Determinarea densității plantelor de grâu de iarnă: Predicții robuste în condiții agronomice variate folosind imagistică RGB multiscală

Densitatea plantelor de cereale este un factor agronomic crucial care afectează gestionarea resurselor și producția.

Acest studiu a automatizat estimarea densității grâului folosind imagini multiscale obținute din teren și de la Vehicule Aeriene Necontrolate (UAV) la distanțe de 15, 30 și 50 m.

Realizat pe parcursul a două sezoane agronomice (2022 și 2023) cu diferite profile de apă, a analizat trei genotipuri de grâu (cv.

Bologna, Hondia și Marcopolo) semănate la cinci densități, variind de la 35 la 560 semințe m-2.

Imagini colectate prin senzori RGB în diverse stadii de dezvoltare Haun (de la 2.6 la 12.2) au furnizat date pentru calcularea a 15 Indici de Vegetație (VIs), care, împreună cu Componentele Lor Principale (PCs), au fost utilizate ca intrări pentru modelele de regresie Ridge și Regresie pe Componente Principale (PCR).

Antrenamentul a fost realizat pe seturile de date din 2022 utilizând validarea încrucișată 4-fold, 10-repete pentru a determina cele mai predictive stadii de creștere, stadiile Haun 5.3 până la 7.3 dând cele mai bune rezultate, indiferent de rezoluție.

Testarea pe seturile de date din 2023 a arătat că modelele Ridge au depășit constant modelele PCR, în special pentru intervalele de densitate medie și mare (140–560 semințe m-2), deși au avut o performanță mai slabă la densități mai mici, ceea ce a dus la excluderea lor din datele de testare.

Cel mai performant model Ridge, antrenat pe stadiile Haun 7.1–7.3 la 50 m (1.18 cm pixel-1), a realizat o eroare procentuală medie absolută (MAPE) între 17.91% și 28.54% (0.9 – 0.68 R2) în cadrul diferitelor seturi de testare, având o performanță stabilă pe parcursul diferitelor rezoluții și stadii (4.4 – 4.8).

Aceste constatări arată capacități de predicție robuste pe un interval de dezvoltare mai larg și din cea mai mică rezoluție înregistrată, în special atunci când acoperirea vegetației este abundentă.

Studiul subliniază practicitatea imaginilor RGB de mare viteză pentru estimarea densității plantelor într-un mod scalabil, flexibil și accesibil..