UAVマルチスペクトルリモートセンシングによる作物分類、強化型ResNet50残差ネットワークの採用

科学分野:

• 農業科学
• コンピュータビジョン
• リモートセンシング

背景:

• ResNet50は、作物特徴抽出のための迅速なトレーニングと高精度を提供します。
• マルチスペクトルデータのバンド相関と冗長性は、分類精度を低下させる可能性があります。
• 標準的なResNet50は、マルチバンドデータおよび高精度、小規模分類の改善が必要です。

研究 の 目的:

• バージニアタバコとトウモロコシを分類するための最適なスペクトルバンドの組み合わせを特定すること。
• 作物分類タスクにおけるパフォーマンスを向上させるためにResNet50モデルを強化すること。
• 分類精度に対するアーキテクチャの変更の影響を評価すること。

主な方法:

• バッチ正規化（BN）、ピラミッドプーリング、および隠れ層を組み込むことによってResNet50モデルを変更しました。
• これらの強化の7つの異なる組み合わせを試しました。
• 精度、精度、リコール、カッパ係数、F1スコアなどの指標を使用して分類パフォーマンスを評価しました。

主要な成果:

• RGB+NIR+Edgeバンドの組み合わせは、バージニアタバコとトウモロコシの分類精度（94.48%）で最高を達成しました。
• BN層を導入するだけで、テストされた戦略の中で最も顕著な改善が得られました。
• 強化されたモデルは、高い精度（94.66%）、リコール（94.48%）、およびF1スコア（94.49%）を示しました。

結論:

• RGB+NIR+Edgeバンドの組み合わせは、強化されたResNet50を使用したバージニアタバコとトウモロコシの分類に最適です。
• バッチ正規化層は、マルチスペクトル作物分類におけるResNet50のパフォーマンスを向上させるために重要です。
• この研究は、深層学習モデルを使用した高精度作物分類のための堅牢な方法論を提供します。