agrotecnologia

Abstrato

Classificação explicável de espécies de árvores com base numa rede neural convolucional usando imagens multiespectrais de um veículo aéreo não tripulado

Ling-Wei Chen, Pin-Hui Lee, Yueh-Min Huang*

Procuramos resolver a escassez de mão-de-obra, em particular o envelhecimento da mão-de-obra das zonas rurais e, assim, facilitar a gestão agrícola. A movimentação e operação de equipamentos agrícolas em Taiwan são complicadas pelo facto de muitas culturas comerciais em Taiwan serem plantadas em encostas. Para culturas mistas nestas áreas agrícolas inclinadas, a identificação de espécies de árvores ajuda na gestão agrícola e reduz a mão-de-obra necessária para as operações agrícolas. As imagens ópticas gerais recolhidas por câmaras de luz visível são suficientes para a gravação, mas produzem resultados abaixo do ideal na identificação de espécies de árvores. A utilização de uma câmara multiespectral permite identificar plantas com base nas suas respostas espectrais. Apresentamos um método para a classificação de espécies de árvores utilizando luz visível de VANT e imagens multiespectrais. Aproveitámos as diferenças nos valores de refletância espectral entre espécies de árvores e utilizámos imagens de banda de infravermelho próximo para melhorar o desempenho de classificação do modelo. Os modelos neurais profundos baseados em CNN são amplamente utilizados e produzem precisões elevadas, mas resultados 100% corretos são difíceis de alcançar e a complexidade do modelo aumenta frequentemente com o desempenho. Isto leva à incerteza sobre as decisões finais do sistema. A IA interpretável extrai informação importante e interpreta-a para produzir uma melhor compreensão das conclusões ou ações do modelo. Utilizámos a visualização (métodos de atribuição de quatro níveis de pixel e um método de atribuição de nível de região) para interpretar o modelo post-hoc. O Fuzzy IG para atribuição ao nível do pixel representa melhor as características de textura, e a atribuição ao nível da região representa as regiões de vida de forma mais eficaz do que a atribuição ao nível do pixel, o que auxilia a compreensão humana.