去除农业营养液中离子干扰效应的机器学习方法
机器学习
2021-01-07 v4 信号处理
机器学习
摘要
垂直农场或植物工厂等高浓度农业设施将水培技术视为最优解。尽管闭环系统大幅减少了水资源消耗与污染问题，却存在与离子比例相关的难题。由于根系以不同速率吸收个别离子，营养液中的离子比例须定期调整。但传统方法仅考虑pH与电导率来调整营养液，导致离子失衡与过量盐分累积。为避免这些问题，一些研究者提出了测量并控制各离子浓度的离子平衡方法。然而，这些方法未能克服离子选择电极(ISE)的固有局限，尤其是离子干扰效应。阴离子传感器受其他阴离子影响，且误差在更高浓度溶液中增大。本文提出一种机器学习方法以修正被离子干扰效应扭曲的ISE数据。由于TDS值测量相对其他信号更为稳健，我们应用TDS作为关键参数构建重新调整函数以消除伪影。一旦建立重新调整模型，对ISE数据的应用可实时完成。所提模型重新调整后的数据显示出约91.6~98.3%的准确度。该方法将使相关领域能以可行状态应用近期方法。
引用
@article{arxiv.1907.10794,
title = {Machine learning approach to remove ion interference effect in agricultural nutrient solutions},
author = {Byunghyun Ban and Donghun Ryu and Minwoo Lee},
journal= {arXiv preprint arXiv:1907.10794},
year = {2021}
}
备注
6 pages, 5 figures, 5 tables. Accepted to 2019 International Conference on Information and Communication Technology Convergence (ICTC) - ICTC2019