基于可解释机器学习的害虫发生预测
机器学习
2022-05-17 v1 计算机视觉与模式识别
摘要
棉铃虫（Helicoverpa Armigera）是棉花作物的一种严重害虫，威胁皮棉的产量与质量。及时掌握田间害虫的发生情况对于有效的农事干预至关重要。气象气候与植被条件已被确定为作物害虫数量的关键驱动因素。在本工作中，我们应用了一种可解释分类器，即可解释提升机（Explainable Boosting Machine），利用地球观测植被指数、数值天气预报和诱虫器捕获数据，预测希腊棉田中棉铃虫危害的发生。我们方法的玻璃盒特性为模型的主要驱动因素及其之间的相互作用提供了重要洞察。模型的可解释性增强了我们方法的可信度，从而使其在操作型农场管理场景中快速采用和基于情境实施的潜力得以提升。我们的结果令人满意，并且通过我们对全局与局部可解释性的分析，驱动因素的重要性与文献一致。
引用
@article{arxiv.2205.07723,
title = {Pest presence prediction using interpretable machine learning},
author = {Ornela Nanushi and Vasileios Sitokonstantinou and Ilias Tsoumas and Charalampos Kontoes},
journal= {arXiv preprint arXiv:2205.07723},
year = {2022}
}
备注
This work has been accepted for publication in IEEE 14th Image, Video, and Multidimensional Signal Processing Workshop (IVMSP 2022)