Kapas salaku pamotongan tunai penting jeung bahan baku industri tekstil katun, jeung kanaékan wewengkon densely Asezare populata, kapas, sisikian jeung oilseed palawija masalah kompetisi lahan beuki loba serius, pamakéan kapas jeung sisikian intercropping sacara éféktif bisa alleviate kontradiksi antara budidaya katun jeung sisikian palawija, nu bisa ngaronjatkeun produktivitas pamotongan jeung panangtayungan ékologis. Ku alatan éta, penting pisan pikeun gancang sareng akurat ngawas tumuwuhna kapas dina modeu intercropping.
Gambar multi-spektral jeung katempo tina kapas dina tilu tahapan kasuburan anu kaala ku UAV-dipasang multi-spéktral jeung sensor RGB, spéktral jeung fitur gambar maranéhanana anu sasari, sarta digabungkeun jeung jangkungna tutuwuhan kapas dina taneuh, SPAD kapas ieu diperkirakeun ku voting regression integrated learning (VRE) jeung dibandingkeun jeung tilu model, nyaéta, Regression Leuweung Rojongan (RGBR) Acak (RGB) Regression Mesin (SVR). . Urang dievaluasi akurasi estimasi model estimasi béda dina eusi klorofil relatif kapas, sarta dianalisis efek tina babandingan béda intercropping antara kapas jeung kedele dina tumuwuhna kapas, ku kituna nyadiakeun dadasar pikeun seleksi rasio intercropping antara kapas jeung kedele sarta estimasi-precision tinggi kapas SPAD.
Dibandingkeun jeung model RFR, GBR, jeung SVR, model VRE némbongkeun hasil estimasi pangalusna dina estimasi kapas SPAD. Dumasar kana modél estimasi VRE, modél anu mibanda fitur gambar multispektral, fitur gambar katempo, jeung fusi jangkungna tutuwuhan salaku input miboga akurasi pangluhurna kalawan test set R2, RMSE, jeung RPD masing-masing 0.916, 1.481, jeung 3.53.
Ieu ditémbongkeun yén fusi data multi-sumber digabungkeun jeung algoritma integrasi regression voting nyadiakeun metoda anyar jeung éféktif pikeun estimasi SPAD dina katun.
waktos pos: Dec-03-2024