基于反射多光谱成像的土壤成分估计与USDA纹理分类
计算机视觉与模式识别
2026-02-27 v1 信号处理
摘要
土壤纹理是支配水分availability和侵蚀的基本属性,在农业中也支配承载能力、变形响应和收缩膨胀风险。然而,纹理仍通常通过缓慢且耗费人力的实验室颗粒尺寸测试来确定,而许多感知替代方案要么昂贵,要么分辨率过粗,难以支持常规现场规模部署。本文提出了一个稳健且可现场部署的多光谱成像(MSI)系统和机器学习框架,用于预测土壤成分和美国农业部(USDA)纹理类别。该系统使用一种成本有效的自制MSI设备,工作波长从365 nm到940 nm,以捕获13个光谱波段,有效捕捉土壤纹理的光谱特性。回归模型使用捕获的光谱特性来估计黏土、砂粒和砂粒的百分比,而直接分类器预测其中12个USDA纹理类别中的一个。通过将回归得到的成分映射到纹理类别(基于USDA土壤纹理三角形),获得间接分类。该框架基于混合数据进行评估,通过以黏土、砂粒和砂粒的不同比例混合来实现,以USDA分类三角形为基础。实验结果显示,该方法在成分预测上实现最高达0.99的决定系数R²,在纹理分类上实现超过99%的准确率。这些发现表明,MSI结合数据驱动建模可提供准确、无损且可现场部署的土壤纹理表征,适用于岩土筛选和精密农业。
引用
@article{arxiv.2602.22829,
title = {Reflectance Multispectral Imaging for Soil Composition Estimation and USDA Texture Classification},
author = {G. A. S. L Ranasinghe and J. A. S. T. Jayakody and M. C. L. De Silva and G. Thilakarathne and G. M. R. I. Godaliyadda and H. M. V. R. Herath and M. P. B. Ekanayake and S. K. Navaratnarajah},
journal= {arXiv preprint arXiv:2602.22829},
year = {2026}
}
备注
Under Review at IEEE Access. 17 pages, 15 figures