Аннотация:
Одной из важных подзадач для оценки и прогнозирования урожайности является картирование культур сельскохозяйственных растений. В последние годы для ее решения активно используются данные дистанционного зондирования, позволяющие оперативно получать информацию о состоянии полей, а также методы искусственного интеллекта. Цель работы — исследование возможностей применения нейросетевых методов для определения культур сельскохозяйственных растений по данным дистанционного зондирования. За основу взяты два различных набора данных: открытый датасет спутниковых снимков PASTIS, а также мозаика аэрофотоснимков Агрофизического научно-исследовательского института, полученная на полях Ленинградской обл. с помощью беспилотной системы Геоскан-401. Использовались пять моделей сегментации (U-Net, U-Net 3+, DeepLabV3, FCN, Swin Transformer) для обучения и оценивалась их производительность на наборе данных спутниковых изображений. Результаты эксперимента показали, что точность моделей U-Net 3+ и U-Net значительно выше, чем других моделей. При этом перенос моделей, обученных на спутниковых изображениях с низким разрешением, на аэрофотоснимки с высоким разрешением для дальнейшего обучения позволил эффективно улучшить производительность моделей.
Ключевые слова:
картирование культур растений, спутниковые снимки, аэрофотосъемка, нейросетевые модели.
Полный текст:
PDF файл (1172 kB)