لإعداد البرنامج ، قم بتنزيل Anaconda وتثبيته من موقعه الرسمي على الويب. قم بتشغيل برنامج PyCharm IDE. ثم افتح سطر أوامر موجه Anaconda واكتب conda create n pytorch python = 3.8 لإنشاء بيئة Conda جديدة.
بعد إنشاء البيئة ، أدخل بيئة معلومات conda للتأكد من وجود بيئة PyTorch. افتح موجه Anaconda وقم بتنشيط بيئة PyTorch عن طريق إدخال conda activate pytorch. اكتب nvidia-smi للتحقق من بنية الجهاز الموحد للحوسبة الحالية ، أو CUDA ، الإصدار ، ثم قم بتثبيت PyTorch الإصدار 1.8.1 عن طريق تشغيل الأمر conda install pytorch = 1.8.1 torchvision = 0.9.1 torchaudio = 0.8.1 cudatoolkit = 11.0 c pytorch.
لتشغيل التعرف على النموذج، قم بمعالجة الصور مسبقا لإعدادها لإدخال النموذج. باستخدام الكود المعروض ، قم بتغيير حجم الصور من 280 × 280 بكسل إلى 224 × 224 بكسل ، وقم بتطبيعها للتأكد من أنها تلبي متطلبات حجم النموذج. قم بتدريب نموذج التعرف متعدد الفئات باستخدام مجموعة البيانات التي تم إنشاؤها بالفعل عن طريق تعيين عدد التكرارات إلى 200 ومعدل تعلم أولي يبلغ 0.0001.
قلل معدل التعلم بمقدار الثلث كل 10 تكرارات بحجم دفعة 64. احفظ معلمات النموذج المثلى تلقائيا بعد كل تكرار. انقر بزر الماوس الأيمن واضغط على تشغيل البرنامج النصي.
ثم استخدم نموذج التعرف المدرب بدقة واجتاز الصورة الأصلية بشكل منهجي لأغراض تحديد الهوية. قم بتكوين الخطوات الأفقية والرأسية بدقة عند 280 بكسل لينتج عنها إنشاء خريطة توزيع شاملة ، مع تسليط الضوء على وجود النباتات الغازية داخل حدود منطقة الدراسة. اعرض النتائج المحددة بصريا.
قم بإجراء زيادة بسيطة للبيانات باستخدام اقتصاص عشوائي تم تغيير حجمه ووظائف قلب أفقية عشوائية. لتوسيع مجموعة الصور واستخراج مؤشرات الغطاء النباتي الستة. لضمان التقدير الدقيق للكتلة الحيوية للنباتات الغازية ، قم بإنشاء نموذج انحدار الجار الأقرب K باستخدام المخرجات ومؤشرات الغطاء النباتي المستخرج كمدخلات يمكن ملاحظة Mikania micrantha وهي تتسلق فوق النبات المزين بالزهور البيضاء ، والنباتات الأخرى ، وكذلك الطريق ، والعناصر المصاحبة تم تصويرها بشكل موحد في الخلفية.
تعرف النموذج على الجزء الأحمر باسم Mikania micrantha ، مما يدل على اكتشاف قوي في الخلفيات المعقدة. أظهر تحليل الانحدار أداء تنبؤيا قويا بقيمة R تربيعية تبلغ 0.62 و RMSE تبلغ 10.56 جراما لكل متر مربع. عزز النموذج دقة تقدير الكتلة الحيوية للبابونج ، والتقطت خريطة التوزيع المكاني بشكل فعال توزيع الكتلة الحيوية للبابونج.