면화는 중요한 환금 작물이자 면직물 산업의 원료입니다. 인구 밀도가 높아짐에 따라 면화, 곡물, 유지작물 간의 토지 경쟁 문제가 점점 더 심각해지고 있습니다. 면화와 곡물 간작을 병행하면 면화와 곡물 작물 재배 간의 모순을 효과적으로 해소하여 작물 생산성을 향상시키고 생태 다양성을 보호하는 데 도움이 될 수 있습니다. 따라서 간작 환경에서 면화의 생장을 신속하고 정확하게 모니터링하는 것은 매우 중요합니다.
UAV에 장착된 다중 스펙트럼 및 RGB 센서를 통해 면화의 3가지 비옥도 단계에서 다중 스펙트럼 및 가시광선 이미지를 수집하고, 스펙트럼 및 이미지 특징을 추출한 후 지상의 면화 식물 높이와 결합하여 투표 회귀 통합 학습(VRE)을 통해 면화의 SPAD를 추정하고 랜덤 포레스트 회귀(RFR), 그래디언트 부스팅 트리 회귀(GBR), 지원 벡터 머신 회귀(SVR)의 세 가지 모델과 비교했습니다. 면화의 상대적 엽록소 함량에 대한 다양한 추정 모델의 추정 정확도를 평가하고 면화와 대두의 간작 비율에 따른 면화 생장에 미치는 영향을 분석하여 면화와 대두의 간작 비율 선택 및 면화 SPAD의 고정밀 추정을 위한 기초를 제공했습니다.
RFR, GBR, SVR 모델과 비교했을 때, VRE 모델은 면화 SPAD 추정에서 가장 우수한 추정 결과를 보였습니다. VRE 추정 모델에 따르면, 다중 스펙트럼 영상 특징, 가시광선 영상 특징, 그리고 식물 높이 융합을 입력으로 사용한 모델이 가장 높은 정확도를 보였으며, 검정 세트 R², RMSE, RPD는 각각 0.916, 1.481, 3.53이었습니다.
다중 소스 데이터 융합과 투표 회귀 통합 알고리즘을 결합하면 면화의 SPAD 추정을 위한 새롭고 효과적인 방법이 제공된다는 것이 밝혀졌습니다.
게시 시간: 2024년 12월 3일