一种黏重土壤条件下根茎类中药材早期识别和减损分级方法与流程

本发明涉及智慧农业领域，具体涉及一种黏重土壤条件下根茎类中药材早期识别和减损分级方法。

背景技术：

1、根茎类中药材（如丹参、黄芩、苍术、白术等）是我国中医药产业的重要原料，其药用部位为地下根茎，品质与产量高度依赖于土壤环境与收获方式。然而，我国多数根茎类中药材主产区分布于丘陵山区或黏重土壤地带，这类土壤质地黏重、透气性差、易板结，给中药材的种植与收获带来了独特的挑战。现有技术在黏重土壤条件下主要存在以下问题：

2、黏重土壤持水性强、排水不畅，极易诱发根腐病、线虫病等土传病害。由于土壤黏粒对光谱信号的强吸收与散射作用，传统可见光遥感难以穿透地表获取根系信息；而地面人工巡查效率低、主观性强，往往在植株出现明显萎蔫、黄化等地上部症状时才发现病害，此时根系已严重受损，错过最佳防控窗口，导致大面积减产甚至绝收。

3、针对如深松、施用有机肥、调节ph等黏重土壤的改良，现有生产普遍采用全田统一作业模式。但黏重土壤的空间异质性极强，局部低洼处易积水缺氧、病害高发，而高处则相对干燥健康。全田统一深耕深度与改良剂用量，不仅造成农资浪费，还会在低风险区过度扰动土壤结构，加速板结；在高风险区则因改良力度不足无法有效抑制病害，形成恶性循环。

4、黏重土壤在干燥时硬度极高、湿润时黏附性强，收获时挖掘阻力大、土块破碎难。现有收获机械多针对普通壤土设计，在黏重土壤中作业时，要么因挖掘深度不足导致漏挖、断根，要么因振动筛堵塞、土块挤压造成根茎破皮、断裂。破损的根茎易感染病菌、失水干瘪，直接降级为次品或废料，严重影响中药材的商品价值与药效稳定性。

5、因此，亟需一种专门针对黏重土壤条件，能够实现根茎类中药材早期精准识别、靶向分区改良、并在收获期智能规避机械损伤的分级减损方法，以解决上述问题。

技术实现思路

1、本发明旨在解决上述技术问题，提供一种黏重土壤条件下根茎类中药材早期识别和减损分级方法。

2、为实现上述发明目的，本发明提供了一种黏重土壤条件下根茎类中药材早期识别和减损分级方法，包括以下步骤：

3、s1，在苗期对全田植株进行表型初筛以标记为可疑株，仅对可疑株及其周边区域进行高光谱与近红外无损检测并提取光谱特征，结合病害严重度回归模型与空间插值法生成连续的地块健康风险热力图，其中，为田间平面坐标；

4、步骤s1中，在苗期对全田植株进行表型初筛时，将满足预设异常条件的药材标记为可疑株，预设异常条件包括：株高相对值、叶片spad值和浇水后2小时萎蔫未恢复率中的至少一种。

5、结合病害严重度回归模型与空间插值法生成连续的地块健康风险热力图具体包括：以预设网格为单位，采用普通克里金插值法对离散风险点进行空间插值，将病害严重度预测值归一化至区间，生成连续的地块健康风险热力图，根据的风险值将地块划分为高风险区、中风险区和低风险区，对高风险区、中风险区和低风险区进行预设的土壤改良。当时，判定为高风险区，执行深耕40cm并增施生石灰、枯草芽孢杆菌与腐熟有机肥；当时，判定为中风险区，执行深耕35cm并增施有机肥与微生物菌剂；当时，判定为低风险区，执行深耕30cm并进行秸秆还田。

6、s2，在计划收获日期前15-20天，采集田间正射影像，取埋深20cm处的含水率读数作为当前有效土壤含水率 ，对采集的田间正射影像进行k-means聚类，提取各簇的颜色与纹理质心，编码为视觉提示向量，对采集的田间正射影像进行k-means聚类，提取各簇的颜色与纹理质心，编码为视觉提示向量和包含黏重土壤遮挡语义的文本嵌入向量pt 通过交叉注意力机制进行跨模态特征对齐与融合，输出根系分割掩膜和预估损伤风险图，其中，，表示根系像素， 表示背景，以地表为基准，计算掩膜下边界深度 ，取值范围为；

7、步骤s2中，当，锁定收获机启动权限，触发排水提示；当，判定为适宜收获窗口，进入步骤s3；当，触发灌溉补墒提示。

8、s3，根据掩膜下边界深度 、预估损伤风险图和当前有效土壤含水率 ，调节收获机的挖掘深度、碎土辊转速和输送链速度；

9、挖掘深度；

10、碎土辊转速；

11、输送链速度；

12、为从图像中测算出的根茎最底端深度，为含水率补偿系数，为基础转速，为风险转速增益，为墒情转速增益，为实际土壤含水率，为最佳含水率，为基础链速，和均为链速调节系数；

13、当时，为预设的第一补偿值；当时，为预设的第二补偿值。当预估损伤风险图的值大于预设高风险阈值0.8时，对对应植株进行标记，并提示操作人员采用非金属工具沿植株外侧斜向轻撬辅助收获。

14、s4，根据步骤s3调节收获机采集药材，采后对药材进行分级，并将分级结果结合挖掘参数与苗期健康标签构建特征向量输入损伤归因网络，计算机械损伤、病害损伤和运输损伤的条件概率；当判定为机械损伤的概率超过预设阈值且实际损伤位置与预估损伤风险图的高风险区重合度达标时，按如下公式更新下一批次挖掘的含水率补偿系数：

15、；其中， 为学习率， 为允许损伤阈值，为实际损伤程度。更新后的的取值范围为[3cm, 12cm]，当药材连续3批次判定为机械损伤的概率低于0.3时，暂停更新含水率补偿系数。

16、步骤s4中，构建特征向量，具体包括：将苗期健康标签、预估损伤风险值 、实际挖掘深度、碎土辊转速、输送链速度、实际土壤含水率以及实际损伤位置组合为特征向量 x。

17、步骤s4中，当判定为机械损伤的概率超过预设阈值且苗期健康标签为可疑株时，将对应区域在下一季生成 时的基础风险权重增加预设加成值0.2。

18、首先，在苗期对全田植株进行无损表型扫描，预设异常条件包括：株高相对值、叶片spad值和浇水后2小时萎蔫未恢复率中的至少一种，满足任一条件即标记为可疑株。水分传导受阻（萎蔫）往往早于光合能力下降（spad降低）和生物量积累抑制（株高滞后），三者构成互补的早期预警指标体系。其次，仅对可疑株及其周边区域进行高光谱与近红外检测，避免全田扫描在黏重土壤高背景噪声下的信噪比劣化问题。随后，以预设网格为单位，采用普通克里金插值法将离散风险点转化为连续地块健康风险热力图，该方法利用半变异函数刻画黏重土壤病害斑块状聚集的空间自相关特性。最后，依据热力图划分三级风险区并执行差异化改良：高风险区深耕40cm打破犁底层并配施生石灰、枯草芽孢杆菌与腐熟有机肥，实现抑病、拮抗、改土三重协同；中风险区深耕35cm配施有机肥与微生物菌剂，维持微生态稳态；低风险区深耕30cm配合秸秆还田，保护原状土结构。

19、现有技术多依赖单一植被指数或全田均匀施药，在黏重土壤背景下易受土壤亮度干扰且缺乏生理特异性。本发明将“浇水后萎蔫恢复率”作为黏重土壤特异性初筛指标，直接表征根系在黏滞孔隙中的水分传导功能，这是传统ndvi等纯光学指标无法捕获的生理信号，避免了中风险区的过度干预和高风险区的治理不足，尤其适配黏重土壤空间异质性强的特点。

20、本发明使黏重土壤下根腐病、线虫病等土传病害的识别窗口较单一可见光遥感提前7–10天，有效解决见症已晚的问题。

21、步骤s2在计划收获日期前15-20天关键窗口期，取埋深20cm处的当前有效土壤含水率 作为决策依据，该深度对应多数根茎类中药材主根分布层。当时，黏重土壤呈塑性流动状态，机械作业易粘连堵塞，锁定启动权限并触发排水提示；为适宜收获窗口，进入后续流程；时，土壤硬度激增易致机械损伤，触发灌溉补墒提示。在感知层面，对田间正射影像进行k-means聚类提取颜色与纹理质心编码为视觉提示向量  ，同时构建包含黏重土壤遮挡语义，如“黏土覆盖”“根系隐蔽”“地表结皮”的文本嵌入向量pt，通过交叉注意力机制实现跨模态特征对齐与融合，输出根系分割掩膜 和预估损伤风险图。以地表为基准计算掩膜下边界深度 ，为挖掘深度自适应调节提供精确几何锚点。

22、现有根系感知方法多为纯视觉或纯雷达方案，在黏重土壤表面结皮、裂缝、残茬干扰下性能急剧下降。本发明将“黏重土壤遮挡语义”作为文本模态注入感知模型，使系统具备了类似农艺专家的经验推理能力，即使视觉上部分遮挡，也能根据土壤纹理与上下文先验推断根系可能的位置与风险等级，这是纯数据驱动模型所不具备的认知维度。

23、因此，本步骤从源头防止了在过湿黏土中强行收获导致的机具陷车、筛孔堵塞及过干硬土中的问题，保障作业连续性与安全性。同时，本发明使根系分割精度在黏重土壤遮挡条件下较纯视觉模型更高，损伤风险预测更为可靠。并且，本发明将模糊的经验转化为含水率数值区间，提升了收获计划的确定性与可调度性。

24、进一步的，本发明的步骤s3将步骤s2的感知结果实时转化为收获机的执行参数，挖掘深度按调节，其中，为含水率补偿系数，在和 两档取值不同，以匹配黏重土壤在不同含水率下对挖掘铲的非线性阻力特性。碎土辊转速按 调节，风险越高、墒情偏离最优值越大则转速越高，强化碎土以减少大土块挤压；输送链速度按调节，风险越高、墒情越差则链速越慢，延长分离时间以降低碰撞动能。当 时，自动喷涂荧光标记并提示操作人员采用非金属工具沿植株外侧斜向轻撬辅助收获。该阈值高于s1的病害阈值0.7，更好的体现了机器保效率、人工保品质的效果。

25、现有的收获机多为固定参数或仅根据单一传感器做简单反馈，无法应对黏重土壤的非线性力学特性。本发明将土壤含水率、损伤风险、根系深度耦合为连续的机械控制曲面，使收获机在黏重土壤多变工况下始终运行于安全包络内。

26、本发明的步骤s4构建了采后分级、损伤归因、参数调整，将苗期健康标签 、实际挖掘深度、碎土辊转速、输送链速度、实际土壤含水率以及实际损伤位置组合为特征向量 x，输入损伤归因网络计算机械损伤、病害损伤和运输损伤的条件概率。当判定为机械损伤的概率超过预设阈值且实际损伤位置与预估损伤风险图的高风险区重合度达标时，按更新含水率补偿系数，其中学习率，允许损伤阈值，更新后的的取值范围为[3cm, 12cm]；连续3批次机械损伤概率低于0.3时暂停更新，防止过拟合。此外，当机械损伤概率超阈值且苗期健康标签为可疑株时，下一季生成 时该区域基础风险权重增加0.2，实现跨季迁移。

27、现有技术多为开环控制或仅当季反馈，缺乏损伤类型鉴别与跨季学习能力。本发明将苗期健康标签纳入归因特征，能识别“病弱株更易受机械损伤”的交互效应，避免将病害导致的脆弱性误判为机械参数不当；跨季权重加成0.2的设计，具备了类似资深种植专家的“地块记忆”，实现了从单季优化到长期进化的跃迁，风险权重加成将单季损伤教训转化为下季预防重点。

28、与本发明中的方法对应，本发明还提供了一种电子装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种黏重土壤条件下根茎类中药材早期识别和减损分级方法的步骤。

29、与本发明中的方法对应，本发明还提供了一种存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种黏重土壤条件下根茎类中药材早期识别和减损分级方法的步骤。

30、本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：

31、本发明将苗期表型初筛、靶向土壤改良、收获前墒情门控、多参数收获、损伤归因等，各环节数据互为输入、互相验证，解决了黏重土壤下中药材种植识别难的问题。

32、本发明既依靠传感器与模型的实时数据驱动，又融入了黏重土壤农艺知识与跨季经验的符号化表达，在数据稀疏或噪声干扰下仍能做出稳健、可解释的决策。

33、通过全周期协同减损，可使黏重土壤区根茎类中药材一等品率有效提升，降低收获破损率降；同时保护了黏重土壤结构，延缓退化进程，为中药材道地产区的可持续利用提供了坚实技术支撑。