Zapraszamy do lektury artykułu pt. Quantitative and Qualitative Analysis of Agricultural Fields Based on Aerial Multispectral Images Using Neural Networks w czasopiśmie MDPI Sensors, który opisuje wyniki prac zespołu badawczego w składzie: Strzępek K., Salach M., Trybus B., Siwiec K., Pawłowicz B., Paszkiewicz A.
Abstrakt:
Niniejszy artykuł przedstawia zintegrowany system, który wykorzystuje możliwości bezzałogowych statków powietrznych (UAV) do przeprowadzania kompleksowej analizy upraw, łącząc oceny jakościowe i ilościowe w celu efektywnego zarządzania rolnictwem. Model oparty na konwolucyjnej sieci neuronowej, Detectron2, służy jako podstawa do wykrywania i segmentacji obiektów zainteresowania na pozyskanych zdjęciach lotniczych. Model ten został wytrenowany na zbiorze danych przygotowanym przy użyciu formatu COCO, który zawiera różnorodne obiekty z adnotacjami. Architektura systemu obejmuje frontend i komponent backendu. Frontend ułatwia interakcję użytkownika i dodawanie adnotacji do obiektów na obrazach wielospektralnych. Backend obejmuje ładowanie obrazów, zarządzanie projektami, obsługę wielokątów i przetwarzanie obrazów wielospektralnych. W przypadku analizy jakościowej użytkownicy mogą wyznaczać obszary zainteresowania za pomocą wielokątów, które są następnie poddawane analizie przy użyciu znormalizowanego wskaźnika różnicy roślinności (NDVI) lub zoptymalizowanego wskaźnika roślinności dostosowanego do gleby (OSAVI). Do analizy ilościowej system wykorzystuje wstępnie wyszkolony model zdolny do wykrywania obiektów, umożliwiający zliczanie i lokalizowanie określonych obiektów, ze szczególnym uwzględnieniem młodych upraw sałaty. Jakość predykcji modelu została obliczona przy użyciu metryki AP (Average Precision). Wyszkolona sieć neuronowa wykazała się solidną wydajnością w wykrywaniu obiektów, nawet na małych obrazach.
Więcej szczegółów znajduje się na stronie internetowej: https://www.mdpi.com/1424-8220/23/22/9251
