Журнал IEEE Access опубликовал большое исследование Дмитрия Девяткина «Estimation of Vegetation Indices With Random Kernel Forests» (ссылка). Исследование было проведено в рамках ещё более масштабного проекта «Актуальные научные задачи стратегии адаптации потенциала землепользования России в современных условиях беспрецедентных вызовов (экономический кризис, изменение климата, кризис глобальных тенденций природопользования)» (ссылка), затеянного Почвенным институтом имени В. В. Докучаева при поддержке Минобрнауки. В проекте также принимает участие ФИЦ ИУ РАН и, в частности, наш Институт проблем искусственного интеллекта.
В своём труде Дмитрий ставит под вопрос методы глубокой нейронной сети, применяемые сегодня для оценки индексов из RGB показателей со спутниковых снимков при анализе почвы, нутринов и здоровья побегов при точном земледелии. По его мнению, эти стратегии сопряжены с рядом серьёзных ошибок и неточностей, особенно при оценке стареющих растений. Взамен он предлагает ряд модификаций алгоритма глубоких лесов (Deep Forests) с использованием линейных и нелинейных деревьев как базовых классификаторов для значительного повышения показателей.
Модификации, объединившие процесс определения случайного леса, модели Kernel и Oblique (CO₂) Forest, протестировали и сравнили с нейросетями на основе AlexNet и ResNet, а также задачами прогнозирования NDVI (нормализованный относительный индекс растительности). Эксперимент показал, что предложенные методы улучшают качество задач классификации и регрессии, значительно превосходя оригинальный алгоритм, а результаты сопоставимы с ResNet-11 при сравнительно меньшем наборе функций. Разработки также продемонстрировали большую эффективность при обучении, тогда как итоговые RGB-NDVI прогнозы подтвердили их практичность для оценки немолодых растений.
На очереди — онлайн-модификация предложенных методов и создание хранилища данных RGB-NDVI с разбивкой на «незрелые» и «стареющие» культуры с тем, чтобы использовать его в будущем в качестве «золотого стандарта». Пока же работа доступна для ознакомления всем желающим — правда, только на английском.
Cсылки по теме: