具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

如图1所示，一种土壤重金属检测方法，包括以下步骤：

1)建立一个储存有已知种类和浓度重金属污染的土壤的光谱特征数据的光谱库；

2)获取待测土壤区域的土壤照片和光谱图像；

3)将步骤2)所得的光谱图像提取光谱特征数据，并与光谱库的参考光谱特征数据计算得到光谱角，比较两者的相似度，从而得到待测区域的土壤含有的重金属种类，再通过设定的线性回归方程，计算土壤中重金属的绝对浓度。

步骤2)还包括如下步骤2.1和步骤2.2。其中，步骤2.1为采集光谱图像后，利用图像分割法去除与土壤的不相关图像内容。其中，步骤2.2为采用标准正态变换法对每个光谱特征数据进行校正，具体实现为：将单个原始光谱减去所有光谱的平均值，再除以单个光谱特征数据的标准差。

步骤3)中还包括如下步骤3.1和3.2。其中，步骤3.1为采用光谱角映射来比较步骤2)所得的光谱特征数据与光谱库的光谱特征数据的相似程度，得到相关指数。其中，步骤3.2为将计算得到的相关指数与预定值对比，选用大于或等于预定值的数据作为线性回归分析的数据，得到线性回归方程，计算出重金属的绝对浓度。所述预定值可以为0.9～1.0范围内的任一值。

在本实施例中，该土壤重金属检测方法还包括步骤4)。其中步骤4)为：将步骤3)所得的绝对浓度与已知的同一待测区域的某一特定点采样的浓度值对比，若误差＜0.1，步骤3)所得的绝对浓度即为待测区域的重金属浓度。

如图2所示，一种土壤重金属检测系统，包括飞行装置110、分析系统120、图像储存装置130，以及搭载在飞行装置110上的光学相机140、多光谱传感器 150和GPS定位系统160；光学相机140、GPS定位系统160和多色谱传感器均与分析系统120电信号连接；图像储存装置130分别与光学相机140和分析系统120电信号连接，图像储存装置130用于储存土壤的照片和土壤的光谱图像。

所述飞行装置110接收GPS定位系统160的指令飞到特定待测土壤区域的上空，搭载在飞行装置110上的光学相机140拍摄土壤的照片以及多色谱传感器获取土壤的光谱图像，再将土壤的照片和光谱图像以电信号的方式传送至分析系统120；分析系统120内建立有一个储存有已知种类和浓度重金属污染的土壤的光谱特征数据的光谱库，该分析系统120用于接收多色谱传感器传送的光谱图像，再提取其中光谱特征数据，然后对提取的光谱特征数据进行校正，接着根据校正后的光谱特征数据与光谱库的参考光谱特征数据计算得到光谱角，比较两者的相似度，从而得到待测区域的土壤含有的重金属种类，再通过设定的线性回归方程，计算土壤中重金属的绝对浓度。

分析系统120内装载有VideometerLab多光谱测量系统，对通过多光谱传感器150获取的光谱图像进行处理，提取光谱图像的特征数据。多光谱传感器150 是一种同时记录多个波段电磁能量的传感器，主要是扫描仪的概念，涉及一种用于将从折射率反射的电磁波收集到透镜和反射镜中，通过滤波器分离收集的电磁波，根据分离的波长分离分离的波长，并将图像记录在磁带上的装置。

如图3所示，以下为图2所示土壤重金属检测系统的检测过程，具体的检测过程如下所述。

1)在分析装置中建立一个储存有已知种类和浓度重金属污染的土壤的光谱特征数据的光谱库；

2)飞行装置110通过GPS定位系统160飞到待测土壤区域的上空，搭载在飞行装置110上的光学相机140拍摄土壤的照片，再由多色谱传感器获取土壤的光谱图像，再将土壤的照片和光谱图像以电信号的方式传送至分析系统120；分析系统120利用图像分割法去除与土壤的不相关图像内容，

3)分析系统120将步骤1)所得的光谱图像提取光谱特征数据，具体地，基于不同成分的光谱特征差异，光谱特征的提取首先采用典型判别分析 (Canonical DiscriminantAnalysis，CDA)，和阈值设定完成背景剔除以及感兴趣区域(Regionsof Interest，ROI)分割。阈值分割算法是通过阈值来定义图像中不同目标的区域归属，阈值分割的基本原理为：先在图像的灰度取值范围中选择一个灰度阈值，然后对图像全部像素点应用该阈值。然后采用统计学方法获取待测区域土壤(感兴趣区域)的平均光谱反射值；图像特征的提取也是首先进行 CDA和阈值分割，然后通过Blob分析提取出重金属种类特征值。

提取光谱特征数据后对其进行校正。分析系统120采用标准正态变换法(Standard Normalized Variate,SNV)对每个光谱特征数据进行校正，具体步骤为：将单个原始光谱减去所有光谱的平均值，再除以单个光谱特征数据的标准差。该方法是用于消除表面散射及光程变化对光谱产生的影响。SNV假定每个光谱中的各个波长点的吸光度值满足一定的分布，其过程是将原始光谱减去该光谱的平均值，除以该光谱数据的标准差。由于SNV是对单个样品的光谱进行校正，即使光谱数据在样品之间变化大，也能确保较强的校正能力。

校正后的光谱特征数据与光谱库的参考光谱特征数据计算得到光谱角，比较两者的相似度，从而得到待测区域的土壤含有的重金属种类，再通过设定的线性回归方程，计算土壤中重金属的绝对浓度。具体地，光谱角的计算方法为：通过计算参考光谱数据的参考光谱向量和多光谱图像数据的多光谱图像向量之间的角度差来计算光谱角。采用光谱角映射(Spectral Angle Mapper,SAM)，即采用角度相似系数夹角余弦描述光谱间的相似度。对于两个光谱向量x和y，上述SAM方法的光谱角的数学定义如下：光谱角越小，说明光谱间的相似度越大。分类时,方法一般类别的平均光谱向量作为参考光谱，将未知样本分类为有最小光谱角的那个参考光谱类别。具体光谱角的算法流程如下：

a)计算参考图像和实际图像中位置(x，y)的像素i的夹角θ；

b)对每一行的像素重复a)，每个像素在给定窗口中都有对应的位置，相似图像中角的总数等于参考图像和实际图像中像素数量；

c)对b)所生成相似图像中的角应用K-均值聚类算法；

d)将生成的类标记为有变化和无变化类；

e)将相邻像素集中在重点关注区域的像素用“最常出现”标签重新标记；

f)通过由e)生成的映射图像与相关图像的对比，评价精确度。

分析系统120中预设有绝对浓度与光谱特征数据线性回归方程计算，可得出土壤重金属的浓度，已知公式：相对浓度＝绝对浓度/标准浓度，取标准浓度为 1mol/L，即相对浓度就是绝对浓度。绝对浓度与光谱特征数据线性回归方程是通过光谱库的数据与作为参考的重金属浓度得出。其中，线性回归方程是通过将计算得到的相关指数与预定值对比，选用大于或等于预定值的数据作为线性回归分析的数据来得到的，所述预定值为0.9～1.0。

4)浓度验算：将步骤3)所得的绝对浓度与已知的同一待测区域的某一特定点采样的浓度值对比，若误差＜0.1，步骤3)所得的绝对浓度即为待测区域的重金属浓度。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。