무인 항공기(UAV)에서 얻은 데이터를 사용한 Mikania micrantha 의 식별 및 바이오매스 추정

소프트웨어를 준비하려면 공식 웹 사이트에서 Anaconda를 다운로드하여 설치하십시오. PyCharm IDE 프로그램을 시작합니다. 그런 다음 Anaconda 프롬프트 명령줄을 열고 conda create n pytorch python=3.8을 입력하여 새 Conda 환경을 만듭니다.

환경을 만든 후 conda info envs를 입력하여 PyTorch 환경이 있는지 확인합니다. Anaconda 프롬프트를 열고 conda activate pytorch를 입력하여 PyTorch 환경을 활성화합니다. nvidia-smi를 입력하여 현재 CUDA 버전인 Compute Unified Device Architecture를 확인한 다음, conda install pytorch=1.8.1 torchvision=0.9.1 torchaudio=0.8.1 cudatoolkit=11.0 c pytorch 명령을 실행하여 PyTorch 버전 1.8.1을 설치합니다.

모델 인식을 실행하려면 이미지를 사전 처리하여 모델 입력을 준비합니다. 표시된 코드를 사용하여 이미지의 크기를 280 x 280 픽셀에서 224 x 224 픽셀로 조정하고 모델 크기 요구 사항을 충족하도록 정규화합니다. 반복 횟수를 200으로 설정하고 초기 학습률을 0.0001로 설정하여 이미 생성된 데이터 세트로 다중 클래스 인식 모델을 학습시킵니다.

배치 크기가 64인 경우 10회 반복할 때마다 학습률을 1/3씩 줄입니다. 각 반복 후에 최적의 모델 매개변수를 자동으로 저장합니다. 마우스 오른쪽 버튼을 클릭하고 run script를 누릅니다.

그런 다음 꼼꼼하게 훈련된 인식 모델을 사용하고 식별을 위해 원본 이미지를 체계적으로 탐색합니다. 수평 및 수직 단계를 280픽셀에서 정확하게 구성하여 포괄적인 분포 지도를 생성하여 연구 영역 경계 내에 침입성 식물군의 존재를 강조합니다. 선택한 결과를 시각적으로 표시합니다.

무작위 크기 조정 자르기 및 무작위 수평 대칭 이동 기능을 사용하여 간단한 데이터 증강을 수행합니다. 을 클릭하여 영상 세트를 확장하고 6개의 식생 지수를 추출합니다. 침입 식물의 바이오매스를 정확하게 추정하기 위해 출력과 추출된 식생 지수를 입력으로 사용하여 K-최근접 이웃 회귀 모델을 만듭니다. Mikania micrantha는 흰 꽃으로 장식된 식물 꼭대기를 오르는 것을 관찰할 수 있었고, 다른 식물과 도로, 그리고 동반 요소가 배경에 균일하게 묘사되었습니다.

이 모델은 빨간색 부분을 Mikania micrantha로 인식하여 복잡한 배경에서 강력한 감지를 보여주었습니다. 회귀 분석은 R 제곱 값이 0.62이고 RMSE가 제곱미터당 10.56g으로 강력한 예측 성능을 보여주었습니다. 이 모델은 카모마일 바이오매스 추정의 정확도를 향상시켰으며, 공간 분포 맵은 카모마일 바이오매스의 분포를 효과적으로 포착했습니다.