SoilX：通过对比跨组件学习实现无校准综合土壤感测
机器学习
2026-03-19 v2
摘要
精密农业需要持续准确地监测土壤水分（M）和关键养分（氮N、磷P、钾K），以优化产量并节省资源。无线土壤感测已用于测量这四个成分，但现有解决方案需要对土壤纹理（由铝硅酸盐Al和有机碳C特征化）进行校准（即重新训练数据处理模型），限制了其实用性。为此，我们引入SoilX，一个无校准土壤感测系统，可联合测量六个关键成分：{M、N、P、K、C、Al}。通过显式建模C和Al，SoilX消除了纹理和碳依赖的校准需求。SoilX融合对比跨组件学习（3CL），包含两个定制化术语：正交正则化项和分离损失，以有效分离跨组件干扰。此外，我们设计了一种新型四面体天线阵列，配有天线切换机制，可独立于设备放置位置稳健测量土壤介电常数。广泛实验表明，SoilX在基线上实现了23.8%至31.5%的估计误差降低，并对未见字段表现出良好泛化能力。
引用
@article{arxiv.2511.05482,
title = {SoilX: Calibration-Free Comprehensive Soil Sensing through Contrastive Cross-Component Learning},
author = {Kang Yang and Yuanlin Yang and Yuning Chen and Sikai Yang and Xinyu Zhang and Wan Du},
journal= {arXiv preprint arXiv:2511.05482},
year = {2026}
}