Тип публикации: статья из журнала
Год издания: 2022
Ключевые слова: segmentation, earth remote sensing, siberian silkworm, сегментация, дистанционное зондирование Земли, Sentinel-2A, сибирский шелкопряд
Аннотация: Введение: Сибирский шелкопряд является наиболее опасным энтомовредителем Сибирского региона. Обнаружение областей повреждения этим вредителем является важной практической задачей. Цель исследования: Разработка автоматизированного метода обнаружения областей повреждения сибирским шелкопрядом позволит уменьшить экономическое и экологПоказать полностьюическое воздействие на лесной массив региона. Результаты: В качестве основы метода обнаружения областей повреждения использована модифицированная для работы с мультиспектральными снимками архитектура глубокой нейронной сети U-net, выполнен подбор ее гиперпараметров. Программная реализация полученной модели выполнена на языке программирования Python в среде Jupyter Notebook с использованием библиотеки Tensorflow в связке с Keras. Для проведения экспериментальных исследований использованы космоснимки лесного покрова на территории Ирбейского лесничества Красноярского края за период основных вспышек размножения шелкопряда: август и сентябрь 2018 года, июнь и сентябрь 2019 года, август и май 2020 года. Именно на территории этого лесничества преобладают темнохвойные леса, предпочитаемые сибирским шелкопрядом. Самостоятельно построен набор данных из базы спутника Sentinel-2A, содержащий более 40 000 снимков. Максимальная производительность модели по метрике Accuracy 0,98 и потери при обучении ниже 0,002, на валидационном наборе достигнута точность в 87,2%. Практическая значимость: Полученные результаты исследований обладают существенной практической значимостью, так как весомо сокращают время работы специалиста, позволяя выполнить обнаружение областей заражения в автоматизированном режиме, кроме того, использование предложенного метода позволяет найти очаги повреждения на раннем этапе, когда эксперт еще не в состоянии отличить пораженных участок от здорового по космоснимку. Использование разработанного метода сегментации областей заражения способствует своевременному назначению мер по защите леса, а значит, имеет немаловажное значение с экономической и экологической точек зрения. Обсуждение: Дальнейшим развитием настоящей работы является построение предсказательной модели для прогнозирования возникновения вспышек сибирского шелкопряда, а также учет других возможных вредителей и факторов. Introduction: The Siberian silkworm is the most dangerous insect pest in the Siberian region. The detection of damage areas by this pest is an important practical task. Purpose: The development of an automated method for detecting areas of damage by the Siberian silkworm will reduce the economic and environmental impact on the forest area of the region. Results: As the basis of the method for detecting areas of damage, the architecture of the U-net deep neural network modified for working with multispectral images was used, and its hyperparameters were selected. The software implementation of the resulting model was made in the Python programming language in the Jupyter Notebook environment using the Tensorflow library in conjunction with Keras. For experimental studies, satellite images of the forest cover on the territory of the Irbey forestry of the Krasnoyarsk Territory were used during the period of the main outbreaks of silkworm reproduction: August and September 2018, June and September 2019, August and May 2020. It is on the territory of this forest area that dark coniferous forests, preferred by the Siberian silkworm, prevail. Self-built data set from the Sentinel-2A satellite database containing more than 40,000 images. The maximum performance of the model according to the Accuracy metric is 0.98 and the training loss is below 0.002, an accuracy of 87.2% is achieved on the validation set. Practical relevance: The obtained results of the research have significant practical significance, as they significantly reduce the time of the specialist's work, allowing the detection of areas of infection in an automated mode, in addition, the use of the proposed method allows you to find lesions at an early stage, when the expert is not yet able to distinguish the affected area from the healthy one by satellite image. The use of the developed method of segmentation of areas of infection contributes to the timely appointment of measures to protect the forest, which means that it is of no small importance from an economic and environmental point of view. Discussion: The further development of this work is the construction of a predictive model for predicting the occurrence of outbreaks of the Siberian silkworm, as well as taking into account other possible pests and factors
Журнал: I-methods
Выпуск журнала: Т. 14, № 2
ISSN журнала: 2619080X
Место издания: Санкт-Петербург
Издатель: ООО "Институт инноваций и наукоемких технологий"