Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки

Abstract

В данной работе рассматривается задача распознавания состояния сельскохозяйственной раститель-ности по данным аэрофотосъемки различного пространственного разрешения. В качестве основы для рас-познавания используется классификатор, позволяющий осуществлять классификацию входного изображе-ния на три класса: «здоровая растительность», «пораженная растительность» и «почва». Предложенный классификатор строится из двух сверточных нейронных сетей, позволяющих выполнять классификацию на два класса: «здоровая растительность» и «пораженная растительность», «растительность» и «почва».

In the article a recognition task of agricultural vegetation using aerial images of different spatial resolution is considered. An image classifier is proposed that allows classifying image segments into three classes: “healthy vegeta-tion”, “diseased vegetation” and “soil”. This classifier is implemented by two convolution neural networks that previ-ously form two classes of vegetation state: “healthy vegetation”-“diseased vegetation” and “vegetation”-“soil”.