Pamuk kao važan novčani usev i sirovina pamučne tekstilne industrije, sa povećanjem gusto naseljenih područja, pamuka, žitarica i uljarica, problem konkurencije zemljišta je sve ozbiljniji, upotreba pamuka i žitarica može efikasno ublažiti kontradikciju između uzgoj pamuka i žitarica, koji mogu poboljšati produktivnost usjeva i zaštitu ekološke raznolikosti i tako on. Stoga je od velikog značaja brzo i precizno pratiti rast pamuka u režimu međukulture.
Multispektralne i vidljive slike pamuka u tri faze plodnosti dobijene su multispektralnim i RGB senzorima postavljenim na UAV, njihove spektralne i slikovne karakteristike su ekstrahovane, a u kombinaciji sa visinom biljaka pamuka na tlu, SPAD pamuka je bio procijenjeno integriranim učenjem regresije glasanja (VRE) i upoređeno s tri modela, naime, nasumična regresija šuma (RFR), stablo s pojačanim gradijentom Regresija (GBR) i Mašinska regresija potpornih vektora (SVR). . Ocijenili smo tačnost procjene različitih modela procjene relativnog sadržaja klorofila u pamuku, te analizirali efekte različitih omjera međuusjeva između pamuka i soje na rast pamuka, kako bismo pružili osnovu za odabir omjera međuusjeva. između pamuka i soje i visoko precizne procjene pamučnog SPAD-a.
U poređenju sa modelima RFR, GBR i SVR, VRE model je pokazao najbolje rezultate procene u proceni pamučnog SPAD-a. Zasnovano na VRE modelu procjene, model sa karakteristikama multispektralne slike, vidljivim karakteristikama slike i fuzijom visine biljke kao ulazima imao je najveću preciznost sa testnim skupom R2, RMSE i RPD od 0,916, 1,481 i 3,53, respektivno.
Pokazalo se da fuzija podataka iz više izvora u kombinaciji sa algoritmom integracije regresije glasanja daje novu i učinkovitu metodu za SPAD procjenu u pamuku.
Vrijeme objave: Dec-03-2024