基于深度学习与传统编程的耕地面积的估算

人工智能使得各领域问题的解决方案更加准确高效。在农业领域，主要需求之一是一直掌握作物占用或未占用土地的面积，以提升产量与收益。传统计算方法需在田间人工实地采集数据，导致高昂人工成本、执行时间以及结果不准确。本工作提出一种基于深度学习技术并结合传统编程的新方法，用于确定已种植与未种植耕地区域的面积。我们以厄瓜多尔一家知名的甘蔗种植与收割企业作为案例研究。该策略结合一个在自然与城市景观航拍照片数据集上训练的生成对抗神经网络（GAN）以提升图像分辨率；一个在甘蔗地块航拍照片数据集上训练的卷积神经网络（CNN）以区分已种植与未种植耕地区域；以及一个标准图像处理模块以百分比方式计算面积。实验表明航拍照片质量显著改善，且已种植与未种植耕地区域区分明显，从而获得了更精确的耕地与休耕地面积结果。所提方法可扩展至可能的病虫害检测、杂草植被区域、作物动态生长以及定性与定量质量控制。