基于对抗域适应网络的土壤水分智能识别算法
2023-09-28孙德鑫
南方农机 2023年20期
孙德鑫
(长安大学工程机械学院,陕西 西安 710064)
0 引言
中国有着全世界分布最为广泛的黄土高原,主要分布于陕西等7个省区、34个地级市,分布面积达44万km2,占国土面积的6.6%。随着国家战略的逐步实施,平山修城、治沟造地等大批工程落地。然而,大批的工程建设严重扰动土体,诱发了一系列工程灾变,如边坡冲蚀、边坡滑坡、填方路基坍塌等[1]。通常认为,水是导致边坡滑坡等灾变最为重要的因素[2],因为降雨入渗会造成土壤的内聚力和摩擦力降低,为边坡滑坡等灾变提供必要条件[3]。而土壤含水率深层原位探测是揭示滑坡等孕育机制和演化规律的基础[4]。为了满足重大工程扰动下的含水率测量需要,提出一种适用于不同土壤类型且不受深度制约的探测方法。通过将土壤含水率识别技术嵌入在搭载有机器视觉系统的孔洞机器人上,来完成对土壤含水率的测量,而针对此系统的研发,土壤含水率的智能识别算法最为关键。
目前,对于含水率的原位探测有接触式、非接触式等方法。通常,时域反射法(TDR)[5]、频域反射法(FDR)[6]及中子法[7]均属于接触式探测方法。时域反射法一般通过获得土壤的介电常数来进行含水率的测量,可以进行连续测量,测量方位广且对土壤环境无扰动,但其设备较复杂且昂贵。频域反射法通常获取土壤共振频率来测量土壤含水率,它几乎具有时域反射法的所有优点,但其更容易受到土壤黏粒、盐度等因素的影响。同时,针对土壤含水率长时间的实时监测问题,通常需要对所测得的含水率结果进行温度校正。……
登录APP查看全文
