Անօդաչու թռչող սարք Բազմասպեկտրային հեռակառավարմամբ բամբակի աճը վերահսկելու համար

Պտղաբերության երեք փուլերում բամբակի բազմասպեկտրային և տեսանելի պատկերները ստացվել են UAV-ի վրա տեղադրված բազմասպեկտրալ և RGB սենսորների միջոցով, դրանց սպեկտրալ և պատկերային առանձնահատկությունները արդյունահանվել են, և գետնին բամբակյա բույսերի բարձրության հետ համակցվել է բամբակի SPAD-ը: գնահատվել է քվեարկության ռեգրեսիոն ինտեգրված ուսուցման միջոցով (VRE) և համեմատվել երեք մոդելների հետ, մասնավորապես՝ պատահական անտառային ռեգրեսիա (RFR), գրադիենտ Ծառերի ուժեղացված ռեգրեսիա (GBR) և օժանդակ վեկտորային մեքենայի ռեգրեսիա (SVR): . Մենք գնահատել ենք տարբեր գնահատման մոդելների գնահատման ճշգրտությունը բամբակի հարաբերական քլորոֆիլի պարունակության վերաբերյալ և վերլուծել ենք բամբակի և սոյայի միջև փոխմշակման տարբեր հարաբերակցության ազդեցությունը բամբակի աճի վրա, որպեսզի հիմք ստեղծվի փոխարտադրության հարաբերակցության ընտրության համար: բամբակի և սոյայի միջև և բամբակի SPAD-ի բարձր ճշգրտության գնահատումը:

Համեմատած RFR, GBR և SVR մոդելների հետ՝ VRE մոդելը ցույց է տվել գնահատման լավագույն արդյունքները բամբակի SPAD-ի գնահատման հարցում: Հիմնվելով VRE գնահատման մոդելի վրա՝ բազմասպեկտրային պատկերի առանձնահատկություններով, տեսանելի պատկերի հատկանիշներով և բույսերի բարձրության միաձուլմամբ մոդելը որպես մուտքեր ուներ ամենաբարձր ճշգրտությունը R2, RMSE և RPD թեստային հավաքածուով՝ համապատասխանաբար 0,916, 1,481 և 3,53: