Данные UAV-съёмки и машинное обучение: движущееся слияние для предиктивного анализа качественного урожая сахарного тростника

Мы собирали данные беспилотной авиационной съёмки (UAV) одновременно с определением °Brix и аналитической чистоты (Purity) сокового образца в рутинной лаборатории. Затем мы протестировали набор алгоритмов машинного обучения (ML) — множественную линейную регрессию (MLR), случайный лес (RF), дерево решений (DT) и метод опорных векторов (SVM) — на предмет адекватности и сложности при прогнозировании °Brix и Purity на основе отдельных спектральных полос, вегетационных индексов (VIs) и накопленных температур (growing degree days, GDD). Мы получили свидетельства существования биофизических функций, точно предсказывающих °Brix и Purity, обеспечивая по меньшей мере примерно 80% адекватности моделям. Следовательно, наше исследование представляет прогресс в оценке и мониторинге сахарного тростника в промышленном масштабе. Наши результаты могут предоставить заинтересованным сторонам возможности для разработки предписывающих стратегий уборки урожая и ресурсосберегающих высокоэффективных производственных линий для побочных продуктов.