कृषि प्रौद्योगिकी

अमूर्त

मानव रहित हवाई वाहन से प्राप्त मल्टीस्पेक्ट्रल छवियों का उपयोग करके व्याख्या योग्य कन्वोल्यूशनल न्यूरल नेटवर्क आधारित वृक्ष प्रजाति वर्गीकरण

लिंग-वेई चेन, पिन-हुई ली, यूह-मिन हुआंग*

हम श्रम की कमी, विशेष रूप से ग्रामीण क्षेत्रों के वृद्ध कार्यबल को संबोधित करना चाहते हैं और इस प्रकार कृषि प्रबंधन को सुविधाजनक बनाना चाहते हैं। ताइवान में कृषि उपकरणों की आवाजाही और संचालन इस तथ्य से जटिल है कि ताइवान में कई वाणिज्यिक फसलें पहाड़ियों पर लगाई जाती हैं। ऐसे ढलान वाले कृषि क्षेत्रों में मिश्रित फसलों के लिए, वृक्ष प्रजातियों की पहचान कृषि प्रबंधन में सहायता करती है और खेती के संचालन के लिए आवश्यक श्रम को कम करती है। दृश्य-प्रकाश कैमरों द्वारा एकत्र की गई सामान्य ऑप्टिकल छवियाँ रिकॉर्डिंग के लिए पर्याप्त हैं, लेकिन वृक्ष प्रजातियों की पहचान में उप-इष्टतम परिणाम देती हैं। मल्टीस्पेक्ट्रल कैमरे का उपयोग करके पौधों को उनकी वर्णक्रमीय प्रतिक्रियाओं के आधार पर पहचानना संभव है। हम यूएवी दृश्य प्रकाश और मल्टीस्पेक्ट्रल इमेजरी का उपयोग करके वृक्ष प्रजातियों के वर्गीकरण के लिए एक विधि प्रस्तुत करते हैं। हम वृक्ष प्रजातियों के बीच वर्णक्रमीय परावर्तन मूल्यों में अंतर का लाभ उठाते हैं और मॉडल के वर्गीकरण प्रदर्शन को बेहतर बनाने के लिए निकट अवरक्त बैंड छवियों का उपयोग करते हैं। CNN आधारित डीप न्यूरल मॉडल व्यापक रूप से उपयोग किए जाते हैं और उच्च सटीकता देते हैं, लेकिन 100% सही परिणाम प्राप्त करना मुश्किल है, और मॉडल की जटिलता आम तौर पर प्रदर्शन के साथ बढ़ती है। इससे सिस्टम के अंतिम निर्णयों के बारे में अनिश्चितता होती है। व्याख्या करने योग्य AI मुख्य जानकारी निकालता है और मॉडल के निष्कर्षों या कार्यों की बेहतर समझ प्राप्त करने के लिए इसकी व्याख्या करता है। हम मॉडल को पोस्ट-हॉक व्याख्या करने के लिए विज़ुअलाइज़ेशन (चार पिक्सेल लेवल एट्रिब्यूशन विधियाँ और एक क्षेत्र स्तरीय एट्रिब्यूशन विधि) का उपयोग करते हैं। पिक्सेल लेवल एट्रिब्यूशन के लिए फ़ज़ी आईजी सबसे अच्छी तरह से बनावट सुविधाओं का प्रतिनिधित्व करता है, और क्षेत्र स्तरीय एट्रिब्यूशन पिक्सेल लेवल एट्रिब्यूशन की तुलना में जीवन क्षेत्रों को अधिक प्रभावी ढंग से दर्शाता है, जो मानव समझ में सहायता करता है।