ბამბა, როგორც მნიშვნელოვანი ფულადი კულტურა და ბამბის ტექსტილის მრეწველობის ნედლეული, მჭიდროდ დასახლებული ტერიტორიების ზრდით, ბამბის, მარცვლეულის და ზეთისხილის კულტურების მიწის კონკურენციის პრობლემა უფრო და უფრო სერიოზულია, ბამბისა და მარცვლეულის გამოყენებამ შეიძლება ეფექტურად შეამსუბუქოს წინააღმდეგობა. ბამბის და მარცვლეული კულტურების მოყვანა, რომელსაც შეუძლია გააუმჯობესოს მოსავლის პროდუქტიულობა და ეკოლოგიური მრავალფეროვნების დაცვა და ა.შ. on. აქედან გამომდინარე, დიდი მნიშვნელობა აქვს ბამბის ზრდის სწრაფად და ზუსტად მონიტორინგი შეჯვარების რეჟიმში.
ბამბის მრავალსპექტრული და ხილული გამოსახულებები ნაყოფიერების სამ ეტაპზე შეძენილი იქნა UAV-ზე დამონტაჟებული მულტი სპექტრალური და RGB სენსორებით, მათი სპექტრული და გამოსახულების მახასიათებლები იქნა ამოღებული და ბამბის მცენარეების სიმაღლესთან ერთად მიწაზე, ბამბის SPAD იყო. შეფასებული ხმის მიცემის რეგრესიის ინტეგრირებული სწავლებით (VRE) და შედარება სამ მოდელთან, კერძოდ, შემთხვევითი ტყის რეგრესია (RFR), გრადიენტი გაძლიერებული ხის რეგრესია (GBR) და მხარდაჭერის ვექტორული მანქანების რეგრესია (SVR). . ჩვენ შევაფასეთ სხვადასხვა შეფასების მოდელების შეფასების სიზუსტე ბამბის ფარდობით ქლოროფილის შემცველობაზე და გავაანალიზეთ ბამბისა და სოიოს შორის შეფარდების სხვადასხვა თანაფარდობის გავლენა ბამბის ზრდაზე, რათა საფუძველი შეგვექმნა შეჯვარების თანაფარდობის შერჩევისთვის. ბამბასა და სოიოს შორის და ბამბის SPAD-ის მაღალი სიზუსტის შეფასებას შორის.
RFR, GBR და SVR მოდელებთან შედარებით, VRE მოდელმა აჩვენა საუკეთესო შეფასების შედეგები ბამბის SPAD-ის შეფასებისას. VRE შეფასების მოდელზე დაყრდნობით, მოდელს გამოსახულების მრავალსპექტრული მახასიათებლებით, ხილული გამოსახულების მახასიათებლებით და მცენარის სიმაღლის შერწყმით, როგორც შენატანი, ჰქონდა ყველაზე მაღალი სიზუსტე ტესტის კომპლექტში R2, RMSE და RPD შესაბამისად 0.916, 1.481 და 3.53.
ნაჩვენებია, რომ მრავალ წყაროს მონაცემთა შერწყმა, ხმის მიცემის რეგრესიის ინტეგრაციის ალგორითმთან ერთად, იძლევა ახალ და ეფექტურ მეთოდს ბამბაში SPAD-ის შეფასებისთვის.
გამოქვეყნების დრო: დეკ-03-2024