文摘

水培植物培养要求提供解决方案中的营养物质的浓度保持在一个恒定的水平。例如,磷酸盐离子浓度直接影响作物生长,需要方便和快速发展的技术进行现场磷酸盐定量。,我们开发了一种新的低成本的比色法快速现场磷酸定量基于传统钼比色方法的修改。具体来说,营养液处理分析了钼酸和抗坏血酸比色法10分钟后孵化,磷酸和定量协议提出了。来验证这个协议,50营养液和样品浓度的0 - 200 ppm是用于开发一个模型和执行验证实验,和PLSR(偏最小二乘回归)和PCR(主成分回归)模型开发和验证使用crossvalidation方法和样品的透射光谱。PLSR模型,采用平滑预处理5纳米波长间隔,表现出最好的预测性能和测量范围内显示一个错误的~ 10%时验证。此外,一个人工神经网络模型实现 为训练集和 为验证集。最后,我们开发了使用方便的软件磷酸离子定量的方法并进行示范试验。

1。介绍

水培种植在温室种植植物的方法,已在许多国家广泛使用。现代化温室一般使用营养液供应系统浓缩营养液在哪里~ 100倍稀释与原水和调整电导率(EC)供应作物(1,2]。不幸的是,这种EC-based方法不允许我们确定单个离子的浓度。此外,最佳的营养供应随天气和作物营养液条件和离子平衡很难维护(3),因为一个特定离子的浓度的增加或减少可能导致离子失衡,这就不利于有效管理最佳的离子浓度在每个作物生长阶段。这就是为什么一个适当的营养浓度传感技术的发展对个人离子是必要的。

中包含的离子之间的营养解决方案提供给greenhouse-cultured作物,磷酸离子(PO43−)是最重要的营养素之一4- - - - - -6]。磷酸离子影响植物的能量代谢和是领先的营养,可以利用微生物和植物(7),进行光合作用和呼吸作用的植物生长8]。自植物生长是非常受到过多和缺乏磷酸离子,有必要开发一种快速磷酸离子定量技术,防止不平衡的植物生长。

可靠的方法来确定磷酸浓度的光谱光度测量的钼蓝法,通常由墨菲和莱利(9]。钼蓝法是一种比色的方法,这通常用于确定化学元素浓度的解决方案通过使用color-generating试剂在一个简单的方法10]。这种方法涉及到酸性钼酸铵的反应与磷酸离子形成phosphomolybdenum复合物(11),由强酸条件降低钼蓝使用抗坏血酸和硫酸。

在先前的研究中,使用修改后的磷酸钼蓝法用于测量离子浓度的水通过吸收光源,通过使用一个传输光谱测量在700 nm - 850 nm) (11,12]。然而,这种方法需要一个实验室光谱分析仪来确定确切的磷酸盐浓度和高成本。几个简单的分光光度计,花低成本报告(13,14]。不幸的是,这些分光光度计可以检测不到理想的清晰的试剂和检测培养液中磷酸离子配合物离子的数量。

本研究主要是针对开发便携式磷酸离子传感器,是一种修改方法基于钼蓝比色法和可见范围(400 - 700 nm)光谱分析的特点是短的响应时间和低成本。图像的营养液后得到了光传输和转换为光谱数据,然后,预测模型开发使用PLSR, PCR和部分组件回归(PCR)和人工神经网络(ANN)技术。考虑到各种离子培养液中,安管理基于非线性多元交互知识存储和学习控制隐藏神经元的数量和属性和隐藏层,使它一个合适的方法来预测磷酸离子浓度的营养液(15- - - - - -18]。回归模型应用crossvalidation开发的方法和评估的软件能显示估计的磷酸盐离子浓度。

2。材料和方法

分析磷酸离子浓度在营养液中,两种类型的磷酸盐离子样本(蒸馏水和营养为基础的解决方案的)准备每个浓度。前样品被用来分析磷酸离子浓度和波长之间的关系,而后者是用于开发模型预测磷酸离子浓度。回归模型预测磷酸离子浓度营养液使用番茄营养为基础的解决方案开发的样品由稀释高浓度营养解决方案A和B,指的是山崎得到的营养液(1978),如表所示1。总的来说,50和样品浓度的10 - 200 ppm ( )都准备好了。

表1
山崎的养分含量的解决方案。

商用台式光谱仪工具包3.0(美国公共实验室储存,马;图1)是用来记录透射光谱和开发模型预测磷酸离子浓度的营养液。上述设备采用最优的DVD,用作衍射板,我们获得的图像在每个波长衍射光通过一个相机。因此获得的图片没有立即用于分析但被转换为光谱数据清楚地看到不同波长的颜色。


图1
3.0桌面光谱仪设备用于本研究。

桌面分光计实验中使用了一个外壳纸做的。此外,不同的结果,即使使用相同的样本,根据光源。因此,便携式光谱采集装置是由牢牢固定桌面光谱仪胶合板暗室内包含一个白色发光二极管(LED)作为人造光源(图2)。对衍射,图案的塑料是分开的DVD(数字视频磁盘)和牢牢地固定在光谱仪在一个角度,允许光滑的光谱采集。一般来说,DVD包含两个板块,其中一个是400年刻有一个狭窄的模式μm的光栅,因此它可以被替换,而不是昂贵的光栅光谱仪。试管支架是用来防止其他光干扰的LED灯发出的220 V交流电供电,穿透了解决方案和进入狭缝。表2介绍了测量装置的规格相机和光源安装在暗室里面。在这项研究中使用的分光光度计用白光LED获得的图像传输光源。


图2
便携式光谱采集装置用于磷酸离子定量营养液。
表2
相机和光源规格。

总磷测定通常由分光光度检测依赖于完善的钼蓝反应化学(19]。(提出的molybdate-based比色法20.需要四个样品,颜色反应大约需要30分钟时间来培养。(开发的另一个钼酸比色法9]包括五个阶段,采用四个化学物质(硫酸、钼酸铵、抗坏血酸和酒石酸)氧锑钾试剂制造,上面的组件需要一定时间的反应。因为需要一个更简单的方法来开发一个便携式磷酸离子测量装置,颜色反应阶段简化了只使用钼酸和抗坏血酸。最低反应时间设置为10分钟检测颜色较低浓度自样品浓度超过200 ppm的过度反应和光线传输量太小检测在10分钟的情况下的反应。

便携式光谱仪钼酸被用来描述之间的颜色反应/抗坏血酸混合物和50磷酸离子与不同浓度样品。实验中,10 g的钼酸溶解在40毫升蒸馏水搅拌。同样,6.6 g的抗坏血酸在50毫升蒸馏水溶解,和获得的解决方案是混合含钼酸。图3显示操作协议的便携式磷酸离子传感器。


图3
协议用于磷酸离子定量营养液。

光通过样品被传播光谱的相机采集设备。图像的像素值转换为R, G, B值获得平均频谱在可见范围内(400 - 800海里)。所得样品的光谱图像被分为三个通道的R, G, B实现像素强度直方图以及每个通道。B的直方图被放置在401 - 600海里,G的直方图被放置在501 - 700海里,R的直方图是放置在601 - 800海里,然后,重叠部分是总结,所有通道都转换为全范围的频谱。

预测(回归)模型被应用PLSR发达,PCR,安技术来获得光谱数据为每个50磷酸离子样本。的PLSR方法与多元校正光谱分析(21),回归方程推导出通过分析光谱数据(即独立变量的主要组件)和基于实际测量确定新变量因变量(22]。另外,PCR相关因素的变化响应测量退化效应的意义(23),也经常用于光谱定量分析。ANN预测方法推断通过使用隐藏层和输出层的输入层可以评估开发模型的预测精度24]。安的Levenberg-Marquardt反向传播,目前利用MATLAB工具,用于安训练。平滑移动平均线,标准正态变量变换(SNV),多个散射校正(MSC),第一个推导方法被用于光谱数据预处理与常规方法。具体地说,使用平滑去除噪声或光/电信号干扰,SNV和MSC被用于排除所有影响频谱分量的除外;即。,the above techniques removed disturbances such as those due to light scattering while retaining information included in the spectrum. The analysis results were expressed as Equation ((1),包括确定的系数( 和 ),均方根误差校准(RMSEC)和均方根误差的预测(RMSEP)回归模型精度和相对比例差异(RPD)三联体独立测试。 在哪里 样品的数量, 测量数据, 测量数据的均值, 和 样品的数量用于校准和验证,分别和 的使用的样本数量是独立的测试集。

3所示。结果与讨论

3.1。营养液透射光谱分析

图4展示了磷酸离子浓度之间的相关性和频谱价值50营养液样本在每个波长,展示强大的存在负相关的波长范围450 - 700 nm。虽然最优波长820 nm墨菲和莱利提出的方法9),相关系数在-0.9在550年和640年一系列被认为是用于选择一个有效波长乐队。判断,原因在透射光和磷酸盐离子浓度在整个可见区域后将黄色和蓝色的颜色反应。此外,它被认为是设备的高灵敏度影响的强相关性测量的中间区域。


图4
磷酸离子浓度的相关性,不同波长的透射谱。

数据5和6分别显示了光谱和外观,50磷酸离子培养液和样品浓度的0 - 200 ppm如上所述进行处理。因为样品吸光度显色后与磷酸离子浓度成正比,蓝色的强度随着磷酸浓度的增加而增加,而与此同时减少相应的传输值。介绍了光谱来自捕获图像的像素值。出于这个原因,山峰的R, G, B波长乐队被确定。


图5
显色后50个样品的透射光谱。

图6
蓝色的特点与磷酸离子浓度增加。
3.2。PLSR和PCR的预测模型

如表所示3、平滑、SNV MSC和一阶导数方法被应用于PLSR和PCR模型开发了基于50光谱数据集。值得注意的是,最好的RMSEP值(18.00)得到PLSR模型涉及5纳米波长间隔平滑预处理,而相应的RMSEC, ,和 值等于14.90,0.92和0.88,分别(图7)。错误被确定为18.00 ppm,这是在总数的10%磷酸离子浓度的测量范围。值得注意的是,错误的两步预处理,平滑SNV或MSC,超过一步预处理,由于主波长的光吸收带乐队不能在前一种情况中发现。

表3
表演的多元回归模型用于预测磷酸离子浓度。
(一)
(一)
(b)
(b)
图7
的PLSR平滑校准结果回归模型(a)和预测结果在同等条件下(b)。
3.3。ANN模型验证的结果

之前的工作在非线性多元回归模型的分析报道,安表现出一个更合适的结构和产生更好的结果比PLSR和聚合酶链反应(25,26]。开发一个ANN模型30高光谱数据集相关值400 - 800 nm波长范围的选择和作为输入数据,因此开发模型训练使用Levenberg-Marquardt反向传播,防止过度拟合。由于计算负载变得过于大所有光谱数据作为输入时,只有15大数据集的关联值(通过相关分析)被用于模型开发、和培训期间(图五世被证明是最合适的8)。图9显示了培训和开发模型的验证结果。的培训, 和RMSEP值分别为0.93和13.56,是观察,而值分别为0.86和15.80。与现有PLSR模型相比,ANN模型中类似的确定系数( )但在RMSE方面表现略好。


图8
培训、验证和测试错误的数量与时代(迭代)。
(一)
(一)
(b)
(b)
图9
安训练(a)和验证(b)的结果。
3.4。磷酸离子测量软件的开发和示范试验结果

最后,我们开发的软件上面的磷酸盐离子定量方法依赖于简单的协议和PLSR-based预测模型。具体来说,营养液样本与molybdate-ascorbic酸解反应10分钟并转移到4.5毫升试管。电池是安装在小型管固定器,测量是通过单击“测量”按钮。如左边所示图的形象10,软件显示预测谱浓度(ppm)。测量图像中提供一个单独的窗口右边。

(一)
(一)
(一)
(一)
图10
测量屏幕上的开发的软件(a)和(b)代表测量图像。

独立测试集验证进行了评价软件。番茄营养液样本磷酸盐浓度为33.33,50和120 ppm是准备,和每个样品测量3次,结果列在表中4。当浓度低至33.33 ppm,误差等于9.91%,而一个较小的值为6.10%,获得高浓度的120 ppm。此外,RPD显示小于10%,满足精度限制,也显示出了类似的模式作为一个错误。因为更深的颜色开发在高浓度时,高浓度的预测更准确。这个错误和RPD水平似乎适用于量化磷酸离子浓度(0 ~ 1200 ppm)营养解决方案通常用于水培农场(3]。

表4
三联体的独立测试结果验证。

提出传感方法描述了一种新的低成本比色传感器的快速磷酸定量基于修改常规钼比色法和发展预测模型基于PLSR,部分组件回归和安技术。此外,便携式传感器的优点是比其他更低成本的传感器用于农业(12,13,27]。在磷酸盐离子的情况下,传统的方法需要不同的试剂,方法是使用一个简单的方式只使用2试剂,复杂但必不可少的程序。此外,便携式光谱仪是一种低成本的产品,可以使用在农业领域,因为它使用了一种低成本的公共实验室的产品,而不是昂贵的光谱仪。然而,这项研究的下一步是考虑10分钟的反应时间和设备的稳定阶段。

4所示。结论

在此,我们开发了一种低成本的设备磷酸盐离子的定量营养解决方案并验证其性能。具体地说,一个简化版的钼蓝比色法。样本图像被相机被转换为透射光谱的波长范围内400 - 800 nm。光谱50营养液和样品浓度的0 - 200 ppm是后天发展的PLSR, PCR, ANN模型,通过crossvalidation进行评估。PLSR模型,它是由对光谱数据平滑预处理5纳米波长间隔,表现出最好的预测能力,为特色 , , ,和 。相应的误差等于18.0 ppm,这是在总数的10%磷酸离子的测量范围。有必要应用各种回归技术提高预测模型的精度,但似乎适用于农业领域的应用。最后,为了方便的应用上面的模型中,我们开发了软件磷酸离子定量和利用示范试验。发达便携式磷酸离子传感器出现较短的处理时间(约10分钟),比现有的比色传感器和低的价格,因此,很容易商业化农业的应用。此外,除了营养解决方案分析,开发的技术也可以用来评估的程度的河,流,和土壤富营养化。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究财务支持的贸易、工业和能源技术(MOTIE)和韩国发展研究所(吉)通过国际合作研发计划(P0004241_Development soil-based温室灌溉推进系统的使用三维传感、监测模型和蒸发蒸腾植物代谢生理学)。