УДОСКОНАЛЕННЯ МЕТОДІВ ДИСТАНЦІЙНОГО РОЗПІЗНАВАННЯ ПОШИРЕННЯ ІНВАЗІЙНИХ ВИДІВ РОСЛИН В КОНТЕКСТІ ОЦІНЮВАННЯ ПОТЕНЦІЙНИХ ЗБИТКІВ НАВКОЛИШНЬОМУ СЕРЕДОВИЩУ ТА СІЛЬСЬКОМУ ГОСПОДАРСТВУ

Анотація

Файфура В.В., Співак І.Я., Файфура В.В. УДОСКОНАЛЕННЯ МЕТОДІВ ДИСТАНЦІЙНОГО РОЗПІЗНАВАННЯ ПОШИРЕННЯ ІНВАЗІЙНИХ ВИДІВ РОСЛИН В КОНТЕКСТІ ОЦІНЮВАННЯ ПОТЕНЦІЙНИХ ЗБИТКІВ НАВКОЛИШНЬОМУ СЕРЕДОВИЩУ ТА СІЛЬСЬКОМУ ГОСПОДАРСТВУ 

Мета. Підвищення ефективності методів дистанційного розпізнавання поширення інвазійних видів рослин задля оцінювання потенційних економічних збитків навколишньому середовищу та сільському господарству на основі застосування інтелектуальних систем спостереження.

Методи дослідження. У дослідженні застосовані наступні методи: монографічний – для вивчення літературних джерел; метод машинного навчання – для тренування моделі; тристоронній метод оцінки точності моделі та статистичний аналіз – для порівняння результатів розпізнавання; базові (традиційні) методи для покращення зображень; градієнтна обробка зображень (пуассонівське змішування) – для об’єднання картинок.

Результати дослідження. Розроблено і запропоновано модель підвищення ефективності методів дистанційного розпізнавання поширення інвазійних видів рослин. Проведено порівняння результативності запропонованої моделі з моделлю, яка заснована на традиційних методах  аугментації зображень. Виявлено, що  метод CAIPIS, який лежить в основі моделі, досягає значно вищих результатів у виявленні інвазійних видів рослин, особливо за умов обмеженого набору даних. Крім того, метод допомагає підвищити надійність та узагальненість комп’ютерних моделей глибокого навчання для виявлення поширення інвазійних видів рослин. Метод CAIPIS дає змогу створює урізноманітнити та зробити реалістичнішими навчальні вибірки, що сприяє поліпшенню узагальнюючих здібностей моделі глибокого навчання при виявленні інвазійних рослин на аерофотознімках сільськогосподарських полів та екосистем, отриманих за допомогою безпілотних літальних апаратів.

Наукова новизна результатів дослідження. Представлено новий метод покращення (аугментації) надземних зображень полів сільськогосподарських культур, який має на меті покращити ефективність моделей виявлення інвазійних рослин шляхом створення різноманітних і реалістичних навчальних зразків та збільшення варіативності навчального набору даних для покращення продуктивності таких моделей.

Практична значимість результатів дослідження. Застосування методу покращення (аугментації) надземних зображень підвищить ефективність контролю за розповсюдженням інвазійних шкідників в екосистемах.

Ключові слова: інвазійні види, фітоінвазія, аугментація, розпізнавання, дистанційне зондування.

Faifura V.V., Spivak I.Ya., Faifura V.V. IMPROVEMENT OF REMOTE SENSING METHODS OF THE SPREAD OF INVASIVE PLANT SPECIES IN THE CONTEXT OF ASSESSING POTENTIAL DAMAGE TO THE ENVIRONMENT AND AGRICULTURE

Purpose. The aim of the article is to increase the efficiency of methods of spread of invasive plant species remote sensing to assess potential economic damage to the environment and agriculture through the use of intelligent surveillance systems.

Methodology of research. The following methods were used in the study: monographic – for studying literature sources; machine learning method – for model training; three-way data split method for assessing model accuracy and statistical analysis for comparing recognition results; basic (traditional) methods for image enhancement; gradient image processing (Poisson mixing) – for image fusion.

Findings. A model for improving the efficiency of methods for remote recognition of the spread of invasive plant species was developed and proposed. The performance of the proposed model was compared with the model based on traditional image augmentation methods. It was found that the CAIPIS method, which is the basis of the model, achieves significantly higher results in detecting invasive plant species, especially when the data set is limited. In addition, the method helps to increase the reliability and generalization of deep-learning models for detecting the spread of invasive plant species. The CAIPIS method provides means to create more diverse and realistic training samples, which helps to improve the generalization ability of the deep learning model in detecting invasive plants in aerial imagery of agricultural fields and ecosystems obtained using unmanned aerial vehicles.

Originality. A new method for enhancing (augmenting) aerial images of crop fields is presented, which aims to improve the performance of invasive plant detection models by creating diverse and realistic training samples and increasing the variability of the training dataset to improve the performance of such models.

Practical value. The application of the aerial images enhancement (augmentation) method will increase the effectiveness of controlling the spread of invasive pests in ecosystems.

Key words: invasive species, phytoinvasion, augmentation, recognition, remote sensing.