农业技术

抽象的

使用无人机多光谱图像进行可解释的卷积神经网络树种分类

陈凌伟、李品慧、黄跃民*

我们寻求解决劳动力短缺问题，特别是农村地区劳动力的老龄化问题，从而促进农业管理。台湾许多经济作物都种植在山坡上，这导致农业设备的移动和操作变得复杂。对于这种倾斜农耕区的混合作物，树种识别有助于农业管理并减少农业操作所需的劳动力。可见光相机收集的一般光学图像足以记录，但在树种识别方面效果不佳。使用多光谱相机可以根据植物的光谱响应来识别植物。我们提出了一种使用无人机可见光和多光谱图像进行树种分类的方法。我们利用树种之间光谱反射率值的差异，并使用近红外波段图像来提高模型的分类性能。基于 CNN 的深度神经模型被广泛使用并产生高精度，但很难实现 100% 正确的结果，并且模型复杂性通常会随着性能的提高而增加。这导致系统最终决策的不确定性。可解释人工智能提取关键信息并对其进行解释，以便更好地理解模型的结论或行动。我们使用可视化（四种像素级归因方法和一种区域级归因方法）来事后解释模型。像素级归因的模糊 IG 最能代表纹理特征，而区域级归因比像素级归因更有效地代表生命区域，这有助于人类理解。