یادگیری عمیق مبتنی بر قطعه: رویکردی جدید برای طبقهبندی نوع محصول کشاورزی با استفاده از تصاویر سنجش از راه دور

با توجه به توسعه روزافزون فناوریهای مبتنی بر یادگیری عمیق در حوزه کشاورزی دقیق، طبقهبندی محصولات زراعی با استفاده از تصاویر سنجش از راه دور به رویکردی محبوب بدل شده است. پژوهش حاضر، یک چارچوب جامع یادگیری ماشین برای طبقهبندی نوع محصولات کشاورزی مبتنی بر تصدانه ارائه میدهد که از شبکه های عصبی پیچشی بهره برده است. با این حال، همواره ضروری نیست که تمامی مسائل این حوزه صرفا با تکیه بر مدلهای عمیق و پرهزینه پردازشی حل شوند گاهی می توان با ابتکار و انتخاب راهکارهای مناسب، از روشهای ساده تر و کم هزینه تر نیز به نتایج مطلوب دست یافت. در پژوهش حاضر، ساختار پروژه، نحوه آماده سازی داده ها و نحوه ارزیابی مدل توضیح داده شده است و کارایی روش پیشنهادشده با معیارهای کمی و کیفی متعارف مورد بررسی قرار گرفته است. نتایج نشان میدهد که انتخاب صحیح استراتژی نمونه گیری و الگوریتم مناسب، می تواند باعث رسیدن به دقت مطلوب در طبقهبندی محصولات با منابع محاسباتی بهینه شود.

کلیدواژه ها:

طبقهبندی محصولات کشاورزی ، شبکه های عصبی پیچشی ، سنجش از راه دور ، یادگیری ماشین ، بهینه سازی منابع