精密农业：基于机器学习和 Sentinel-2 卫星图像的作物制图
计算机视觉与模式识别
2024-03-18 v1 图像与视频处理
摘要
由于气候变化及其温化效应，食品安全变得越来越重要。为支持日益增长的农产品需求并最小化气候变化和大面积种植的负面影响，精密农业在作物种植中日益重要。本研究采用深度学习和像素级机器学习方法对 lavender 田进行精准分割，利用来自 Sentinel-2 卫星图像提取的各种光谱带组合。我们的最终优化模型，采用 U-Net 架构，可实现 Dice 系数为 0.8324。此外，我们的研究还突显了像素级方法和 RGB 光谱带组合在该任务中的意外有效性。
关键词
引用
@article{arxiv.2403.09651,
title = {Precision Agriculture: Crop Mapping using Machine Learning and Sentinel-2 Satellite Imagery},
author = {Kui Zhao and Siyang Wu and Chang Liu and Yue Wu and Natalia Efremova},
journal= {arXiv preprint arXiv:2403.09651},
year = {2024}
}