කපු වැදගත් මුදල් බෝගයක් ලෙස සහ කපු රෙදි කර්මාන්තයේ අමුද්‍රව්‍ය, ජනාකීර්ණ ප්‍රදේශ වැඩිවීමත් සමඟ කපු, ධාන්‍ය සහ තෙල් බීජ භෝග ඉඩම් තරඟකාරිත්වය වඩ වඩාත් බරපතල වන අතර, කපු සහ ධාන්‍ය අතුරු බෝග භාවිතය මගින් ධාන්‍ය අතර ඇති පරස්පරතාවය ඵලදායී ලෙස සමනය කළ හැකිය. කපු සහ ධාන්‍ය භෝග වගා කිරීම, එමඟින් බෝගයේ ඵලදායිතාව වැඩි දියුණු කළ හැකි අතර පාරිසරික විවිධත්වය ආරක්ෂා කිරීම යනාදිය. එබැවින්, අන්තර් භෝග මාදිලිය යටතේ කපු වර්ධනය ඉක්මනින් හා නිවැරදිව නිරීක්ෂණය කිරීම ඉතා වැදගත් වේ.
සාරවත් අවස්ථා තුනකදී කපු වල බහු වර්ණාවලි සහ දෘශ්‍ය රූප UAV සවිකර ඇති බහු වර්ණාවලි සහ RGB සංවේදක මගින් ලබාගෙන, ඒවායේ වර්ණාවලි සහ රූප ලක්ෂණ උකහා ගන්නා ලද අතර, බිම කපු පැලවල උස සමඟ ඒකාබද්ධව, කපු වල SPAD ඡන්ද ප්‍රතිගමන ඒකාබද්ධ ඉගෙනීම (VRE) මගින් ඇස්තමේන්තු කර ඇති අතර, සසම්භාවී වනාන්තර ප්‍රතිගාමීත්වය (RFR), අනුක්‍රමය යන ආකෘති තුන සමඟ සසඳන විට Boosted Tree Regression (GBR), සහ Support Vector Machine Regression (SVR). . අපි කපු වල සාපේක්ෂ හරිතප්‍රද අන්තර්ගතය මත විවිධ ඇස්තමේන්තු ආකෘතිවල ඇස්තමේන්තු නිරවද්‍යතාවය ඇගයීමට ලක් කළ අතර, කපු සහ සෝයා බෝංචි අතර අන්තර් භෝග වගාවේ විවිධ අනුපාතවල බලපෑම කපු වර්ධනයට විශ්ලේෂණය කළ අතර, අන්තර් භෝග අනුපාතය තෝරා ගැනීමට පදනමක් සපයන්නෙමු. කපු සහ සෝයා බෝංචි අතර සහ කපු SPAD හි ඉහළ නිරවද්‍ය තක්සේරුව.
RFR, GBR, සහ SVR මාදිලි සමඟ සසඳන විට, VRE මාදිලිය කපු SPAD ඇස්තමේන්තු කිරීමේදී හොඳම ඇස්තමේන්තු ප්‍රතිඵල පෙන්වයි. VRE ඇස්තමේන්තු ආකෘතිය මත පදනම්ව, බහු වර්ණාවලි රූප ලක්ෂණ, දෘශ්‍ය රූප ලක්ෂණ සහ ආදාන ලෙස ශාක උස විලයනය සහිත ආකෘතියට R2, RMSE, සහ RPD පිළිවෙළින් 0.916, 1.481, සහ 3.53 යන පරීක්ෂණ කට්ටලය සමඟ ඉහළම නිරවද්‍යතාවය තිබුණි.
බහු-මූලාශ්‍ර දත්ත ඒකාබද්ධ කිරීම ඡන්ද ප්‍රතිගාමී ඒකාබද්ධ කිරීමේ ඇල්ගොරිතම සමඟ ඒකාබද්ධව කපු වල SPAD ඇස්තමේන්තු කිරීම සඳහා නව සහ ඵලදායී ක්‍රමයක් සපයන බව පෙන්වා දෙන ලදී.
පසු කාලය: දෙසැම්බර්-03-2024