Key points are not available for this paper at this time.
초록 소형 하이퍼스펙트럼 카메라는 접근성이 높아지고 작아지면서 비점유 항공 시스템(UAS)을 사용하여 농작물을 효율적으로 모니터링할 수 있게 되었습니다. 이 연구의 목표는 신선 및 건물 수량, 건물에서의 질소 농도(Ncont), 건물에서의 유기물 소화성(D 값), 중성 세제 섬유(NDF), 수용성 탄수화물(WSC) 등 잔디 풀밭의 양과 품질 매개변수를 추정하기 위해 UAS 기반 하이퍼스펙트럼 카메라의 성능을 개발하고 평가하는 것이었습니다. 가시-근적외선(VNIR, 400–1000 nm; 224 밴드) 및 단파 적외선(SWIR; 900–1700 nm; 224 밴드) 스펙트럼 범위의 차세대 하이퍼스펙트럼 카메라가 사용되었으며, 일반적으로 사용되는 RGB 및 VNIR 다중 스펙트럼 카메라와 비교했습니다. 구현된 기계 학습 프레임워크는 다양한 매개변수의 가장 유익한 예측 변수를 식별하였고, 각 카메라 및 그 조합에 대해 랜덤 포레스트(RF) 알고리즘을 사용하여 추정 모델을 구축하였습니다. 결과는 정확한 추정을 나타냈으며, 양 매개변수의 가장 좋은 정규화된 평균 제곱근 오차(NRMSE)는 8.40%였고, 품질 매개변수의 가장 좋은 NRMSE는 Ncont의 경우 7.44%, D 값의 경우 1%, NDF의 경우 1.24%, WSC의 경우 12.02%였습니다. 하이퍼스펙트럼 데이터셋이 가장 좋은 결과를 제공했으며, 작물 높이 모델 및 RGB 데이터를 사용할 때 가장 낮은 정확도가 얻어졌습니다. VNIR 및 SWIR 하이퍼스펙트럼 카메라의 통합은 일반적으로 가장 높은 정확도를 제공했습니다. 이 연구는 농업 응용에서 신형 SWIR 범위 하이퍼스펙트럼 UAS 카메라의 성능을 처음으로 보여주었습니다.
Oliveira et al. (Sat,)는 이 질문을 연구하였습니다.