ฝ้ายเป็นพืชเศรษฐกิจที่สำคัญและเป็นวัตถุดิบสำคัญในอุตสาหกรรมสิ่งทอฝ้าย ด้วยพื้นที่ที่มีประชากรหนาแน่นมากขึ้น ปัญหาการแข่งขันที่ดินสำหรับฝ้าย ธัญพืช และพืชน้ำมันจึงทวีความรุนแรงมากขึ้น การปลูกฝ้ายร่วมกับธัญพืชสามารถบรรเทาความขัดแย้งระหว่างการปลูกฝ้ายและธัญพืชได้อย่างมีประสิทธิภาพ ช่วยเพิ่มผลผลิตและรักษาความหลากหลายทางระบบนิเวศ ดังนั้น การติดตามการเจริญเติบโตของฝ้ายภายใต้การปลูกฝ้ายร่วมกันอย่างรวดเร็วและแม่นยำจึงมีความสำคัญอย่างยิ่ง
ภาพมัลติสเปกตรัมและภาพที่มองเห็นได้ของฝ้ายในระยะความอุดมสมบูรณ์สามระยะถูกบันทึกโดยเซ็นเซอร์มัลติสเปกตรัมและเซ็นเซอร์ RGB ที่ติดตั้งบน UAV จากนั้นนำคุณลักษณะสเปกตรัมและภาพมาสกัดรวมกับความสูงของต้นฝ้ายบนพื้นดิน ค่า SPAD ของฝ้ายถูกประเมินโดยการเรียนรู้แบบบูรณาการการถดถอยแบบ Voting Regression (VRE) และเปรียบเทียบกับแบบจำลองสามแบบ ได้แก่ การถดถอยป่าสุ่ม (Random Forest Regression: RFR), การถดถอยต้นไม้แบบ Gradient Boosted Tree Regression (GBR) และ การถดถอยเครื่องเวกเตอร์สนับสนุน (Support Vector Machine Regression: SVR) เราได้ประเมินความแม่นยำในการประมาณค่าของแบบจำลองการประมาณค่าต่างๆ เกี่ยวกับปริมาณคลอโรฟิลล์สัมพัทธ์ของฝ้าย และวิเคราะห์ผลกระทบของอัตราส่วนการปลูกแซมระหว่างฝ้ายและถั่วเหลืองที่แตกต่างกันต่อการเจริญเติบโตของฝ้าย เพื่อเป็นพื้นฐานสำหรับการเลือกอัตราส่วนการปลูกแซมระหว่างฝ้ายและถั่วเหลือง และการประมาณค่า SPAD ของฝ้ายที่มีความแม่นยำสูง
เมื่อเปรียบเทียบกับแบบจำลอง RFR, GBR และ SVR แบบจำลอง VRE แสดงผลการประมาณค่าที่ดีที่สุดในการประมาณค่า SPAD ของฝ้าย จากแบบจำลองการประมาณค่า VRE แบบจำลองที่มีคุณลักษณะของภาพหลายสเปกตรัม คุณลักษณะของภาพที่มองเห็นได้ และการรวมความสูงของต้นเป็นอินพุต มีความแม่นยำสูงสุด โดยมีค่าชุดทดสอบ R2, RMSE และ RPD เท่ากับ 0.916, 1.481 และ 3.53 ตามลำดับ
ผลการศึกษาแสดงให้เห็นว่าการรวมข้อมูลหลายแหล่งร่วมกับอัลกอริธึมการรวมการถดถอยของการลงคะแนนเสียงทำให้ได้วิธีการใหม่และมีประสิทธิภาพสำหรับการประมาณค่า SPAD ในฝ้าย
เวลาโพสต์: 03-12-2024