一种采用机器学习的农田挥发氨电子鼻检测方法

技术领域

本发明属于农田挥发氨检测的技术领域，具体是一种采用机器学习的农田挥发氨电子鼻检测方法。

背景技术

氨气（NH

因此，农田挥发氨气检测是大气环境污染气体检测中重要项目。目前氨气（NH

现有技术一：授权公告日2021.12.14、授权公布号CN215297136U的中国实用新型专利申请所公开的一种基于激光的农田氨挥发低压检测装置，包括激光器、气池、探测器、低压气路以及农田氨采样预处理气路，所述农田氨采样预处理气路采集农田作物挥发的氨气，所述农田氨采样预处理气路、低压气路以及气池顺次连通，所述激光器向气池发射激光信号，所述探测器接收经过气池的激光信号。

现有技术二：申请公布日为2021.11.12、申请公布号为CN11364007A的中国发明专利申请所公开的一种基于激光的农田氨挥发低压检测装置，包括圆筒形的密闭室，密闭室下端开口；密闭室内壁分布安装温控元件，温控元件与温度控制器相连；密闭室外土壤及其表层土壤中安装温度传感器，温度传感器并与温度控制器相连；密闭室顶部及四周分布式开有孔，每个孔分别通过橡胶管与抽气装置相连；在密闭室内部及密闭室周围土壤表层安装风速、风向传感器，风速、风向传感器与抽气控制装置相连；每个抽气装置均与多通道抽气控制装置相连；多通道抽气控制装置抽取的气体再与硼酸溶液容器连通。

上述现有技术一中，较为准确的实现农田氨挥发的检测，但是光学设备成本较高，并且容易损坏，不适合在农田暴露环境长期检测，且检测速度慢、检测限度低，很难在农田的大范围内进行应用。

上述现有技术二中，利用硼酸对氨气进行吸收，通过检测硼酸内吸收的氨气还原出农田原本的氨气浓度，此方法不能直接检测出氨气的浓度，需要经过后期的检测。

因此，如何解决农田氨挥发的检测成本高、不适合在农田暴露环境下进行长期检测，且检测速度慢、检测限度低是亟待解决的技术问题。

发明内容

针对上述背景技术中的不足，本发明提出一种采用机器学习的农田挥发氨电子鼻检测方法，解决了挥发氨检测成本高、不适合在农田暴露环境长期检测，检测速度慢、检测限度低的问题。

本申请的技术方案为：

一种采用机器学习的农田挥发氨电子鼻检测方法，使用步骤如下：

S1：利用氨水模拟出不同浓度氨气；

S2：将不同浓度氨气抽入氨气收集仓内，通过氨气收集仓内的气体传感器进行检测，氨气收集仓上的Arduino-Mega微处理板记录检测结果；

S3：Arduino-Mega微处理板将检测结果上传至实验计算机；

S4：实验计算机利用Matlab软件通过采集到的氨气数据构建机器学习算法；

S5：将构建的机器学习算法写入农田机器人的车载计算机中；

S6：将氨气收集仓与农田机器人连接；

S7：将农田机器人移动至农田中，当农田机器人带动氨气收集仓行走至路径规划点时，进行现场气体采样；

S8：车载计算机接收到氨气收集仓内部气体传感器的信号，利用搭载的机器学习算法计算当前的挥发氨浓度；

S9：完成检测之后，直流风扇开始工作，将氨气收集仓内的氨气排出；

S10：农田机器人通过车载计算机的设定完成各个路径规划点的氨气浓度检测。

进一步地，S2的具体步骤如下：

S2.1：气泵将氨气从采样进气口泵入氨气收集仓内；

S2.2：氨气经过设置于环形PCB电路板上的气体传感器、经过设置于氨气收集仓内壁的环境温湿度传感器，气体传感器将电信号传输至Arduino-Mega微处理板；

S2.3：设置于氨气收集仓外壁的Arduino-Mega微处理板记录检测结果并上传至车载计算机；

S2.4：打开直流风扇，将氨气收集仓内的氨气排出；

S2.5：重复步骤S2.1-S2.4，对不同浓度氨气进行多次检测并记录数据。

进一步地，所述气体传感器包括MQ135、MQ137、TGS2600、TGS2602、TGS2620、SHT11、Grove multichannel sensor。

进一步地，所述机器学习算法包括气体数据输入层、CNN层、LSTM层、输出最终气体浓度信息的数据输出层，所述CNN层用于提取深层次的气体特征信息，所述LSTM层用于获取气体特征信息。

进一步地，S4的具体步骤如下：

S4.1：将检测结果数据导入至实验计算机的Matlab中进行机器学习算法的构建；

S4.2：将气体传感器的数据输入转换为图像输入；

S4.3：图像输入至包括卷积层、批量归一化层、Relu激活函数层、最大池化层的第一CNN层；

S4.4：再将图像输入至与第一CNN层的参数不同的第二CNN层；

S4.5：通过展平层将图像数据转换为二维结构数据；

S4.6：将二维结构数据依次输入LSTM层、全连接层、Softmax层、分类输出层；

S4.7：数据分类输出，机器学习算法的构建完成。

进一步地，所述氨气收集仓通过连接件与所述农田机器人连接，所述农田机器人包括智能模块、5G通讯模块、GPS定位模块、可更换模块，所述智能模块与所述氨气收集仓中的Arduino-Mega微处理板联机。

进一步地，所述智能模块包括与实验计算机联机的车载计算机，所述车载计算机通过实验计算机提供的路径规划点指挥农田机器人点对点行走。

进一步地，所述可更换模块包括二氧化碳检测模块/颗粒物污染检测模块/挥发性有机物检测模块。

进一步地，所述氨气收集仓的下方设置有机械导轨，贴地挥发氨采样罩与所述机械导轨滑动连接，所述贴地挥发氨采样罩上设置有与所述气泵连接的导气软管。

进一步地，所述氨气收集仓内设置有电加热丝，所述电加热丝覆盖在所述氨气收集仓的腔室底部和筒壁。

本发明具体的有益效果包括：

1、可以有效地在不损失检测精度和检测最低限的情况下将成本降低至最低；

2、与光学检测器件、硼酸溶液吸附相比，采用这种电子鼻装置稳定性更强，不容易受到极端环境、急剧变化环境的干扰；

3、本发明设置的气体传感器有多个，与单个传感器的检测相比，利用采用机器学习算法生成的算法可以检测到更低的氨气限度，可以从多种干扰气体当中检测出氨气；

4、机器学习算法可以在传感器的瞬态读取数据，节省大量的时间；

5、农田行走机器人可以更方便的在田间移动采样，节省人力物力。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为农田挥发氨检测电子鼻装置的示意图；

图2为氨气收集仓的结构示意图；

图3为氨气收集仓的电路连接拓扑图；

图4为农田行走机器人的结构示意图；

图5为机器学习算法示意图；

图6为机械升降结构的氨气收集仓设计结构示意图；

图7为农田机器人的模块结构示意图；

图8为带有电加热丝的氨气收集仓示意图；

图9为机器学习算法的构建的示意图。

附图标号说明：

1、氨气收集仓；2、农田机器人；3、连接件；4、Arduino-Mega微处理板；

11、采样进气口；12、气泵；13、直流风扇；14、气体传感器；

15、环形PCB电路板；16、温湿度传感器；17、采样出气口；

21、驱动电机；22、电池；23、激光雷达；24、车载计算机；

25、可更换模块；26、轮胎；

31、机械导轨；32、贴地挥发氨采样罩；33、导轨电机；34、导气软管；

40、电加热丝。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种采用机器学习的农田挥发氨电子鼻检测方法，包括以下使用步骤：

S1：利用氨水模拟出不同浓度的氨气；利用实验用0.5%氨水3ml以及不同体积的蒸馏水8ml/16ml/32ml即可配置出氨气浓度范围为1-100ppm的氨气；

S2：将不同浓度氨气抽入氨气收集仓1内，通过氨气收集仓1内的气体传感器14进行检测，氨气收集仓1上的Arduino-Mega微处理板4记录检测结果；在此期间，将1ppm、2ppm、3ppm、5ppm、10ppm、20ppm、30ppm、50ppm、100ppm浓度的氨气分别通入至氨气收集仓1，每种浓度重复试验20次，在每两次实验之间，打开直流风扇，将上一次残留在氨气收集仓1的氨气完全排出；

S3：Arduino-Mega微处理板4将检测结果上传至实验计算机；

S4：实验计算机利用Matlab软件通过采集到的氨气数据构建机器学习算法；

S5：将构建的机器学习算法写入农田机器人2的车载计算机24中；

S6：将氨气收集仓1与农田机器人2连接；

S7：将农田机器人2移动至农田中，当农田机器人2带动氨气收集仓1行走至路径规划点时，进行现场气体采样；

S8：车载计算机24接收到氨气收集仓1内部气体传感器14的信号，利用搭载的机器学习算法计算当前的挥发氨浓度；

S9：完成检测之后，直流风扇13开始工作，将氨气收集仓1内的氨气排出；

S10：农田机器人2通过车载计算机24的设定完成各个路径规划点的氨气浓度检测。

在上述实施方式的基础上，S2的具体步骤如下：

S2.1：气泵12将氨气从采样进气口11泵入氨气收集仓1内；

S2.2：氨气经过设置于环形PCB电路板15上的气体传感器14、经过设置于气体收集腔室1内壁的环境温湿度传感器16，气体传感器14将电信号传输至Arduino-Mega微处理板4；

S2.3：设置于氨气收集仓1外壁的Arduino-Mega微处理板4记录检测结果并上传至车载计算机24；

S2.4：打开直流风扇13，将氨气收集仓1内的氨气排出；

S2.5：重复步骤S2.1-S2.4，对不同浓度氨气进行多次检测并记录数据，将1ppm、2ppm、3ppm、5ppm、10ppm、20ppm、30ppm、50ppm、100ppm浓度的氨气分别通入至气体收集腔，每种浓度重复试验20次，在每两次实验之间，打开直流风扇，将上一次残留在气体收集腔的氨气完全排出。

在上述实施方式的基础上，所述气体传感器包括MQ135、MQ137、TGS2600、TGS2602、TGS2620、SHT11、Grove multichannel sensor。

具体地，MQ135为空气质量传感器、MQ137为氨气传感器、TGS2600为空气质量传感器、TGS2602为空气污染物检测传感器、TGS2620为有机溶剂气体检测传感、SHT11为温湿度传感器、Grove multichannel sensor为挥发性有机物传感器。上述传感器并不只对某一种气体有响应，当环境中存在氨气时，传感器也会响应，即交叉敏感性。但是不同型号的传感器在面对同一种浓度的氨气下时，其响应的程度有所不同。机器学习算法通过学习这种相同氨气环境下不同的响应特征，从而可以实现氨气的低浓度检测。泵入收集腔室内的气体会被传感器感知，电信号会传输至Arduino-Mega微处理板4。由于不同型号的传感器在相同的气体环境下会产生不同的特征信息，即在相同浓度的氨气环境下传感器的输出电压电流不相同。

具体地，采样室的环境温湿度传感器16为校准传传感器浓度信号提供了依据。

在上述实施方式的基础上，所述机器学习算法包括气体数据输入层、LSTM长短期记忆网络结构、CNN卷积神经网络结构、输出最终气体浓度信息的数据输出层，所述LSTM长短期记忆网络结构用于获取气体特征信息，所述CNN卷积神经网络结构用于提取深层次的气体特征信息。

在上述实施方式的基础上，如图9所示，S4的具体步骤如下：

S4.1：将检测结果数据导入至实验计算机的Matlab中进行机器学习算法的构建；

S4.2：将气体传感器14的数据输入转换为图像输入；每一种传感器对应传感器的每一列，每一次观测值为图像的每一行，图像的通道数量为1；

S4.3：图像输入至包括卷积层、批量归一化层、Relu激活函数层、最大池化层的第一CNN层；

S4.4：再将图像输入至与第一CNN层的参数不同的第二CNN层；第一CNN层、第二CNN层的作用是捕获特征并且降低维度。卷积部分包含了两次，过滤器尺寸为5,5和3,3，对应的数量为32和16，最大池化层的池化尺寸为5,5和3,3；

S4.5：通过展平层将图像数据转换为二维结构数据；

S4.6：将二维结构数据依次输入LSTM层、全连接层、Softmax层、分类输出层；LSTM层包含了258个隐藏单元，状态激活函数为tanh，激活函数为sigmod；全连接层的输出尺寸为3，用于长时间序列数据的训练；Softmax层与分类输出层负责将经过神经网络的运算结果输出为分类结果，即浓度；

S4.7：数据分类输出，机器学习算法的构建完成。

在上述实施方式的基础上，所述氨气收集仓1通过连接件3与所述农田机器人2连接，所述农田机器人2包括智能模块、5G通讯模块、GPS定位模块、可更换模块，所述智能模块与所述氨气收集仓1中的Arduino-Mega微处理板4联机。

具体地，如图2所示，所述氨气收集仓1的外壁固定有用于抽取气体的气泵12。所述氨气收集仓1连接有气体进出的气道，氨气收集仓1内设置有气体传感器14，进行气体浓度信号的感知。氨气收集仓1内壁设置有环境温湿度传感器16，感知氨气收集仓1的温度和湿度。氨气收集仓1内设置有用于加速空气流通的直流风扇13。氨气收集仓1筒底有用于连接采样小车的固定装置。氨气收集仓1筒壁外侧固定有控制传感器14的Arduino-Mega微处理板4。

具体地，农田行走机器人，如图4所示，是位于所述氨气收集仓1下的运动装置，承担着在农田行走的任务。农田自走行走机器人2包括智能模块、驱动模块、功能模块、可更换模块25，智能模块包括电脑二24，驱动模块包括驱动电机21、电池22，驱动电机21是自走机器人的动力装置，驱动电机21驱动轮胎26进行转动，电池22为整个所述氨气收集仓1提供能源，功能模块包括激光雷达23、GPS定位模块、5G通讯模块，其中激光雷达23负责感知农田行走机器人2所处的环境，帮助农田行走机器人2进行路径规划和避障行驶，GPS定位模块可以进行卫星定位。

在上述实施方式的基础上，所述智能模块包括与实验计算机联机的车载计算机24，所述车载计算机24通过实验计算机提供的路径规划点指挥农田机器人2点对点行走。

在上述实施方式的基础上，如图7所示，所述可更换模块包括二氧化碳检测模块/颗粒物污染检测模块/挥发性有机物检测模块。

具体地，农田机器人2可替模块实际为预留的接口，可以依据不同需求进行更新替换，可以更换为二氧化碳检测模块用于温室气体的检测，或者可更换为颗粒物污染检测模块，完成大气污染物的检测，或者挥发性有机物检测模块。

在上述实施方式的基础上，所述氨气收集仓1的下方设置有机械导轨31，贴地挥发氨采样罩32与所述机械导轨31滑动连接，所述机械导轨31上设置有提供动力的导轨电机33，所述贴地挥发氨采样罩32上设置有与所述气泵12连接的导气软管，所述贴地挥发氨采样罩32将采集到的氨气通过导气软管34送入所述气泵12中。

具体地，如图6所示，展示了存在机械升降结构的气体收集腔室设计，考虑到施用粪肥和合成肥料后的农田挥发氨气浓度低至1ppm，直接从环境中抽取环境气体可能使得氨气的检测存在一定的困难，设计可以升降的机械集气装置，将有助于氨气的收集，在原有的氨气收集仓1设计下，增加了导轨电机33，用于驱动贴地挥发氨采样罩32在机械导轨31上移动，挥发氨气体将通过导气软管34经过气泵12泵入所述氨气收集仓1内。

在上述实施方式的基础上，所述氨气收集仓1内设置有电加热丝41，所述电加热丝41覆盖在所述氨气收集仓1的腔室底部和筒壁。

具体地，如图8所示，挥发氨气容易与水结合形成氨水，氨水若存在于氨气收集仓1内将影响氨气的检测，会导致氨气实际浓度与显示浓度存在较大的差别。为解决此问题，设计了可用于将氨气收集仓1加热的电热丝。电加热丝覆盖在氨气收集仓1的底部和筒壁。

本发明可以有效地在不损失检测精度和检测最低限的情况下将成本降低至最低；与光学检测器件、硼酸溶液吸附相比，采用这种电子鼻装置稳定性更强，不容易受到极端环境、急剧变化环境的干扰；与单个传感器的检测相比，利用采用机器学习算法生成的算法可以检测到更低的氨气限度，可以从多种干扰气体当中检测出氨气；机器学习算法可以在传感器的瞬态读取数据，节省大量的时间；农田自走行走机器人可以更方便的在田间移动采样，节省人力物力。

本发明未详尽之处均为本领域技术人员所公知的常规技术手段。

以上内容显示和描述了本发明的基本原理、主要特征及本发明的有益效果。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。