多频段湿度和盐度传感器（MMSS）：一种基于机器学习技术的低成本、高精度土壤监测解决方案

《IEEE Transactions on Geoscience and Remote Sensing》：Multiband Moisture and Salinity Sensor (MMSS): A Cost-Effective and Accurate ML-Driven Solution for Precision Soil Monitoring

提出一种基于连续波的多频土壤传感器，可同时测量体积含水量和盐分，采用70/140/210MHz多频段技术克服单频误差，结合单电压控制振荡器降低成本，通过神经网络和支持向量回归模型实现数据解析，实验显示VWC MAE为0.4%、钾浓度误差0.05g/kg，优于传统传感器。

　　

摘要：

本文介绍了一种用于精准农业应用的新型多频土壤传感器。该传感器利用土壤的电学特性同时测量土壤的体积含水量（VWC）和盐度。与传统的时域反射法（TDR）传感器不同，后者依赖于脉冲信号和时间延迟测量，而这种新型传感器则利用连续波、相位变化和振幅变化来提高测量精度并降低系统复杂性。该传感器在70 MHz、140 MHz和210 MHz三个频率下同时工作，通过多频测量技术有效减少了单频测量中的误差，从而在异质土壤条件下也能保证较高的测量精度。文中采用了一种基于单电压控制振荡器（VCO）及其谐波的低成本频率生成方法，显著降低了硬件需求的同时保持了高性能。此外，还利用专门的校准数据集训练了机器学习（ML）模型，用于准确解析原始传感器数据并预测VWC和盐度值。开发的机器学习模型包括神经网络（NN）和支持向量回归（SVR）结合径向基函数（RBF）核，用于从相位和振幅数据中估算土壤的VWC和盐度。实验结果表明，这种多频土壤水分和盐度传感器（MMSS）在预测土壤参数方面具有较高的精度：VWC的平均绝对误差（MAE）为0.4%，钾浓度的平均绝对误差为0.05 g/kg，性能优于现有的土壤水分传感器，适用于精准农业和环境监测。其高精度、可扩展性和低成本特性使其成为优化资源利用和提升作物产量的有效工具。

引言

准确测量土壤水分和盐度对农业至关重要，因为这些因素直接影响作物健康、产量和可持续资源管理。保持最佳平衡可以避免过度灌溉、土壤退化和养分流失等问题。在现代精准农业中，实时监测土壤状况有助于基于数据做出决策，从而实现高效灌溉和更好的作物管理。虽然土壤传感器在这一过程中起着关键作用，但现有技术在处理异质性和分散性土壤时往往存在精度不足的问题，因为这类土壤的电磁特性会随频率变化。这一挑战凸显了需要一种先进的传感解决方案，能够同时可靠地测量土壤水分和盐度，并尽量减少环境干扰的影响[1]、[2]、[3]、[4]。