棉花的提取和单个球的重量估计基于无人机多光谱图像
Maoguang Chen1, Caixia Yin1, Na Su1
1Engineering Research Centre of Cotton, Ministry of Education/College of Agriculture, Xinjiang Agricultural University, Urumqi, China.
Frontiers in plant science
|March 6, 2026
概括
一个新的无人机多谱工作流程通过结合基于对象的取和机器学习,准确地估计了棉花中的单个球重量 (SBW). 这种方法克服了背景干扰,以改善作物管理和育种评估.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 机器学习 机器学习
背景情况:
- 在棉花中估计单球重量 (SBW) 是由于毛,土壤和老化的叶子的光谱干扰而具有挑战性的脱叶后.
- 现有的方法与背景噪声作斗争,限制了SBW的准确空间估计.
研究的目的:
- 开发和验证无人驾驶飞行器 (UAV) 多谱工作流程,以改进棉花单球重量 (SBW) 映射.
- 为了减少背景干扰,并提高SBW估计模型的可转移性.
主要方法:
- 采用了一种集成基于对象的boll提取 (使用最大概率分类),光谱特征选择 (皮尔森相关性和SHAP) 和机器学习回归 (,随机森林,神经网络) 的工作流.
- 数据是从为期两年的棉花实验中收集的,该实验涉及不同品种和种植密度.
- 获得的最大概率分类>97%的精度用于boll提取.
主要成果:
- 最优的模型,将最大概率波拉提取与神经网络回归相结合,实现了0.80的确定系数和0.31g的RMSE.
- 红色,红边和近红外波段的植被指数,特别是缓解土壤影响的植被指数,显示出强烈的SBW相关性.
- 在不同的实验条件下,相对误差始终低于15%.
结论:
- 拟议的无人机多谱工作流程有效地减少背景干扰,以准确地进行SBW空间估计.
- 这种方法使可转移的SBW绘制为棉花育种计划,密度优化和收获管理至关重要.
