استفاده از بینایی ماشین و یادگیری عمیق برای تشخیص تخریب جنگل ها از تصاویر ماهواره ای و پهپادی

هدف پژوهش: تخریب جنگل ها یکی از مهم ترین چالش های زیست محیطی عصر حاضر به شمار می رود که پیامدهای گسترده ای بر اقلیم، تنوع زیستی و چرخه های طبیعی دارد. پایش سنتی این تخریب ها به دلیل وسعت مناطق جنگلی، هزینه بر و زمان بر است. هدف این پژوهش، طراحی یک چارچوب هوشمند مبتنی بر بینایی ماشین و یادگیری عمیق برای تشخیص خودکار تخریب جنگل ها با استفاده از تصاویر ماهواره ای و پهپادی است. روش پژوهش: در این تحقیق از تصاویر ماهواره ای Landsat و Sentinel و همچنین تصاویر پهپادی با وضوح بالا استفاده شد. پس از مرحله پیش پردازش شامل اصلاح نویز، افزایش کنتراست و هم ترازی مکانی، داده ها وارد شبکه های عصبی کانولوشنی عمیق شامل CNN و ResNet شدند. فرآیند آموزش با داده های برچسب خورده تخریب و عدم تخریب انجام گرفت. یافته ها: نتایج نشان داد مدل ResNet با دقت بالای ۹۴ درصد توانایی بسیار مناسبی در تشخیص نواحی تخریب شده دارد. همچنین استفاده همزمان از تصاویر ماهواره ای و پهپادی باعث افزایش قابل توجه دقت تشخیص مرزهای تخریب شد. بحث: ترکیب داده های چندمقیاسی و معماری های عمیق باعث کاهش خطای تشخیص در مناطق پوشیده از ابر و نواحی نیمه تخریب شده گردید. نتیجه گیری: سامانه پیشنهادی می تواند به عنوان یک ابزار تصمیم یار کارآمد در مدیریت منابع طبیعی، پایش تخریب جنگل ها و برنامه ریزی حفاظتی مورد استفاده قرار گیرد و نقش مهمی در کاهش خسارات زیست محیطی ایفا نماید.

کلیدواژه ها:

بینایی ماشین ، یادگیری عمیق ، تصاویر ماهواره ای ، تصاویر پهپادی ، تشخیص تخریب جنگل ، پردازش تصویر