[发明专利]一种原位识别农产品重金属含量潜在超标区域的方法及装置

权利要求书

1.一种原位识别农产品重金属含量潜在超标区域的方法，其特征在于，所述方法包括：

(1)区域定位及背景参数获取：调取待识别区域的背景信息；

(2)土壤数据快速采集：

(2.1)依据待识别区域面积，采取均匀布点法计算区域内点位数量，计算公式为：

其中，N为点位数量，A为待识别区域面积(亩)，当计算结果为小数时，N值向上取整，

然后采取均匀布点方式布设土壤点位；

(2.2)土壤样品采用样品盒装载后置于样品池内，经X荧光快速检测光路系统进行检测；

(2.3)获取采样点坐标信息与检测结果点位信息；

(3)数据扩增及超标概率预测：获取土壤地理信息、检测指标、环境信息、检测结果，通过模型扩增农产品数据并进行农产品超标概率预测；具体步骤为：

(3.1)以国家标准GB2762为标准，将数据集中的超标数据作为正例，所述正例的数据量为N1，不超标数据作为负例，所述负例的数据量为N2，二者差值的绝对值为需要模拟生成的数据量M；

(3.2)随机生成M个k维模拟数据，同时选择M个真实数据，所述M个真实数据中同时包含正例和负例，正例、负例数量比例为N1/N2，

建立判别神经网络模型D，隐含层数量为2-4层，所述判别神经网络模型D的信息反馈函数为：

V(D)＝E[D(G(z))]+E[log(1-D(G(z)))]

其中，z表示训练数据；E表示关于z的计算期望函数，G为生成神经网络模型，D为判别神经网络模型；

利用判别神经网络模型D将上述随机生成的M个模拟数据和M个真实数据作为输入，训练模型直至实现全部模拟数据输出为0.5、真实数据输出为≥0.5，训练条件是不断调整模型参数，使判别神经网络模型D的信息反馈函数输出值的变化梯度不断减少，直至低于0.001，获取训练好的判别神经网络模型D；

(3.3)建立生成神经网络模型G，隐含层数量为2-4层，所述生成神经网络模型G的信息反馈函数为：

其中，为原始的生成数据的先验概率

以M/2个k维随机模拟数据为输入，利用生成神经网络模型G生成M个模拟数据，并将生成的M个模拟数据输入进训练好的判别神经网络模型D中，不断训练生成神经网络模型G，直至全部利用生成神经网络模型G生成的模拟数据在训练好的判别神经网络模型D的输出中均识别为≥0.5；

训练条件是不断调整生成神经网络模型G的参数，使所述生成神经网络模型G的信息反馈函数输出值的变化梯度不断减少，直至低于0.001，得到调整后的生成神经网络模型G；

(3.4)在不改动所述调整后的生成神经网络模型G的参数的前提下，重复(3.2)的操作，直至全部模拟数据输出为0.5、真实数据输出为≥0.5，获取更新后的判别神经网络模型D，然后，在不改动判别神经网络模型D的前提下，重复(3.3)的操作，直至全部利用生成神经网络模型G生成的模拟数据在更新后的判别神经网络模型D的输出中均识别为≥0.5，最终获取训练好的生成神经网络模型G；

(3.5)向所述训练好的生成神经网络模型G输入N个k维数据，其中NM，利用训练好的生成神经网络模型G生成M个k维模拟的正例或负例数据，按照以下公式计算Pi：

其中，为生成数据的先验概率，μ_i为均值向量，∑_i为协方差矩阵；

其中，A是历史数据中真实正例的比例，而B是历史数据中真实负例的比例；

(3.6)上述(3.5)的模型结果Pi在i＝0时代表农产品不超标概率，i＝1代表农产品超标概率，农产品超标概率P按照以下公式计算：

(4)潜在超标区域识别：选用等高线法，以农产品超标概率范围将待识别区域划分区域。

2.如权利要求1所述的原位识别农产品重金属含量潜在超标区域的方法，其特征在于，所述检测指标包括Cd、As、Pb、Cr、Cu、Zn、Ni、Mg、Fe、Mn、Ca、Si、Se含量中的一种或多种。

3.如权利要求1所述的原位识别农产品重金属含量潜在超标区域的方法，其特征在于，所述背景信息获取包括区域边界、行政区划、土壤类型、土地利用方式、作物类型、历史监测点位、农产品检测值中的一种或多种。