摘要：針對蔬菜葉片重金屬鎘檢測傳統(tǒng)方法存在的檢測儀器體積大、檢測成本高和具有破壞性等問題，提出一種基于可見光-近紅外波段光譜蔬菜葉片重金屬鎘檢測方法，并設(shè)計了一科無需預(yù)處理、檢測速度快、體積小且便于攜帶的重金屬鎘檢測儀，能夠適用于移動式的現(xiàn)場檢測。配置4個重金屬鎘脅迫梯度(0、1、3、5mg/kg)營養(yǎng)液，培育各鎘脅迫的生菜樣本，通過高光譜成像系統(tǒng)采集葉片反射光譜數(shù)據(jù)，利用主成分分析法(Principalcomponentanalysis，PCA)篩選出3個特征波長(550、680、800nm)，采用偏最小二乘法(Partialleastsquaresregression，PLSR)搭建重金屬鎘檢測模型，該模型測試集相關(guān)系數(shù)Rp為0.9149，測試集均方根誤差RMSEP為0.5271mg/kg。使用自制的儀器做標(biāo)定試驗，選擇A/D采集電壓做參考，用標(biāo)定數(shù)據(jù)進(jìn)行建模，模型訓(xùn)練集相關(guān)系數(shù)Rc為0.8581，訓(xùn)練集均方根誤差RMSEC為0.4975mg/kg，測試集相關(guān)系數(shù)Rp為0.8432，測試集均方根誤差RMSEP為0.5526mg/kg，模型預(yù)測效果較好。最后對便攜式重金屬鎘無損檢測儀檢測精度進(jìn)行驗證，選取與建模無關(guān)的30組鎘脅迫生菜葉片實時檢測，與標(biāo)準(zhǔn)理化值對比，均方根誤差為0.32mg/kg，絕對測量誤差為-0.69~0.66mg/kg，平均絕對誤差為0.26mg/kg，結(jié)果表明：檢測儀能夠?qū)崿F(xiàn)生菜葉片鎘含量的實時無損檢測。

　　關(guān)鍵詞：重金屬鎘;無損檢測;光譜反射率;便攜式

　　引言

　　鎘是常見的重金屬污染物之一，其高水溶性、神經(jīng)毒性、誘變性和致癌性使其對活生物體具有極高的毒性[1]。近年來，污水灌溉、農(nóng)用物質(zhì)的不合理使用、固體廢棄物的堆放及處置等造成了鎘污染土壤和水環(huán)境的情況越來越嚴(yán)重，蔬菜等食品均受到了不同程度的污染[2]。不同蔬菜對重金屬鎘吸收存在差異，其中葉菜類蔬菜對重金屬鎘的累積效應(yīng)明顯[3-4]。鎘可通過蔬菜入人體，引起慢性中毒[5]。

　　因此，快速有效地檢測蔬菜重金屬污染成為研究焦點。傳統(tǒng)的化學(xué)檢測方法步驟繁瑣，耗時費力，具有一定的破壞性，而光譜具有分辨率高，波段多的優(yōu)點[6-7]，為實時高效檢測重金屬污染提供了可能。在蔬菜中，鎘能抑制光合作用，降低對水分和養(yǎng)分的吸收，導(dǎo)致根尖黃化、生長遲緩、褐變、超微結(jié)構(gòu)損傷，最終導(dǎo)致死亡[8]。

　　當(dāng)用高濃度的鎘溶液脅迫蔬菜生長，會破壞蔬菜細(xì)胞葉綠體結(jié)構(gòu)，導(dǎo)致其光合色素含量下降，光合作用強度和呼吸強度下降、碳水化合物代謝失調(diào)以及其它一系列生理代謝紊亂[9]。上述癥狀會影響葉片對光的吸收或反射，引起蔬菜葉片光譜反射率的變化，并且鎘脅迫下光譜反射率變化較大，利用特定的光譜波段可識別出蔬菜葉片重金屬鎘的含量變化[10]。

　　目前，國內(nèi)外學(xué)者對通過光譜檢測重金屬鎘污染進(jìn)行了研究。顧艷文等[11]利用相關(guān)分析法分別對一階導(dǎo)數(shù)光譜、光譜參數(shù)與小白菜葉片鎘含量進(jìn)行統(tǒng)計分析，從葉綠素含量、含水率、細(xì)胞結(jié)構(gòu)三方面篩選出6種光譜參數(shù)，分別建立回歸預(yù)測模型，取得了良好的預(yù)測效果;李嵐?jié)�等[12]基于菊苣葉片一階微分光譜(FDR)建立偏最小二乘回歸(PLS)模型FDR-PLS，根據(jù)模型中各波段無量綱評價指標(biāo)重要性投影(VIP)值，篩選出6個特征波長，實現(xiàn)了數(shù)據(jù)降維，取得了良好的預(yù)測效果;關(guān)麗等[13]分析了鎘污染脅迫水稻的葉片色素含量、水分含量、細(xì)胞結(jié)構(gòu)、葉面積指數(shù)等生理參數(shù)與光譜指數(shù)的響應(yīng)關(guān)系，確定了MCARI(Modifiedchlorophyllabsorptioninreflectanceindex)、NDVI(Normalizeddifferencevegetationindex)、RVSI(Red-edgevegetationstressindex)和RVI(Ratiovegetationindex)作為光譜診斷指數(shù)，建立了預(yù)測模型，可快速、準(zhǔn)確地診斷水稻鎘污染脅迫。

　　HEDE等[14]構(gòu)建綠波短波近紅外植被指數(shù)VIGS(Vegetationindexconsideringgreennessandshortwaveinfrared)探究植被在重金屬Cd、Cu、Pb和Zn脅迫下的敏感程度，與歸一化植被指數(shù)對比，VIGS值對脅迫更敏感，能放大脅迫差異。以上方法說明用光譜檢測蔬菜葉片重金屬含量可行，但關(guān)于便攜式蔬菜葉片重金屬鎘含量無損檢測儀研究鮮見報道。本文擬基于鎘脅下培育生菜獲取樣本數(shù)據(jù)，使用主成分分析法(Principalcomponent analysis，PCA)提取特征波段，根據(jù)所選波段使用偏最小二乘回歸法(Partialleastsquaresregression，PLSR)建立預(yù)測模型，設(shè)計相匹配的硬件電路，設(shè)計出一款適用于現(xiàn)場檢測的便攜式蔬菜葉片重金屬鎘檢測儀。

　　1波段選取

　　1.1試驗材料

　　試驗采用珍珠巖裝袋模式在無土環(huán)境中培育，試驗地點在江蘇大學(xué)現(xiàn)代農(nóng)業(yè)裝備與技術(shù)省部共建重點實驗室Venlo型溫室，試驗品種為意大利耐抽薹生菜。為了在葉片中產(chǎn)生不同濃度的鎘，在苗期(6~7葉片)使用4種不同濃度的CdCl2溶液進(jìn)行灌溉，4個梯度水平分別設(shè)置為0(空白對照，CK)、1、3、5mg/L，選用標(biāo)準(zhǔn)配方霍格蘭營養(yǎng)液澆灌。

　　每種濃度配置的試劑劑量為500mL，每天早上(7：00)和晚上(18：00)進(jìn)行營養(yǎng)液澆灌，中午(12:00)進(jìn)行脅迫試劑澆灌，每次試劑量為70mL，連澆7d。4種不同濃度的的鎘脅迫下，在蓮座期從每株生菜隨機選取一片生菜葉，每類鎘脅迫葉片有48片，共計192個生菜葉片樣本。將192個生菜葉片樣本分別保存于在不同的塑料袋中，并在植物保鮮盒(溫度為-7°C)中放置不同的標(biāo)簽，然后送至實驗室進(jìn)行高光譜圖像采集，并對鎘含量進(jìn)行化學(xué)分析。

　　1.2光譜數(shù)據(jù)采集

　　使用高光譜成像系統(tǒng)對生菜葉片進(jìn)行反射高光譜圖像的采集。該系統(tǒng)包括高光譜圖像攝像儀(ImSpector，V10E，SpectraImagingLtd.，芬蘭)，光源系統(tǒng)(2900，lluminationTechnologiesInc.)，位移控制臺(ZolixTS200AB，Zolix.Corp.，中國)，暗箱(DC1300，IsuzuOpticsCorp.，中國)，數(shù)據(jù)采集和預(yù)處理軟件(SpectraCube，AutoVisionInc.，美國)和計算機。使用前先將儀器預(yù)熱30min，然后進(jìn)行黑白板校正，實際采集時將生菜樣本放置在位移控制臺上，設(shè)定攝像機曝光時間為50ms，位移臺移動速度為1.25mm/s。

　　高光譜攝像頭的圖像分辨率為819像素×1024像素，光譜分辨率為2.8nm，光譜范圍400~1000nm，采集樣本478個波長下的高光譜圖像，共獲取192個高光譜圖像。將高光譜圖像導(dǎo)入ENVI軟件選取感興趣區(qū)域(Regionofinterest，ROI)，采用波段比結(jié)合閾值分割的方法，將整個葉片區(qū)域作為ROI，ROI內(nèi)的平均光譜信息作為鎘脅迫葉片的光譜信息[15]。

　　1.3重金屬鎘含量測量

　　按照GB5009.15-2014《食品中鎘的測定》中的石墨爐原子吸收光譜法測定生菜葉片中鎘的含量，其基本原理是試樣經(jīng)酸消解后，注入一定量樣品消化液于原子吸收分光光度計石墨爐中，電熱原子化后吸收228.8nm共振線，在一定濃度范圍內(nèi)，其吸光度值與鎘含量成正比，采用標(biāo)準(zhǔn)曲線法定量[16]。方法檢出限為0.001mg/kg，定量限為0.003mg/kg。

　　1.4特征波段選取

　　為了消除噪聲對光譜分析帶來的影響，選擇S-G(Savitzky-golay)五點平滑[17]。光譜數(shù)據(jù)中有很多波段，波段之間存在信息冗余[18]。選擇合適的數(shù)據(jù)降維算法可提高數(shù)據(jù)預(yù)測建模的效率和精度。本文采用主成分分析PCA對原始光譜數(shù)據(jù)進(jìn)行特征波長選擇，達(dá)到降維的目的[19-24]。在MatlabR2019b中運行PCA算法，所得前4個主成分的累積貢獻(xiàn)率。前4個主成分累計貢獻(xiàn)率已達(dá)到99.3978%，說明前4個主成分包含了原始光譜99.3978%以上的信息。為前4個主成分在波段400~1000nm光譜范圍下的權(quán)重，根據(jù)主成分權(quán)重系數(shù)值波峰或波谷位置選擇敏感波長，選擇550、680、800nm3個特征波長。

　　波長550nm反映了葉片中葉綠素以及氮素含量的變化，葉綠素含量與波長550nm處反射率存在一個反相關(guān)關(guān)系，隨著葉片中氮含量降低，葉綠素含量減少，反射率變大，葉子會從綠色變成黃綠色;波長680nm位于可見光區(qū)的“紅邊”范圍，紅邊的位置是葉綠素吸收的函數(shù)，葉綠素在波長680nm及其周圍有很強的吸收能力，葉綠素含量增加時，吸收區(qū)域向外擴(kuò)散，紅邊延伸到更高波長，直觀表現(xiàn)為波長680nm處反射率變大。

　　波長800nm處的反射率大小與葉細(xì)胞結(jié)構(gòu)以及細(xì)胞內(nèi)含水率有關(guān)，水分和細(xì)胞結(jié)構(gòu)影響了近紅外區(qū)域的能量與葉片的相互作用方式，施加在蔬菜上的不同水位將足以改變細(xì)胞的膨脹度，當(dāng)水分不足，細(xì)胞的膨脹度下降，細(xì)胞間隙變大，反射的能量增加，表現(xiàn)為反射率變小[25-27]。在葉細(xì)胞中，鎘離子會破壞細(xì)胞中的葉綠體結(jié)構(gòu)，干擾葉綠素的合成，造成植物葉綠體的降解，鎘脅迫還會減少植物對水分的吸收，影響植物光合作用[28]。

　　1.5數(shù)據(jù)建模

　　本文采用PLSR建模[29-35]，將192個樣本劃分為訓(xùn)練集和測試集，按照比例3:1從每種樣本(4種樣本)中隨機選取36個樣本作為訓(xùn)練集(144個樣本)，剩余樣本作為測試集(48個樣本)，使用PLSR基于訓(xùn)練集樣本數(shù)據(jù)建立預(yù)測模型為y=100.9385

　　模型性能評價結(jié)果訓(xùn)練集相關(guān)系數(shù)Rc為0.9271，訓(xùn)練集均方根誤差RMSEC為0.5064農(nóng)業(yè)機械學(xué)報mg/kg，測試集相關(guān)系數(shù)Rp為0.9149,測試集均方根誤差RMSEP為0.5271mg/kg，說明模型對生菜葉片重金屬鎘含量有較好的預(yù)測能力。預(yù)測結(jié)果與真實結(jié)果誤差在可接受范圍內(nèi)，說明波長550、680、800nm檢測可行。

　　2儀器設(shè)計

　　2.1硬件設(shè)計

　　該檢測儀主要由主控部分、光源部分、信號處理部分、輸入輸出部分、電源部分組成。主控部分負(fù)責(zé)控制其他部分并處理數(shù)據(jù);光源部分負(fù)責(zé)發(fā)出光照強度穩(wěn)定且中心波長為550、680、800nm波段的光;信號處理部分負(fù)責(zé)將光信號轉(zhuǎn)換成電信號，并對信號進(jìn)行放大、A/D轉(zhuǎn)換等操作，便于主控部分處理;輸入輸出部分用于完成和用戶的交互;電源部分為其他部分提供穩(wěn)定供電。

　　2.1.1光源驅(qū)動電路

　　選取中心波長分別為550、680、800nm的LED，光源驅(qū)動電路采用TPS61040高頻升壓轉(zhuǎn)換器，開關(guān)頻率高達(dá)1MHz，對于電池供電，當(dāng)電壓變化時(3.7~4.2V)，輸出端電壓恒定，不受輸入端的影響，保持了LED光源的穩(wěn)定。

　　2.1.2信號處理電路信號處理部分包含三路AD8500放大電路以及三輸入的A/D電路組成，每路放大后的信號分別輸入到A/D電路的差分輸入端。由于不同類型的光電二極管靈敏度不同，調(diào)節(jié)每路放大電路的增益系數(shù)，使得放大后的信號輸出擺幅都等于3V，在A/D電路電壓采樣范圍內(nèi)，3個AD8500放大器同相端連接到3.15V共模電壓，同時三路光電二極管陰極也連接到3.15V。3.15V共模電壓同時還驅(qū)動了ADC差分輸入正輸入引腳，當(dāng)二極管電流為0，放大后的輸出信號為3.15V，此時ADC差分輸入為0V，A/D輸出編碼為0，當(dāng)滿量程光強度，放大電路輸出電壓0.15V，ADC差分輸入電壓為3V，A/D輸出最大編碼，A/D輸出碼通過SPI總線傳遞給單片機，單片機進(jìn)而計算反射率值。

　　2.2光路設(shè)計

　　光路包含發(fā)射部分和接收部分。發(fā)射部分由LED燈珠、濾光片、反光杯和光學(xué)窗口片組成。3個LED燈珠中心波長分別為550、680、800nm，LED圍繞接收部分呈環(huán)行排列，3個LED分別與接收部分中心夾角120°，LED前端放置有濾光片，光譜帶寬10nm，濾光片頂端套有反光杯，反光杯起到聚光的作用，選用光亮鋁燈杯，聚光效果更佳，能有效降低光損，提高光效[36]，光源與葉片呈45°夾角，探測器與葉片間有光學(xué)窗口片，避免了探測器內(nèi)部與葉片直接接觸。接收部分由聚焦透鏡和光電二極管組成，反射光經(jīng)由聚焦透鏡后被光電二極管接收，光電二極管距離待測葉片15mm，光電二極管集成在PCB上。

　　2.3整體結(jié)構(gòu)設(shè)計

　　檢測儀整體結(jié)構(gòu)采用SolidWorks軟件設(shè)計，尺寸為50mm×70mm×60mm，外殼采用3D打印技術(shù)制作，材料為樹脂。將殼體內(nèi)部涂成黑色，消除外界環(huán)境光干擾以及內(nèi)部漏光的影響。檢測時，將蔬菜葉片平放儀器檢測區(qū)域。

　　2.4軟件設(shè)計

　　檢測裝置的控制軟件在KeilMDK中采用C語言編寫，主要包括主函數(shù)、按鍵子函數(shù)、光源驅(qū)動子函數(shù)、A/D驅(qū)動子函數(shù)、數(shù)據(jù)處理子函數(shù)和顯示子函數(shù)等。主函數(shù)主要完成系統(tǒng)初始化，并協(xié)調(diào)其他各個子函數(shù)的運行;光源驅(qū)動子函數(shù)主要用于控制光源驅(qū)動電路的工作，進(jìn)而控制LED的亮滅;按鍵子函數(shù)接收用戶的輸入;A/D驅(qū)動子函數(shù)主要用于A/D初始化的配置，并實時讀取輸入口的電壓;數(shù)據(jù)處理子函數(shù)根據(jù)光傳感器采集到的數(shù)據(jù)計算葉片的反射率，并代入模型得出葉片重金屬鎘含量;顯示子函數(shù)負(fù)責(zé)顯示計算得到的光譜反射率和重金屬鎘含量。

　　3數(shù)據(jù)分析

　　3.1蔬菜葉片反射率測量

　　打開自制的重金屬鎘檢測儀電源，將反射率為99.9%的標(biāo)準(zhǔn)白板置于檢測區(qū)域，按下檢測鍵，讀取放置白板時光傳感器輸出光照強度W550、W680和W800，將反射率為0的標(biāo)準(zhǔn)黑板置于檢測區(qū)域，按下檢測鍵，讀取放置黑板時光傳感器輸出光照強度D550、D680和D800，農(nóng)業(yè)機械學(xué)報隨后，將葉片放置于檢測區(qū)域，按下檢測鍵，讀取光通過蔬菜葉片反射后光傳感器的輸出光照強度I550、I680、I800[37]。

　　3.2系統(tǒng)標(biāo)定

　　用試驗獲得的生菜樣本做標(biāo)定試驗，選擇A/D采集電壓做參考。用標(biāo)準(zhǔn)白板采集數(shù)據(jù)，獲取最大A/D采集電壓，再用標(biāo)準(zhǔn)黑板采集數(shù)據(jù)，獲取最小A/D采集電壓，完成黑白校正。對于4個梯度的樣本，分別用儀器測量得到A/D采集電壓，根據(jù)式(2)~(4)得到蔬菜葉片反射率，每個葉片取4個點，取平均值作為最終反射率值，共得到192個標(biāo)定數(shù)據(jù)。

　　4性能測試與驗證

　　4.1穩(wěn)定性測試

　　4.1.1光源穩(wěn)定性

　　光源穩(wěn)定性對蔬菜葉片的反射率影響較大，需要對光源的穩(wěn)定性進(jìn)行測試[38]。由LED的伏安特曲線可知，流過LED兩端的電壓和電流是非線性關(guān)系，當(dāng)電壓發(fā)生微小變化時，電流會產(chǎn)生很大的變化，因此選擇LED的電流作為LED光源穩(wěn)定性的參考。另外，LED發(fā)出光強與LED兩端的電流輸出也是非線性的關(guān)系，驅(qū)動電路電流的穩(wěn)定輸出才能保證LED光強的穩(wěn)定。將萬用表調(diào)到電流檔串接到驅(qū)動電路中，連續(xù)測量550、680、800nm的光源電流1h，每6min讀取一次示數(shù)，計算得550、680、800nm光源電流均方差分別為0.04633、0.101020、0.077878mA，誤差分別為0.1388%、0.2205%和0.1821%。

　　4.1.2蔬菜葉片反射率測量結(jié)果穩(wěn)定性

　　測量位置、環(huán)境光、光源強度等因素都會對最終讀出的葉片反射率有影響。為了驗證儀器反射率測量的穩(wěn)定性，取4組不同鎘含量的葉片，每個葉片均勻取4個點，每個點分別測量5次，分析測量結(jié)果，選取標(biāo)準(zhǔn)差和變異系數(shù)作為評價指標(biāo)，變異系數(shù)小于10%為弱變異，小于100%為中等強度變異，大于100%為強變異，變異系數(shù)越小，數(shù)據(jù)的離散性越小[39]。標(biāo)準(zhǔn)差足夠小，變異系數(shù)變化范圍為1.5%~5.9%，平均值約為3.5%，屬于弱變異，數(shù)據(jù)離散程度較小，表明儀器反射率測量結(jié)果比較穩(wěn)定。

　　4.2測量精度測試

　　選取與建模無關(guān)的30組生菜葉片，分別用重金屬鎘檢測儀測試葉片鎘含量，用石墨爐原子吸收分光光度計測量葉片鎘的實際含量，測量結(jié)果均勻分布在45°線的附近，葉片重金屬鎘含量在0~4mg/kg范圍內(nèi)，設(shè)計的鎘含量檢測儀預(yù)測值與真實值絕對測量誤差為-0.69~0.66mg/kg，平均絕對誤差為0.26mg/kg，誤差在可接受范圍內(nèi)。結(jié)果表明，該儀器可以實現(xiàn)生菜葉片重金屬鎘的實時無損檢測。

　　5結(jié)論

　　(1)選取生菜為研究對象，重金屬鎘為檢測指標(biāo)，設(shè)置4個鎘脅迫梯度(0、1、3、5mg/kg)的生菜脅迫試驗，采集光譜數(shù)據(jù)，使用主成分分析法得到550、680、800nm3個敏感特征波長，基于PLSR建立預(yù)測模型，模型訓(xùn)練集相關(guān)系數(shù)Rc為0.9271，訓(xùn)練集均方根誤差RMSEC為0.5064mg/kg，測試集相關(guān)系數(shù)Rp為0.9149,測試集均方根誤差RMSEP為0.5271mg/kg,模型預(yù)測效果較好，說明三波段檢測可行。

　　(2)基于三個敏感特征波段，設(shè)計一款便攜式生菜葉片重金屬鎘無損檢測儀器，該儀器硬件系統(tǒng)主要包含了光源部分、信號處理部分、顯示部分、電源部分和控制部分，儀器尺寸為50mm×70mm×60mm。

　　(3)采用自制的儀器做標(biāo)定，使用A/D采集電壓做參考，4個梯度共計192個樣本，每個樣本下按照3:1的比例隨機劃分訓(xùn)練集與測試集，采用PLSR擬合模型，模型訓(xùn)練集相關(guān)系數(shù)Rc為0.8581，訓(xùn)練集均方根誤差RMSEC為0.4975mg/kg，測試集相關(guān)系數(shù)Rp為0.8432，測試集均方根誤差RMSEP為0.5526mg/kg，表明模型有較好的預(yù)測效果，根據(jù)模型編寫相應(yīng)的控制程序，可實現(xiàn)儀器對生菜葉片重金屬鎘的實時檢測。

　　(4)選取與建模無關(guān)的30組重金屬鎘脅迫生菜葉片，用自制的便攜式儀器檢測生菜葉片重金屬鎘含量，與標(biāo)準(zhǔn)理化值對比，儀器預(yù)測值與真實值相關(guān)系數(shù)0.92，均方根誤差為0.32mg/kg，鎘含量在0~4mg/kg測量范圍內(nèi)，測量的絕對誤差為-0.69~0.66mg/kg，平均絕對誤差為0.26mg/kg，表明檢測儀對生菜葉片重金屬鎘含量有較好的預(yù)測精度。

　　參考文獻(xiàn)：

　　[1]TOPPIL,LAMBARDIM,PECCHIONN,etal.EffectsofCadmiumStressonHairyRootsofDaucuscarota[J].JournalofPlantPhysiology,1999,154(3):385–391.

　　[2]楊麗,李杉,袁蒲,等.2013—2014年河南省新鮮蔬菜中重金屬污染狀況調(diào)查[J].中國衛(wèi)生產(chǎn)業(yè),2019,16(2):143-147.

　　[3]ALEXANDERPD,ALLOWAYBJ,DOURADOAM.GenotypicvariationsintheaccumulationofCd,Cu,PbandZnexhibitedbysixcommonlygrownvegetables[J].EnvironmentalPollution,2006,144(3):736-745.

　　[4]SARIMR.Theoreticalandpracticalapproachestothegeneticspecificityofmineralnutritionofplants[J].PlantandSoil,1983,72(2-3):137-150.

　　[5]黃飛飛,王瑛,張寧.蘇州市地產(chǎn)大米重金屬污染狀況及人群膳食暴露風(fēng)險評估[J].食品安全質(zhì)量檢測學(xué)報,2020,11(23):9039-9045.

　　[6]張瑤,崔云天,鄧秋卓,吳孟璇,李民贊,田澤眾.基于光譜數(shù)據(jù)降維的農(nóng)田土壤-作物全氮含量協(xié)同檢測[J].農(nóng)業(yè)機械學(xué)報,2021,52(S0):310-315.

　　作者：孫俊胡雙齊周鑫張林武小紅戴春霞