利用無人機(jī)(UAV)圖像對表型性狀進(jìn)行高通量估計有助于提高育種玉米的篩選效率。在小區(qū)尺度上準(zhǔn)確估計育種玉米的表型性狀有助于促進(jìn)特定性狀的基因挖掘，為加速優(yōu)良品種選育提供保障。建立高效、準(zhǔn)確的無人機(jī)多傳感器數(shù)據(jù)估計模型是無人機(jī)多傳感器數(shù)據(jù)應(yīng)用的關(guān)鍵。


本研究旨在應(yīng)用集成學(xué)習(xí)模型來提高使用基于無人機(jī)的紅綠藍(lán) (RGB) 和多光譜傳感器估計玉米表型性狀的可行性和準(zhǔn)確性。分別獲得了四個生長階段的無人機(jī)圖像。從RGB圖像中提取可見光波段的反射率、冠層覆蓋率、植物高度（PH）和紋理信息，并從多光譜圖像中計算植被指數(shù)。我們比較分析了玉米LAI（葉面積指數(shù)）、鮮重（FW）和干重（DW）單特征和多特征的估計精度?；灸Ｐ桶◣X回歸 (RR)、支持向量機(jī) (SVM)、隨機(jī)森林 (RF)、高斯過程 (GP) 和 K 鄰域網(wǎng)絡(luò) (K-NN)。集成學(xué)習(xí)模型包括堆疊和貝葉斯模型平均（BMA）。結(jié)果表明，集成學(xué)習(xí)模型提高了玉米表型性狀估計的準(zhǔn)確性和穩(wěn)定性。

在從無人機(jī)RGB圖像中提取的特征中，通過光譜、結(jié)構(gòu)和紋理的組合特征獲得了最高的精度。利用兩個傳感器的所有特征構(gòu)建的模型具有最佳的精度。包括疊加和BMA在內(nèi)的集成學(xué)習(xí)模型的估計精度高于基本模型， LAI、FW 和 DW 的最佳驗(yàn)證結(jié)果的決定系數(shù) () 分別為 0.852、0.888 和 0.929。因此，基于無人機(jī)的多源數(shù)據(jù)與集成學(xué)習(xí)模型相結(jié)合，可以在小區(qū)尺度上準(zhǔn)確估計育種玉米的表型性狀。