Хлопок, являясь важной товарной культурой и сырьем для текстильной промышленности, с ростом плотности населения становится всё более серьёзной проблема конкуренции за земли под выращивание хлопка, зерновых и масличных культур. Использование смешанных посевов хлопка и зерновых культур может эффективно устранить противоречие между выращиванием хлопка и зерновых культур, что может повысить урожайность и защитить экологическое разнообразие и т. д. Поэтому очень важно быстро и точно контролировать рост хлопка в смешанных посевах.
Многоспектральные и видимые изображения хлопка на трех стадиях фертильности были получены с помощью многоспектральных и RGB-датчиков, установленных на БПЛА, их спектральные и визуальные характеристики были извлечены и объединены с высотой растений хлопка на земле, SPAD хлопка был оценен с помощью интегрированного обучения регрессии голосования (VRE) и сравнен с тремя моделями, а именно, регрессией случайного леса (RFR), регрессией дерева с градиентным усилением (GBR) и регрессией опорных векторов (SVR). . Мы оценили точность оценки различных моделей оценки относительного содержания хлорофилла в хлопке и проанализировали влияние различных соотношений междурядий хлопка и сои на рост хлопка, чтобы обеспечить основу для выбора соотношения междурядий хлопка и сои и высокоточной оценки SPAD хлопка.
По сравнению с моделями RFR, GBR и SVR, модель VRE показала наилучшие результаты оценки SPAD хлопка. На основе модели оценки VRE, модель с использованием в качестве входных данных характеристик мультиспектрального изображения, характеристик видимого изображения и слияния данных о высоте растений показала наибольшую точность при значениях R2, RMSE и RPD для тестового набора 0,916, 1,481 и 3,53 соответственно.
Было показано, что слияние данных из нескольких источников в сочетании с алгоритмом интеграции регрессии голосования обеспечивает новый и эффективный метод оценки SPAD для хлопка.
Время публикации: 03 декабря 2024 г.