無人航空機(UAV)から得られたデータを用いた ミカニア・ミクランサ の同定とバイオマス推定

ソフトウェアを準備するには、公式WebサイトからAnacondaをダウンロードしてインストールします。PyCharm IDEプログラムを起動します。次に、Anaconda プロンプトのコマンドラインを開き、「conda create n pytorch python=3.8」と入力して新しい Conda 環境を作成します。

環境が作成されたら、「conda info envs」と入力して、PyTorch 環境が存在することを確認します。Anaconda プロンプトを開き、「conda activate pytorch」と入力して PyTorch 環境をアクティブ化します。nvidia-smi と入力して現在の Compute Unified Device Architecture (CUDA) バージョンを確認し、コマンド conda install pytorch=1.8.1 torchvision=0.9.1 torchaudio=0.8.1 cudatoolkit=11.0 c pytorch を実行して PyTorch バージョン 1.8.1 をインストールします。

モデル認識を実行するには、画像を前処理してモデル入力用に準備します。表示されたコードを使用して、画像のサイズを 280 x 280 ピクセルから 224 x 224 ピクセルに変更し、モデル サイズの要件を満たすように正規化します。既に作成されているデータセットを使用して多クラス認識モデルをトレーニングするには、イテレーション数を 200 に設定し、初期学習率を 0.0001 に設定します。

バッチ サイズを 64 にして、10 回の反復ごとに学習率を 1 分の 1 ずつ減らします。各反復後、最適なモデル パラメーターを自動的に保存します。右クリックして [スクリプトの実行] を押します。

次に、細心の注意を払って訓練された認識モデルを採用し、識別のために元の画像を体系的にトラバースします。水平ステップと垂直ステップを 280 ピクセルで正確に構成すると、包括的な分布マップが生成され、分析範囲の境界内に侵入する植物相の存在が強調表示されます。選択した結果を視覚的に表示します。

ランダムなサイズ変更された切り抜きとランダムな水平方向の反転機能を使用して、簡単なデータ拡張を実行します。画像セットを拡張し、6 つの植生指数を抽出します。侵入植物のバイオマスを正確に推定するために、出力と抽出された植生指数を入力としてK最近傍回帰モデルを作成し、白い花で飾られた植物、他の植物、道路の上に登るMikania micranthaを観察することができ、付随する要素を背景に均一に描写しました。

モデルは赤い部分をMikania micranthaとして認識し、複雑な背景で堅牢な検出を示しました。回帰分析では、R二乗値が0.62、RMSEが10.56グラム/平方メートルという強力な予測性能が示されました。このモデルにより、カモミールバイオマスの推定精度が向上し、空間分布マップはカモミールバイオマスの分布を効果的に捉えました。