Памукът като важна суровина на текстилната промишленост на касата и памук, с увеличаването на гъсто населените райони, проблемът с памучните и маслените култури е все по -сериозен, използването на памук и зърно -зърно може ефективно да облекчи противоречието между отглеждането на памук и зърнени култури, което може да подобри производителността на реколтата и защитата на екологичното разнообразие и така нататък. Следователно е от голямо значение бързо и точно да се следи растежа на памука в режим на интеркропция.
Multi-spectral and visible images of cotton at three fertility stages were acquired by UAV-mounted multi-spectral and RGB sensors, their spectral and image features were extracted, and combined with the height of cotton plants on the ground, the SPAD of cotton was estimated by voting regression integrated learning (VRE) and compared with three models, namely, Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR), and Support Регресия на векторната машина (SVR). . Ние оценихме точността на оценка на различни модели за оценка на относителното съдържание на хлорофил в памука и анализирахме ефектите на различни съотношения на прекъсване между памук и соя върху растежа на памука, така че да осигури основа за избора на съотношение на памук между памук и соя и високото преимущество на памук.
В сравнение с моделите RFR, GBR и SVR, VRE моделът показа най -добри резултати от оценката при оценка на памучния спад. Въз основа на модела за оценка на VRE, моделът с многоспектрални характеристики на изображението, видими характеристики на изображението и сливане на височината на растенията като входове има най -висока точност с тестов набор R2, RMSE и RPD съответно 0,916, 1,481 и 3,53.
Показано е, че сливането на данни с много източници, комбинирано с алгоритъм за интегриране на регресия на гласуване, предоставя нов и ефективен метод за оценка на SPAD в памука.
Време за публикация: Дек-03-2024