UAV ДЕРЕКТЕРІ НЕГІЗІНДЕ АУЫЛ ШАРУАШЫЛЫҒЫ ДАҚЫЛДАРЫН ЖІКТЕУГЕ АРНАЛҒАН ГИБРИДТІ СТЕКИНГ МОДЕЛІ

Аңдатпа

Бұл зерттеуде UAV-дан алынған мультиспектрлі ортомозаикаларды қолдана отырып, дақылдарды автоматты түрде жіктеуге арналған екі қабатты гибридті қабаттастыру құрылымы ұсынылған. Ұсынылған архитектура бірнеше градиент күшейту әдістерін (LightGBM, XGBoost және CatBoost), классикалық ағаш негізіндегі ансамбльдік модельдерді (Random Forest және Extra Trees) және назар аудару механизміне негізделген көп қабатты перцептронды біріктіреді. Оқыту кезінде базалық жіктеуіштермен алынған ықтималдық бағалары екінші қабатты метаклассификаторға (Extra Trees) кіріс ретінде пайдаланылады, бұл соңғы болжамды жасайды. Белгілердің көрінісі бастапқы спектрлік жолақтарды сегіз кеңінен қолданылатын өсімдік индекстерімен (NDVI, NDRE, GNDVI, SAVI, MSR, EVI, SIPI және MSAVI) бірге қамтиды. Әрбір индекс пен жолақ үшін орташа және стандартты ауытқу сияқты статистикалық сипаттамалар далалық сегменттердегі кеңістіктік өзгергіштікті ескеру үшін есептеледі. Шығыс Қазақстанда UAV алған нақты әлемдегі мультиспектрлі деректер бойынша эксперименттік бағалау жүргізілді. Ұсынылған модель жоғары жіктеу дәлдігіне (шамамен 95%) және 0,95-ке жақын макроорташа F1-метрикалық ұпайына қол жеткізді. Сонымен қатар, бүкіл егістік бойынша кеңістіктік сегменттеу нәтижелері шамамен 99% тұрақты өнімділікті көрсетті, бұл бүкіл зерттеу аймағында жоғары тұрақтылықты көрсетеді. Жалпы алғанда, нәтижелер гетерогенді машиналық оқыту модельдерін қабаттасқан құрылымда біріктіру дақылдарды жіктеу тапсырмаларында беріктік пен жалпылау мүмкіндігін жақсартатынын көрсетеді.