从实验室到田间，智能传感实现土壤检测“边走边测”——访中国农业大学教授李民赞
仪器信息网对中国农业大学教授李民赞进行了采访，围绕“土壤检测”、“传感器技术”及“AI应用”等展开讨论。
土壤作为基础性环境资源和战略性经济资源，其面积、质量与国家的粮食安全和人民群众的身体健康紧密关联，在维护国家安全、社会稳定方面意义重大。自《中华人民共和国土壤污染防治法》实施以来，土壤污染防治工作取得了较大进展，管理方式发生了重大转变，通过全国土壤详查、土壤三普和国家土壤环境例行监测等，土壤防治形成了更完善的技术和质量控制体系。我国生态环境、农业、林业和地质等多个部门针对不一样的土壤环境监视测定或调查等工作，先后出台了一系列有关技术标准，规定了土壤的环境质量监测采样技术、检验测试的项目和分析方法。现如今，土壤检测技术正在加快速度进行发展中，光谱、质谱、电化学技术等的应用为土壤检测带来了很多的便利，人工智能的崛起也为土壤检测行业注入新的动能。
在中国农业大学，李民赞教授是一位专注于农业科学技术前沿研究的专家。他的学术背景始于农业机械领域，之后土壤检测技术成为其研究方向，在深耕此领域的同时，他的研究范围还扩展至作物检测、温室自动化控制及作物表型分析等多个领域，主要围绕信息获取方法展开工作，特别是开发各种传感器技术。近期，仪器信息网对李民赞教授进行了采访，邀请他谈一谈“土壤检测”、“传感器技术”及“AI应用”等。
土壤是农业生产的基本要素，土壤的质量分析至关重要。李民赞教授指出，当前我国土壤检验测试的重点工作主要聚焦在四个方面，包括高标准农田建设中的土壤质量评估、面向精细智慧农业的土壤信息采集、盐碱地改良监测及土壤重金属污染检测与修复。
随后，他向大家详细的介绍了这四个重点工作，首先是高标准农田建设，由于我国“人多地少”，耕地长期高强度利用，很多地区一年两熟甚至三熟，导致土壤地力透支，整体质量偏低。因此，国家正大力推进高标准农田建设，对土壤肥力和耕作性能提出了明确的要求，通过系统检测土壤肥力和机械特性等掌握土壤健康情况，实现科学管理与可持续发展；其次，智慧农业的发展离不开土壤数据支撑。智慧农业作为现代农业的重要发展趋势，强调以数据为基础的智慧管理和智能决策，要实现农业的智能化管理，必须依赖详实的土壤信息，例如，国家曾大力推动的测土配方施肥项目，就是基于土壤检验测试的数据提升农业精准化作业水平的典型实践；同时，盐碱地改良与重金属治理也是土壤检测工作的重要内容。在耕地质量提升方面，盐碱地改良是一项重点任务，需通过检验测试盐分、电导率等指标，改善其耕作性能，提高粮食产出能力。我国十分重视食品安全，由于经常使用化肥、农药等，导致部分地区土壤中重金属含量超标，严重威胁食品安全，因此，土壤重金属的快速检测与修复也是土壤治理工作的核心之一。
目前，这几项工作仍处于持续推进阶段。李民赞强调，提升土壤有机质含量、推广保护性耕作技术，如免耕播种、秸秆还田等，对于改善土壤结构至关重要，尤其是东北黑土区，作为世界三大黑土区之一，对其的保护尤为重要。
在土壤检验测试领域，李民赞一直希望开发出一种便捷、快速的分析方法，能够实时获取土壤的肥力、机械特性及重金属含量等关键信息，有效服务于农业一线的生产者。他回忆道，在攻读博士学位时，意识到传统的土壤检测的新方法繁琐复杂，缺乏便于田间使用的移动式测量手段，当时虽已有研究采用光谱方法来进行土壤分析，但大多都局限于实验室环境。之后，在参加的一次国际精准农业大会中，他发现国外将光谱仪搭载在车辆或农机上，实现了边走边测的现场检测模式。但是，尽管在光谱基础研究方面我国并不落后，但由于设备成本高昂，难以在我国农业中大规模推广，因此，他的团队更倾向于研发轻便、经济、适合中国国情的便携式检测仪器。
李民赞分享道：“在最初，我们通过光谱建模验证了土壤检验测试参数的可行性，随后开发了第一代实验室检测设备。接着，我们将普通光谱仪搬到田间，装在车上进行移动测量。然而，这种车载式设备在推广过程中面临着一个现实难题——农民难以负担额外购置光谱仪设备的成本。为此，团队转向简化技术路径，采用滤光片方式构建特征光谱系统，成功研制出手持式和车载式检测装置。即便如此，早期农民仍需自制支架安装设备，并搭配计算机使用，操作复杂、接受度低。之后，我们团队持续优化设计，将光谱传感器小型化、模块化，使其无需额外机架即可直接挂载在犁具、播种机、收获机等常见农业机械上，实现了边作业边检测的功能。”
目前，这种光谱传感器正在实现着产业化的进程中。但在实际推广过程中，李民赞提道，亟需国家层面推动相关快速检测的新方法的标准化工作，应该要依据不同应用场景对各类测量办法来进行充分论证，并在此基础上制定统一的技术标准，以促进该类设备在农业生产中的规范化使用。
当前，人工智能已大范围的应用于各行各业，国家也在积极地推进生态环境监视测定的数智化转型。在早期，手持式土壤检测设备受限于微处理器性能，运算和存储能力较弱，往往需要将数据导出后再做多元化的分析。如今，微处理器已具备接近微型计算机的能力，为开发集成深度学习算法的便携式检测设备提供了可能。李民赞研究团队正在研发具有深度学习功能的土壤肥力检测设备，能利用复杂的模型，有效排除环境干扰。他表示，如今的小型光谱仪不仅体积小巧，还搭载了高性能处理器，利用AI可以建立复杂的测量模型，并能够将此模型移到手持设备中。这种融合人工智能的带有微处理器的传感器，正逐步改变传统土壤检测的方式。
不仅如此，物联网作为一种关键工具，正在加速农业信息化的进程。借助物联网技术，土壤检验测试的数据可实时上传至云端，依托云平台强大的存储与计算能力，处理后的结果可反馈至用户的手机或数据库中。他展望道：“未来，这一技术将大范围的应用于土壤肥力、重金属含量等指标的动态监测中，构建起覆盖田块的土壤信息网络，实现农业生产的可视化管理和远程控制。”
采访的最后，他总结说：“AI与土壤检测的结合大多数表现在两个方面：一是‘测’的精准，二是‘用’的智能。在‘测’的层面，人工智能建模方法特别是机器学习技术，有助于提升传感器对复杂环境的适应能力，扩大其适合使用的范围，提高测量精度。通过人工智能模型训练，可以消除不同土壤类型和应用场景带来的干扰，实现一个模型多场景通用的目标。同时，采用这种更先进的传感方法，未来的土壤检测不再局限于单一指标，而是能够捕捉包括墒情、温度在内的动态变化过程，形成对土壤状态的全面感知。在‘用’的层面，人工智能的应用能够为施肥管理、土壤改良等田间作业提供科学决策支持。目前，AI在土壤水分监测方面已有成功应用，但在其他土壤检验测试领域尚处于探索阶段。”未来，李民赞希望相关研究机构能与农机制造企业合作，将智能土壤传感器作为标准配置，装在拖拉机等农业机械上，在作业过程中同步采集土壤信息，真正的完成“边作业、边检测、边决策”的智慧农业新模式。
江苏省特定种类设备安全监督检验研究院294.80万元采购顶空进样器,红外碳硫仪,硫氮分析仪
江苏省特种设施安全监督检验研究院258.00万元采购红外热成像仪,真空泵
ASMS 2025巅峰对线位全球副总裁深度解析ZenoTOF 8600质谱创新
破解RoHS 2.0邻苯检测痛点，UPY-90S快筛方案助力企业降本增效
国家生态环境标准《水泥工业大气污染物排放标准》（GB 4915-2013）修改单 公开征求意见
