农业机械学报

作者：剧伟良，杨玮，宋亚美，刘楠，李民赞

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：土壤全氮;近红外;Transformer;深度学习;树莓派

基金：国家重点研发计划项目（2023YFD1701000)和中国农业大学2115人才工程项目

便携式土壤全氮含量近红外光谱检测仪具有快速、非破坏性和高效性等优点，但已开发的仪器多采用滤光片式设计，光谱通道数量有限会导致部分关键信息丢失，且无法采用基于深度学习的预测模型。随着微型光谱仪的商业化，本文开发了基于连续光谱的高精度土壤全氮含量检测仪。检测仪主要由NIR-R210型微型光谱仪、树莓派、触控屏、移动电源构成，利用微型光谱仪获取土壤光谱反射率，利用树莓派中嵌入的深度学习模型进行土壤全氮含量预测，然后在显示屏中输出预测结果。在中国农业大学上庄实验站采集了600份土壤样本，分别对偏最小二乘法、门控循环单元和Transformer 3种模型的预测性能进行了对比分析。结果表明，基于全光谱数据的Transformer深度学习模型表现最好，模型决定系数R2为0.89，均方根误差(RMSE)为0.19g/kg，预测偏差(RPD)为2.96。进一步对检测仪进行田间实时原位测试，田间环境下预测结果R2可达0.83，精度较高，可为智慧农业中土壤养分实时检测与精准管理提供新的解决方案。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期