ТОПЫРАҚ ЖАҒДАЙЫН БАҒАЛАУ ҮШІН ҚОЛДАНЫЛАТЫН ҒАРЫШТЫҚ СУРЕТТЕРДІ ӨҢДЕУ АЛГОРИТМДЕРІ МЕН ӘДІСТЕРІ

Аннотация

В данной статье рассматриваются исследования, проводимые в области дистанционного зондирования Земли и использования космических снимков. Целью данного исследования является использование алгоритма нейронных сетей при определении почвенных условий. В ходе исследования использовались несколько методов обработки пространственных изображений: логистическая регрессия, метод опорных векторов (SVM), принадлежащий линейным классификаторам, полиномиальная и радиальная базисная сеть RBF, метод наивного Байеса и K-ближайших соседей (KNN). По каждому из этих методов эрозия почв классифицируется по типам почв, по ним создается модель и анализируются результаты классификации данных испытаний. Глядя на результаты, было установлено, что каждый метод имеет свои особенности. Один из методов может лучше всего подходить для влажных почв, а другой лучше всего подходит для заболоченных почв. А для некоторых типов почв все методы показали низкие результаты. Но по точности метод KNN оказался лучшим среди шести протестированных методов с точностью 90%, а второй метод оказался на 2,5% точнее полиномиального SVM. Рассмотрены возможности применения результатов обработки космических изображений, полученных дистанционным зондированием земли, в сельскохозяйственной практике. Результаты могут быть использованы в области сельского хозяйства, при анализе необходимых данных.

В частности, статья направлена ​​на сравнение традиционных методов сбора данных с современными методами с использованием результатов дистанционного зондирования в глубоком обучении, чтобы помочь производителям принимать оптимизированные и устойчивые сельскохозяйственные решения.