중요한 환금작물이자 면직물 산업의 원료인 면화는 인구밀도가 증가함에 따라 면화, 곡물 및 유지작물의 토지 경쟁 문제가 점점 더 심각해지고 있습니다. 면화와 곡물의 간작을 사용하면 두 지역 간의 모순을 효과적으로 완화할 수 있습니다. 작물의 생산성을 향상시키고 생태적 다양성을 보호할 수 있는 면화 및 곡물 재배. 따라서 간작 모드에서 면화의 성장을 빠르고 정확하게 모니터링하는 것은 매우 중요합니다.
UAV에 장착된 다중 스펙트럼 및 RGB 센서를 통해 3가지 번식 단계에서 목화의 다중 스펙트럼 및 가시 이미지를 획득하고 스펙트럼 및 이미지 특징을 추출한 후 지상에 있는 목화 식물의 높이와 결합하여 목화의 SPAD를 생성했습니다. 투표 회귀 통합 학습(VRE)을 통해 추정하고 세 가지 모델, 즉 RFR(Random Forest Regression), GBR(Gradient Boosted Tree Regression) 및 SVR(Support Vector Machine Regression)과 비교했습니다. . 목화의 상대적인 엽록소 함량에 대한 다양한 추정 모델의 추정 정확도를 평가하고, 간작 비율 선택의 기초를 제공하기 위해 목화와 대두의 간작 비율이 목화의 성장에 미치는 영향을 분석했습니다. 면화와 대두 간의 차이와 면화 SPAD의 고정밀 추정.
면 SPAD 추정에서는 RFR, GBR, SVR 모델과 비교하여 VRE 모델이 가장 좋은 추정 결과를 보였다. VRE 추정 모델을 기반으로 다중 스펙트럼 이미지 특징, 가시적 이미지 특징 및 식물 높이 융합을 입력으로 사용하는 모델은 테스트 세트 R2, RMSE 및 RPD가 각각 0.916, 1.481 및 3.53으로 가장 높은 정확도를 보였습니다.
투표 회귀 통합 알고리즘과 결합된 다중 소스 데이터 융합은 면화의 SPAD 추정을 위한 새롭고 효과적인 방법을 제공하는 것으로 나타났습니다.
게시 시간: 2024년 12월 3일