在一个多维的HSI世界中确保可解释性和维度减少,用于早期XAI诊断植物压力

Maxim Lysov1, Konstantin Pukhkiy1, Evgeny Vasiliev1

  • 1Department of Mathematical Software and Supercomputing Technologies, Lobachevsky University, 603950 Nizhny Novgorod, Russia.

PubMed
概括

本研究介绍了一种可解释的人工智能 (XAI) 模型,用于通过整合超光谱 (HSI) 和热红外 (TIR) 成像来早期检测植物应激. 该模型有效地从HSI数据中预测植物温度,从而能够在小麦中快速诊断干旱压力.