Агротехника

Абстрактный

Объяснимая классификация видов деревьев на основе сверточной нейронной сети с использованием многоспектральных изображений с беспилотного летательного аппарата

Лин-Вэй Чен, Пин-Хуэй Ли, Юэ-Мин Хуан*

Мы стремимся решить проблему нехватки рабочей силы, в частности, старения рабочей силы в сельских районах, и таким образом облегчить управление сельским хозяйством. Перемещение и эксплуатация сельскохозяйственного оборудования на Тайване осложняются тем фактом, что многие коммерческие культуры на Тайване высаживаются на склонах холмов. Для смешанных культур в таких наклонных сельскохозяйственных районах идентификация видов деревьев помогает в управлении сельским хозяйством и сокращает трудозатраты, необходимые для сельскохозяйственных операций. Общие оптические изображения, полученные с помощью камер видимого света, достаточны для записи, но дают неоптимальные результаты при идентификации видов деревьев. Использование многоспектральной камеры позволяет идентифицировать растения на основе их спектральных реакций. Мы представляем метод классификации видов деревьев с использованием видимого света и многоспектральных изображений с БПЛА. Мы используем различия в значениях спектрального отражения между видами деревьев и используем изображения в ближнем инфракрасном диапазоне для улучшения характеристик классификации модели. Глубокие нейронные модели на основе CNN широко используются и дают высокую точность, но 100% правильных результатов трудно достичь, а сложность модели обычно увеличивается с производительностью. Это приводит к неопределенности относительно окончательных решений системы. Интерпретируемый ИИ извлекает ключевую информацию и интерпретирует ее, чтобы лучше понять выводы или действия модели. Мы используем визуализацию (четыре метода атрибуции на уровне пикселей и один метод атрибуции на уровне регионов) для интерпретации модели post-hoc. Нечеткий IG для атрибуции на уровне пикселей лучше всего представляет особенности текстуры, а атрибуция на уровне регионов представляет регионы жизни более эффективно, чем атрибуция на уровне пикселей, что способствует пониманию человеком.