本发明涉及土壤检测，具体涉及一种基于超声波和机器学习的土壤孔隙度检测方法。
背景技术：
1、土壤孔隙度是指土壤中的孔隙体积占土壤总体积的百分率，是描述土壤结构的一个重要参数。具体来说，土壤中的土粒、土壤团聚体之间以及团聚体内部均存在孔隙，这些孔隙构成了复杂的孔隙系统。这些孔隙不仅影响着土壤的水分、空气流通和储存能力，还影响着土壤的肥力和植物的生长。因此，检测土壤孔隙度是现代农业中极其重要的一环。然而，由于土壤非透明且内部结构复杂的性质，土壤孔隙度的检测一直是难以解决的问题。
2、目前土壤孔隙度的检测方法主要有压汞法、气体吸附法、热脉冲-时域反射法、计算机断层扫描技术、中子仪法、核磁共振技术等。然而上述方法要么需要破坏土壤，要么无法原位检测，要么耗费时间长，要么成本高，要么有辐射危害，因此亟需一种能够快速且无损地检测土壤孔隙度的方法。
技术实现思路
1、本发明的目的是提供一种基于超声波和机器学习的土壤孔隙度检测方法，该方法将波速、振幅和主频以及含水率作为机器学习的输入，综合分析了多项声学参数、含水率与土壤孔隙度三者之间的关系，相比其他基于机器学习的超声检测的输入数据更丰富，保证了土壤孔隙度与声学参数间的孔隙度声学参数模型的准确性和抗干扰能力，超声检测土壤孔隙度方法相比其他传统方法有着无损、快速、价格低的优势。
2、一种基于超声波和机器学习的土壤孔隙度检测方法，包括：
3、制备标准土壤样本；
4、利用超声波透射法检测土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系；
5、根据所述土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系建立土壤孔隙度与声学参数间的孔隙度声学参数模型；
6、设置土壤孔隙度与声学参数间的孔隙度声学参数模型的超参数；
7、采用设置好的土壤孔隙度与声学参数间的孔隙度声学参数模型对采集的土壤样本进行孔隙度检测。
8、优选地，所述制备标准土壤样本包括：
9、利用同种土壤制备多份不同孔隙度和含水率的标准土壤样本，并将环刀打入标准土壤样本以获得小份标准土壤样本：
10、其中制作标准土壤样本表示为：
11、mt＝ρdvz(1-σ)
12、ms＝mt×θ
13、其中，mt为干土质量，ρd为土壤密度，vz为土壤压缩后的体积，σ为孔隙度，ms为水的质量，θ为含水率。
14、优选地，所述利用超声波透射法检测土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系包括：
15、将装满标准土壤样本的环刀放置于实验台架上并固定；
16、将非金属超声检测仪的发射换能器和接收换能器分别贴紧环刀两侧裸露的土壤表面，使发射换能器和接收换能器相互正对；
17、利用超声透射法测得标准土壤样本的超声波波速、振幅以及主频，记录超声波参数与标准土壤样本的孔隙度和含水率之间的关系。
18、优选地，所述根据所述土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系建立土壤孔隙度与声学参数间的孔隙度声学参数模型包括：
19、将测得的标准土壤样本的孔隙度和含水率之间的关系划分出训练集和测试集；
20、对样本数据进行归一化处理：
21、
22、其中max(x)为标准土壤测试样本的最大值，min(x)为标准土壤测试样本的最小值。
23、优选地，所述设置土壤孔隙度与声学参数间的孔隙度声学参数模型的超参数包括：
24、采用网格搜索遍历所有的超参数组合，评估每个组合的性能，并选择具有最佳性能的超参数组合。
25、优选地，所述设置土壤孔隙度与声学参数间的孔隙度声学参数模型的超参数之后，还包括采用五折交叉验证法评估土壤孔隙度与声学参数间的孔隙度声学参数模型，具体为：
26、将训练集数据随机地、均匀地划分为五个互不重叠的子集；
27、在五折交叉验证中，每一次迭代都会使用四个子集作为训练集，剩下的一个子集作为测试集；
28、在每次迭代中，使用训练集训练模型，并使用测试集评估模型的性能；
29、完成五次迭代后，将每次迭代中模型在测试集上的性能指标进行汇总，计算性能指标的平均值和标准差，得到土壤孔隙度与声学参数间的孔隙度声学参数模型性能的整体评估。
30、优选地，所述采用设置好的土壤孔隙度与声学参数间的孔隙度声学参数模型对采集的土壤样本进行孔隙度检测包括：
31、在田间利用环刀采集与标准土样质地相同的土壤；
32、将时域反射传感器探针插入土壤，获得土壤含水率数据；
33、对采集到的土壤进行超声检测，获得超声波波速、振幅以及主频；
34、将测得的土壤含水率以及超声波波速、振幅以及主频输入到土壤孔隙度与声学参数间的孔隙度声学参数模型；
35、土壤孔隙度与声学参数间的孔隙度声学参数模型输出采集的土壤的孔隙度。
36、一种基于超声波和机器学习的土壤孔隙度检测系统，包括：
37、土壤样本制备模块，用于制备标准土壤样本；
38、土壤样本检测模块，用于利用超声波透射法检测土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系；
39、数据处理模块，用于根据所述土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系建立土壤孔隙度与声学参数间的孔隙度声学参数模型；
40、模型设置模块，用于设置土壤孔隙度与声学参数间的孔隙度声学参数模型的超参数；
41、土壤检测模块，用于采用设置好的土壤孔隙度与声学参数间的孔隙度声学参数模型对采集的土壤样本进行孔隙度检测。
42、一种电子设备，包括：芯片、处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述芯片执行所述计算机指令的情况下，所述电子设备执行一种基于超声波和机器学习的土壤孔隙度检测方法。
43、一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令在被电子设备的处理器执行的情况下，使所述处理器执行一种基于超声波和机器学习的土壤孔隙度检测方法。
44、本发明的有益效果在于：本发明利用了超声波在含有孔隙的材料中传播的相关特性，检测速度快且对被检测土壤无损坏，解决了目前土壤孔隙度检测方法的缺陷。当超声波经过含有孔隙的土壤时，会产生声波的散射、吸收、衍射等现象，这些现象会影响超声波的声学参数：波速、振幅和主频；总的来说，孔隙越大、数量越多，超声波传播速度越慢、振幅衰减越快、主频越低。同时，土壤含水率也会影响超声波的波速、振幅和主频；总的来说，含水率越高，超声波传播速度越慢、振幅衰减越快。因此，通过测量超声波在土壤中传播的速度、振幅的衰减程度以及主频的降低程度，同时辅以土壤含水率的数据，就可以推算出土壤中孔隙的大小和分布情况，进而得出土壤孔隙度。
1.一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，所述制备标准土壤样本包括：
3.根据权利要求1所述的一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，所述利用超声波透射法检测土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系包括：
4.根据权利要求1所述的一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，所述根据所述土壤样本的孔隙度与含水率与超声波波速、振幅、主频的关系建立土壤孔隙度与声学参数间的孔隙度声学参数模型包括：
5.根据权利要求1所述的一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，所述设置土壤孔隙度与声学参数间的孔隙度声学参数模型的超参数包括：
6.根据权利要求1所述的一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，所述设置土壤孔隙度与声学参数间的孔隙度声学参数模型的超参数之后，还包括采用五折交叉验证法评估土壤孔隙度与声学参数间的孔隙度声学参数模型，具体为：
7.根据权利要求1所述的一种基于超声波和机器学习的土壤孔隙度检测方法，其特征在于，所述采用设置好的土壤孔隙度与声学参数间的孔隙度声学参数模型对采集的土壤样本进行孔隙度检测包括：
8.一种基于超声波和机器学习的土壤孔隙度检测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：芯片、处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述芯片执行所述计算机指令的情况下，所述电子设备执行如权利要求1至7中任一项所述的一种基于超声波和机器学习的土壤孔隙度检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令在被电子设备的处理器执行的情况下，使所述处理器执行权利要求1至7中任意一项所述的一种基于超声波和机器学习的土壤孔隙度检测方法。
