近日，beat365中文官方网站吕新教授团队在基于无人机RGB图像进行机采棉脱叶效果监测及综合评价方面取得重要研究进展，研究成果以“Monitoring defoliation rate and boll-opening rate of machine-harvested cotton based on UAV RGB images”（基于无人机RGB图像的机采棉脱叶率和吐絮率监测）发表在欧洲农学学会的官方期刊European Journal of Agronomy上（中科院一区，IF=5.2，TOP期刊）。

喷施脱叶剂是棉花机械采收前的关键步骤，脱叶效果是决定棉花最佳采收时间的关键因素，不适宜的机采时间会降低棉花的产量和品质。因此，快速准确地估计脱叶率和吐絮率是评价机采棉脱叶效果的关键。本研究旨在利用无人机获取高分辨率RGB图像，利用相关系数(Cor)、最大信息系数(MIC)和随机森林(RF)筛选可见光植被指数、色彩空间参数和纹理特征。采用多元逐步回归(MSR)、核脊回归(KRR)、极限学习机(ELM)和粒子群优化极限学习机(PSO-ELM)算法构建机采棉的脱叶率和吐絮率监测模型。利用主成分分析算法，构建了落叶效应综合评价指标，为机采棉的时间确定提供理论支撑和方法支持。结果表明：结果表明:(1)基于RF_PSO-ELM构建的脱叶率(R²=0.59,RMSE=19.37%， rRMSE=34.54%)和吐絮率(R²=0.73,RMSE=19.11%， rRMSE=46.40%)监测模型精度最优;(2)以落叶率、开铃率和产量为指标结合主成分分析构建机采棉脱叶效果综合评价指标PCA1，确定当PCA1值大于1.3225为最佳采收时间。其结果在判断采收时间方面具有一定潜力，可为规模化生产条件下机采棉采收时间的精准评估提供方法支撑。

本文的第一作者为beat365中文官方网站博士研究生马怡茹，通讯作者为beat365中文官方网站张泽副教授和吕新教授。团队一直致力于棉花表型监测与智慧管理的研究与应用工作，该研究得到了国家自然科学基金、自治区“天山英才”等项目的资助。

（ 通讯员：王赠霖 ）