Pamuk kao važna sirovina za gotovinu i tekstilnu industriju pamuka, s povećanjem gusto naseljenih područja, pamuk, žitarice i uljarice problem konkurencije na zemljištu je sve ozbiljniji, korištenje pamuka i žitarica među usjevima može učinkovito ublažiti proturječnost između uzgoj usjeva pamuka i žitarica, čime se može poboljšati produktivnost usjeva i zaštita ekološke raznolikosti i tako na. Stoga je od velike važnosti brzo i točno pratiti rast pamuka u međuusjevima.
Višespektralne i vidljive slike pamuka u tri stupnja plodnosti dobivene su multispektralnim i RGB senzorima postavljenim na UAV, njihove spektralne i slikovne značajke su izdvojene, a u kombinaciji s visinom biljaka pamuka na tlu, SPAD pamuka je bio procijenjeno integriranim učenjem glasačke regresije (VRE) i uspoređeno s tri modela, naime, Random Forest Regression (RFR), Gradient Boosted Tree Regresija (GBR) i strojna regresija vektora podrške (SVR). . Procijenili smo točnost procjene različitih modela procjene relativnog sadržaja klorofila u pamuku i analizirali učinke različitih omjera međuusjeva između pamuka i soje na rast pamuka, kako bismo pružili osnovu za odabir omjera međuusjeva između pamuka i soje i visokoprecizna procjena SPAD pamuka.
U usporedbi s RFR, GBR i SVR modelima, VRE model pokazao je najbolje rezultate procjene u procjeni SPAD pamuka. Na temelju modela procjene VRE, model sa značajkama multispektralne slike, značajkama vidljive slike i fuzijom visine biljke kao ulaznim podacima imao je najveću točnost s testnim skupom R2, RMSE i RPD od 0,916, 1,481, odnosno 3,53.
Pokazalo se da fuzija podataka s više izvora u kombinaciji s integracijskim algoritmom regresije glasovanja daje novu i učinkovitu metodu za procjenu SPAD-a u pamuku.
Vrijeme objave: 3. prosinca 2024