Combining UAV Multispectral Data & Crop Morphological Features for Sunflower Oil Content Estimation
Rattachement africain : pk, au, de. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Accurate pre-harvest estimation of seed composition is imperative for advancing field management practices and refining plant phenotyping approaches. This research pioneers the utilization of artificial intelligence (AI) methods built upon crop morphological and unmanned aerial vehicle (UAV) multispectral data to estimate sunflower seed oil content in standing crops. Using a synergistic approach, 12 vegetation indices (VIs) are merged with plant height, canopy area, and canopy volume through automated machine learning (ML) approaches. Key findings highlight: (1) ability to estimate seed oil content with UAV multispectral imagery; (2) contribution of remotely sensed morphological features; (3) advantage of assimilating (VIs) and crop morphological data across all ML models. This integrated approach exhibits an improved Root Mean Squared Error (RMSE) of 1.376 for sunflower seed oil content. Among the evaluated AI methods, Gradient Boosting Regressor (GBR) yields optimal performance.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé, mais le titre doit être comparé manuellement.
- Titre Crossref
- Combining UAV Multispectral Data & Crop Morphological Features for Sunflower Oil Content Estimation
- Date Crossref
- 03/08/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
National University of Sciences and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Australian Catholic University pays non établi dans la noticeUniversité ou école supérieure
-
University of Kaiserslautern pays non établi dans la noticeUniversité ou école supérieure
-
Rheinland-Pfä pays non établi dans la noticeInstitution
National University of Sciences and Technology, Australian Catholic University et University of Kaiserslautern, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.