Хлопок как важная товарная культура и сырье для хлопковой текстильной промышленности, с увеличением густонаселенных территорий, проблема конкуренции за землю под хлопковыми, зерновыми и масличными культурами становится все более серьезной, использование совмещения хлопка и зерна может эффективно смягчить противоречие между выращивание хлопка и зерновых культур, что может повысить урожайность сельскохозяйственных культур и защитить экологическое разнообразие и так далее. Поэтому очень важно быстро и точно отслеживать рост хлопка в режиме совмещения культур.
Мультиспектральные и видимые изображения хлопка на трех стадиях плодородия были получены с помощью мультиспектральных и RGB-датчиков, установленных на БПЛА, были извлечены их спектральные и графические характеристики, и в сочетании с высотой растений хлопчатника на земле был получен SPAD хлопка. оценивается с помощью интегрированного обучения регрессии голосования (VRE) и сравнивается с тремя моделями, а именно: регрессией случайного леса (RFR), регрессией дерева с градиентным усилением (GBR) и машинной регрессией опорных векторов (SVR). . Мы оценили точность оценки различных моделей оценки относительного содержания хлорофилла в хлопке и проанализировали влияние различных соотношений совмещения хлопка и сои на рост хлопка, чтобы обеспечить основу для выбора соотношения совмещения культур. между хлопком и соей и высокоточная оценка SPAD хлопка.
По сравнению с моделями RFR, GBR и SVR модель VRE показала лучшие результаты при оценке SPAD хлопка. На основе модели оценки VRE модель с элементами мультиспектрального изображения, видимыми элементами изображения и объединением высоты растений в качестве входных данных имела самую высокую точность с тестовым набором R2, RMSE и RPD 0,916, 1,481 и 3,53 соответственно.
Было показано, что объединение данных из нескольких источников в сочетании с алгоритмом интеграции регрессии голосования обеспечивает новый и эффективный метод оценки SPAD в хлопке.
Время публикации: 03 декабря 2024 г.