学习 / 无损检测 / 检测系统