UAV-Based LiDAR and Multispectral Imaging for Estimating Dry Bean Plant Height, Lodging and Seed Yield
Notice bibliographique
Résumé
Dry bean, the fourth-largest pulse crop in Canada is increasingly impacted by climate variability, needing efficient methods to support cultivar development. This study investigates the potential of unmanned aerial vehicle (UAV)-based Light Detection and Ranging (LiDAR) and multispectral imaging (MSI) for high-throughput phenotyping of dry bean traits. Image data were collected across two dry bean field trials to assess plant height, lodging and seed yield. Multiple LiDAR-derived features accessing canopy height, crop lodging and digital biomass were evaluated against manual height measurements, visually rated lodging scale and seed yield, respectively. At the same time, three MSI-derived data were used to estimate seed yield. Classification- and regression-based machine learning models were used to estimate key agronomic traits using both LiDAR and MSI-based crop features. The canopy height derived from LiDAR showed a good correlation (R2 = 0.86) with measured plant height at the mid-pod filling (R6) stage. Lodging classification was most effective using Gradient Boosting, Random Forest and Logistic Regression, with R8 (physiological maturity stage) canopy height being the dominant predictor. For seed yield prediction, models integrating LiDAR and MSI outperformed individual datasets, with Gradient Boosting Regression Trees yielding the highest accuracy (R2 = 0.64, RMSE = 687.2 kg/ha and MAE = 521.6 kg/ha). Normalized Difference Vegetation Index (NDVI) at the R6 stage was identified as the most informative spectral feature. Overall, this study demonstrates the importance of integrating UAV-based LiDAR and MSI for accurate, non-destructive phenotyping in dry bean breeding programs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».