Памук као важна економична култура и сировина за индустрију памучног текстила, са повећањем густо насељених подручја, проблем конкуренције земљишта за памук, житарице и уљарице постаје све озбиљнији. Међуусева памука и житарица може ефикасно ублажити контрадикцију између узгоја памука и житарица, што може побољшати продуктивност усева и заштитити еколошку разноликост. Стога је од великог значаја брзо и прецизно праћење раста памука у међуусевима.
Мултиспектралне и видљиве слике памука у три фазе плодности снимљене су помоћу мултиспектралних и RGB сензора постављених на беспилотне летелице, њихове спектралне и сликовне карактеристике су издвојене и, комбиноване са висином биљака памука на тлу, SPAD памука је процењен помоћу интегрисаног учења регресије гласања (VRE) и упоређен са три модела, наиме, регресијом случајне шуме (RFR), регресијом градијентног појачања дрвећа (GBR) и регресијом векторске машине подршке (SVR). Проценили смо тачност процене различитих модела процене релативног садржаја хлорофила у памуку и анализирали ефекте различитих односа међуусева између памука и соје на раст памука, како бисмо пружили основу за избор односа међуусева између памука и соје и високо прецизну процену SPAD-а памука.
У поређењу са RFR, GBR и SVR моделима, VRE модел је показао најбоље резултате процене у процени SPAD-а памука. На основу VRE модела процене, модел са мултиспектралним карактеристикама слике, видљивим карактеристикама слике и фузијом висине биљке као улазима имао је највећу тачност са тест скупом R2, RMSE и RPD од 0,916, 1,481 и 3,53, респективно.
Показано је да фузија података из више извора у комбинацији са алгоритмом интеграције регресије гласања пружа нову и ефикасну методу за процену SPAD-а код памука.
Време објаве: 03.12.2024.