Önemli bir ticari ürün olarak pamuk ve pamuk tekstil endüstrisi hammaddeleri, yoğun nüfuslu alanların artmasıyla birlikte, pamuk, tahıl ve yağlı tohumlu bitkilerde arazi rekabeti sorunu giderek daha ciddi hale geliyor, pamuk ve tahılın birlikte ekimi kullanımı, pamuk ve tahılın birlikte ekimi arasındaki çelişkiyi etkili bir şekilde hafifletebilir. Mahsulün verimliliğini artırabilecek ve ekolojik çeşitliliğin korunmasını vb. sağlayabilecek pamuk ve tahıl mahsullerinin yetiştirilmesi. Bu nedenle, pamuğun birlikte ekim modunda büyümesinin hızlı ve doğru bir şekilde izlenmesi büyük önem taşımaktadır.
İHA'ya monte edilen multispektral ve RGB sensörler ile pamuğun üç doğurganlık aşamasındaki multispektral ve görünür görüntüleri elde edilmiş, bunların spektral ve görüntü özellikleri çıkarılmış ve pamuk bitkilerinin yerdeki yüksekliği ile birleştirilerek pamuğun SPAD'ı oluşturulmuştur. oylama regresyonu entegre öğrenme (VRE) ile tahmin edilir ve Rastgele Orman Regresyonu (RFR), Gradient Boosted Tree Regression (GBR) ve Destek Vektör Makinesi Regresyonu (SVR) olmak üzere üç modelle karşılaştırılır. . Pamuğun bağıl klorofil içeriğine ilişkin farklı tahmin modellerinin tahmin doğruluğunu değerlendirdik ve birlikte ekim oranının seçimi için bir temel sağlamak üzere pamuk ve soya fasulyesi arasındaki farklı karma ekim oranlarının pamuğun büyümesi üzerindeki etkilerini analiz ettik. pamuk ve soya fasulyesi arasındaki fark ve pamuk SPAD'ın yüksek hassasiyetli tahmini.
RFR, GBR ve SVR modelleri ile karşılaştırıldığında VRE modeli pamuk SPAD'ın tahmininde en iyi tahmin sonuçlarını gösterdi. VRE tahmin modeline dayalı olarak, girdi olarak multispektral görüntü özellikleri, görünür görüntü özellikleri ve bitki boyu füzyonuna sahip model, sırasıyla 0,916, 1,481 ve 3,53'lük R2, RMSE ve RPD test seti ile en yüksek doğruluğa sahipti.
Oylama regresyon entegrasyon algoritmasıyla birleştirilmiş çok kaynaklı veri füzyonunun pamukta SPAD tahmini için yeni ve etkili bir yöntem sağladığı gösterilmiştir.
Gönderim zamanı: 03 Aralık 2024