Kotono kiel grava monkultivaĵo kaj krudmaterialo en la kotona teksindustrio, kun la kresko de dense loĝataj areoj, la problemo de terkonkurenco inter kotono, greno kaj olesemoj fariĝas pli kaj pli grava. La uzo de interkultivado de kotono kaj greno povas efike mildigi la kontraŭdiron inter la kultivado de kotono kaj greno, kio povas plibonigi la produktivecon de la kultivaĵo kaj protekti ekologian diversecon ktp. Tial, estas tre grave rapide kaj precize monitori la kreskon de kotono sub interkultivada reĝimo.
Multspektraj kaj videblaj bildoj de kotono je tri fekundecaj stadioj estis akiritaj per senpilola-aviadilaj multspektraj kaj RGB-sensiloj, iliaj spektraj kaj bildaj trajtoj estis eltiritaj, kaj kombinite kun la alteco de kotonplantoj sur la tero, la SPAD de kotono estis taksita per voĉdona regresa integra lernado (VRE) kaj komparita kun tri modeloj, nome, Hazarda Arbara Regreso (RFR), Gradienta Akcelita Arba Regreso (GBR), kaj Subtena Vektora Maŝina Regreso (SVR). Ni taksis la taksoprecizecon de malsamaj taksomodeloj pri la relativa klorofila enhavo de kotono, kaj analizis la efikojn de malsamaj proporcioj de interkultivado inter kotono kaj sojfabo sur la kreskon de kotono, por provizi bazon por la elekto de la proporcio de interkultivado inter kotono kaj sojfabo kaj la altpreciza takso de kotona SPAD.
Kompare kun RFR, GBR, kaj SVR-modeloj, la VRE-modelo montris la plej bonajn taksorezultojn en taksado de kotona SPAD. Bazite sur la VRE-taksmodelo, la modelo kun multispektraj bildaj ecoj, videblaj bildaj ecoj, kaj plantaltecfuzio kiel enigoj havis la plej altan precizecon kun testaro R2, RMSE, kaj RPD de 0.916, 1.481, kaj 3.53, respektive.
Estis montrite, ke plurfonta datenfuzio kombinita kun voĉdona regresintegra algoritmo provizas novan kaj efikan metodon por SPAD-takso en kotono.
Afiŝtempo: Dec-03-2024