UAV ДЕРЕКТЕРІ НЕГІЗІНДЕ АУЫЛ ШАРУАШЫЛЫҒЫ ДАҚЫЛДАРЫН ЖІКТЕУГЕ АРНАЛҒАН ГИБРИДТІ СТЕКИНГ МОДЕЛІ

Аннотация

В данном исследовании представлена ​​двухуровневая гибридная структура стекирования для автоматической классификации сельскохозяйственных культур с использованием мультиспектральных ортомозаик, полученных с помощью БПЛА. Предложенная архитектура сочетает в себе несколько методов градиентного бустинга (LightGBM, XGBoost и CatBoost), классические ансамблевые модели на основе деревьев (Random Forest и Extra Trees) и многослойный персептрон на основе механизма внимания. Во время обучения оценки вероятности, полученные базовыми классификаторами, используются в качестве входных данных для метаклассификатора второго уровня Extra Trees, который выдает окончательное предсказание. Представление признаков включает исходные спектральные полосы вместе с восемью широко используемыми индексами растительности (NDVI, NDRE, GNDVI, SAVI, MSR, EVI, SIPI и MSAVI). Для каждого индекса и полосы рассчитываются статистические дескрипторы, такие как среднее значение и стандартное отклонение, для учета пространственной изменчивости внутри сегментов поля. Экспериментальная оценка проводилась на реальных мультиспектральных данных, полученных с помощью БПЛА в Восточном Казахстане. Предложенная модель достигла высокой точности классификации (приблизительно 95%) и макроусредненного F1-мерного показателя, близкого к 0,95. Кроме того, результаты пространственной сегментации всего поля продемонстрировали стабильную производительность на уровне около 99%, что указывает на высокую согласованность по всей исследуемой области. В целом, результаты показывают, что объединение гетерогенных моделей машинного обучения в рамках стековой структуры повышает устойчивость и обобщающую способность в задачах классификации сельскохозяйственных культур.