Dynamic thermal imaging for crop water stress detection across phenological stages: Enhancing irrigation scheduling precision
综述物候期对热成像CWSI阈值的影响，提出物候感知灌溉调度框架。
← 主题
#作物水分胁迫
Comparative Scrutiny of Okra Lines for Water Stress by Plant Leaf Temperature Using Thermal Imaging
用热成像测叶片温度，比较10个秋葵品系在四种水分亏缺下的响应差异。
International Journal for Research in Applied Science and Engineering Technology·9月21日 · 周一63 分 论文智慧农业 / 农业物联网阅读 4
Determination of Water Stress in Okra Plants Using Canopy Temperature Measurement by Infrared Thermometer
用红外测温仪测秋葵冠层温度并结合随机森林，实现水分胁迫的早期无损分类。
Estimation of Agricultural Vegetation Water Stress Using Feature-Optimized Remote Sensing and Ensemble Machine Learning
Estimation of Agricultural Vegetation Water Stress Using Feature-Optimized Remote Sensing and Ensemble Machine Learning。Smart Agricultural Technology
Reinforcement Learning加Visual SLAM融合高光谱成像实现精准农业UAV作物水分胁迫自动检测:92%检测率vs固定路径61%,飞行时间减32%
Arsalan Iqbal在《engrXiv》预印本平台发布研究,提出一种基于强化学习引导的自主四旋翼无人机平台,融合机载视觉同步定位与建图(Visual SLAM)与推扫式高光谱成像载荷,在近实时构建地理参考的、冠层配准的作物水分胁迫指数(CWSI)地图。平台采用近端策略优化(PPO)训练的自适应采样策略,根据飞行中积累的证据将飞行时间和传感器驻留时间重新分配到新兴水分胁迫区域。在0.8公顷试验田模拟田间试验中,强化学习引导策略实现了92%的水分胁迫区域检测率(固定网格基线为61%),同时任务飞行时间减少约32%。研究还报告了SLAM衍生的冠层结构对CWSI精度的贡献消融研究、田间复杂性敏感性和全误差预算分析。注:本研究为预印本,未经实地验证。