Kotono kiel grava monrikolto kaj kotono tekstila industrio krudmaterialoj, kun la pliiĝo de dense loĝataj areoj, kotono, greno kaj oleosemoj terkonkura problemo estas pli kaj pli serioza, la uzo de kotono kaj grena interkultivado povas efike mildigi la kontraŭdiron inter la kultivado de kotono kaj grenkultivaĵoj, kiuj povas plibonigi la produktivecon de la rikolto kaj la protekton de ekologia diverseco ktp. Tial, estas tre grave rapide kaj precize kontroli la kreskon de kotono sub interkruta reĝimo.
Plurspektraj kaj videblaj bildoj de kotono en tri fekundecaj stadioj estis akiritaj per UAV-muntitaj multi-spektraj kaj RGB-sensiloj, iliaj spektraj kaj bildaj trajtoj estis ĉerpitaj, kaj kombinitaj kun la alteco de kotonplantoj sur la tero, la SPAD de kotono estis taksita per voĉdonado de regreso integra lernado (VRE) kaj komparita kun tri modeloj, nome, Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR), kaj Subteno Vektora Maŝino-Regreso (SVR). . Ni taksis la taksan precizecon de malsamaj taksaj modeloj pri la relativa klorofila enhavo de kotono, kaj analizis la efikojn de malsamaj proporcioj de interkultivado inter kotono kaj sojfabo sur la kresko de kotono, por provizi bazon por la elekto de la rilatumo de interkultivado. inter kotono kaj sojfabo kaj la altpreciza takso de kotono SPAD.
Kompare kun RFR, GBR, kaj SVR-modeloj, la VRE-modelo montris la plej bonajn taksorezultojn en taksado de kotono SPAD. Surbaze de la VRE-taksomodelo, la modelo kun multispektraj bildtrajtoj, videblaj bildtrajtoj, kaj planta alteco-fuzio kiel enigaĵoj havis la plej altan precizecon kun testaro R2, RMSE, kaj RPD de 0.916, 1.481, kaj 3.53, respektive.
Estis montrite ke multfonta datumfuzio kombinita kun voĉdona regresa integriga algoritmo disponigas novan kaj efikan metodon por SPAD-takso en kotono.
Afiŝtempo: Dec-03-2024