ارائه یک مدل زبان سطح بالای چندوظیفه ای مبتنی بر بینایی برای کشاورزی دقیق مبتنی بر تصاویر پهپاد

در سال های اخیر، استفاده از پهپادها در حوزه کشاورزی دقیق رشد چشم گیری داشته و با تولید حجم عظیمی از داده های تصویری، نیاز به تحلیل هوشمند و سریع این داده ها بیش از پیش احساس می شود. در این مقاله، ما یک مدل زبان سطح بالا مبتنی بر بینایی و یادگیری عمیق را معرفی می کنیم؛ یک مدل زبان-بینایی چندوظیفه ای که به طور خاص برای تفسیر تصاویر پهپادی در کشاورزی طراحی شده است. این مدل با بهره گیری از معماری ترکیبی بین مدل های زبانی بزرگ و مدل های بینایی عمیق، توانایی انجام وظایف مختلف از جمله تشخیص آفات، ارزیابی سلامت گیاه، طبقه بندی پوشش گیاهی و پاسخ به پرسش های توصیفی و تحلیلی بر پایه تصویر را دارد. ما همچنین یک چارچوب آموزش چندمرحله ای برای تطبیق مدل با سناریوهای واقعی کشاورزی ارائه می دهیم. نتایج تجربی نشان می دهد که زبان سطح بالا مبتنی بر بینایی و یادگیری عمیق در مقایسه با روش های سنتی و مدل های موجود، عملکرد بهتری در دقت و تطبیق پذیری با داده های متنوع کشاورزی دارد.

کلیدواژه ها:

کشاورزی دقیق ، مدل های زبان-بینایی ، پهپاد ، یادگیری چندوظیفه ای ، بینایی کامپیوتری