亚洲成在人线av毛片|夜夜精品视频一区二区|亚洲性网a毛片免费观看|国产一区二区日韩精品影|热久久超碰无码色中文字幕|久久精品二区三区四区日韩|中文字幕一区二区三区精品区|天堂一区二区三区四区免费视频

027-87860098

無人機多傳感器數據和集成方法在玉米表型性狀高通量估計中的應用

2022/9/28
利用無人機(UAV)圖像對表型性狀進行高通量估計有助于提高育種玉米的篩選效率。在小區(qū)尺度上準確估計育種玉米的表型性狀有助于促進特定性狀的基因挖掘，為加速優(yōu)良品種選育提供保障。建立高效、準確的無人機多傳感器數據估計模型是無人機多傳感器數據應用的關鍵。

實驗場地的位置

本研究旨在應用集成學習模型來提高使用基于無人機的紅綠藍 (RGB) 和多光譜傳感器估計玉米表型性狀的可行性和準確性。分別獲得了四個生長階段的無人機圖像。從RGB圖像中提取可見光波段的反射率、冠層覆蓋率、植物高度（PH）和紋理信息，并從多光譜圖像中計算植被指數。我們比較分析了玉米LAI（葉面積指數）、鮮重（FW）和干重（DW）單特征和多特征的估計精度。基本模型包括嶺回歸 (RR)、支持向量機 (SVM)、隨機森林 (RF)、高斯過程 (GP) 和 K 鄰域網絡 (K-NN)。集成學習模型包括堆疊和貝葉斯模型平均（BMA）。結果表明，集成學習模型提高了玉米表型性狀估計的準確性和穩(wěn)定性。

2020年7月30日獲取的無人機RGB (a)和多光譜(b)圖像。(b)波段組合為近紅外波段、紅色波段和綠色波段。

在從無人機RGB圖像中提取的特征中，通過光譜、結構和紋理的組合特征獲得了最高的精度。利用兩個傳感器的所有特征構建的模型具有最佳的精度。包括疊加和BMA在內的集成學習模型的估計精度高于基本模型， LAI、FW 和 DW 的最佳驗證結果的決定系數 () 分別為 0.852、0.888 和 0.929。因此，基于無人機的多源數據與集成學習模型相結合，可以在小區(qū)尺度上準確估計育種玉米的表型性狀。


返回
上一篇：基于無人機成像、建模和機器學習的小塊區(qū)域葉面積指數無監(jiān)督表型 下一篇：基于高光譜成像和機器學習的遺傳和表型相似玉米品種種子真實性檢測模型
专栏| 通河县| 呼伦贝尔市| 奉化市| 兖州市| 嵩明县| 扎兰屯市| 拉孜县| 高平市| 巴楚县| 上思县| 京山县| 阳曲县| 美姑县| 天长市| 洪雅县| 囊谦县| 鄂伦春自治旗| 邯郸市| 南木林县| 北宁市| 六盘水市| 同心县| 阳山县| 丹江口市| 武功县| 建始县| 保亭| 留坝县| 封开县| 茶陵县| 新闻| 天全县| 昌图县| 广丰县| 奉节县| 永年县| 同心县| 宜章县| 中阳县| 南阳市|