基于保守预测的自动精确除草不确定性保证
计算机视觉与模式识别
2025-01-14 v1 机器学习
应用统计
机器学习
摘要
总体而言，精准农业，特别是精准除草，已大幅受益于深度学习和计算机视觉的重大进展。已有许多商业机器人解决方案可供部署。然而，由于诸多原因，这些解决方案的采纳率仍然较低，其中一个重要原因是缺乏对这些系统性能的信任。这在很大程度上归因于深度神经网络的晦涩复杂性以及制造商无法提供其性能的有效保证。保守预测是机器学习社区中已建立方法，能在最小限制下为任何黑盒模型的预测提供可靠且有效的保证。本文通过应用于基于深度学习图像分类的精准除草任务，展示了保守预测在实际中的应用。文章详细阐述了保守预测方法，并开发了基于“保守化”神经网络和明确定义的喷洒决策规则的精准喷洒管道。文章评估了该管道在两种真实场景下的表现：一种为分布内条件，另一种反映近似分布外设置。结果表明，我们能够以形式化、即可验证的保证，确保至少有90%的杂草被正确喷洒。
引用
@article{arxiv.2501.07185,
title = {Uncertainty Guarantees on Automated Precision Weeding using Conformal Prediction},
author = {Paul Melki and Lionel Bombrun and Boubacar Diallo and Jérôme Dias and Jean-Pierre da Costa},
journal= {arXiv preprint arXiv:2501.07185},
year = {2025}
}