Medvilnė yra svarbus komercinis augalas ir medvilnės tekstilės pramonės žaliava. Didėjant tankiai apgyvendintoms vietovėms, medvilnės, grūdinių ir aliejinių augalų konkurencijos dėl žemės problema tampa vis rimtesnė. Medvilnės ir grūdinių kultūrų mišinio naudojimas gali veiksmingai sumažinti prieštaravimą tarp medvilnės ir grūdinių kultūrų auginimo, o tai gali pagerinti augalų produktyvumą ir apsaugoti ekologinę įvairovę ir pan. Todėl labai svarbu greitai ir tiksliai stebėti medvilnės augimą mišinio režimu.
Bepiločiais orlaiviais (UAV) sumontuotais daugiaspektriais ir RGB jutikliais buvo gauti daugiaspektriai ir matomi medvilnės vaizdai trijuose derlingumo etapuose. Jų spektrinės ir vaizdo savybės buvo išskirtos, o kartu su medvilnės augalų aukščiu ant žemės medvilnės SPAD buvo įvertintas naudojant balsavimo regresijos integruoto mokymosi (VRE) metodą ir palygintas su trimis modeliais: atsitiktine miško regresija (RFR), gradiento sustiprinta medžių regresija (GBR) ir atraminių vektorių mašinų regresija (SVR). Įvertinome skirtingų vertinimo modelių tikslumą, susijusį su medvilnės santykiniu chlorofilo kiekiu, ir išanalizavome skirtingų medvilnės ir sojų pupelių mišinio santykio poveikį medvilnės augimui, kad galėtume sudaryti pagrindą medvilnės ir sojų pupelių mišinio santykio parinkimui ir didelio tikslumo medvilnės SPAD įvertinimui.
Palyginti su RFR, GBR ir SVR modeliais, VRE modelis parodė geriausius medvilnės SPAD įvertinimo rezultatus. Remiantis VRE įvertinimo modeliu, modelis su daugiaspektriniais vaizdo požymiais, matomo vaizdo požymiais ir augalo aukščio sinteze kaip įvestimis pasižymėjo didžiausiu tikslumu, kai testų rinkinio R2, RMSE ir RPD buvo atitinkamai 0,916, 1,481 ir 3,53.
Buvo įrodyta, kad kelių šaltinių duomenų sintezė kartu su balsavimo regresinės integracijos algoritmu suteikia naują ir efektyvų SPAD įvertinimo metodą medvilnėje.
Įrašo laikas: 2024 m. gruodžio 3 d.