طبقه بندي زمين هاي كشاورزي با استفاده از تصاوير ماهواره اي راداري

كارشناسي ارشد

شناسايي زمين‌هاي كشاورزي و برآورد محصول نقش اساسي در سياست‌هاي اقتصادي و غذايي يك كشور دارد. استفاده از يادگيري ماشين و تصاوير ماهواره‌اي هزينه‌ي اين محاسبات را كاهش داده و آن را خودكار و سريع مي‌سازد. در اين پژوهش از داده‌هاي SAR استفاده مي‌كنيم. دليل استفاده از اين تصاوير قابليت تشكيل آنها فارغ از زمان شبانه روز بودن زمان تصويربرداري و مقاومت آنها در برابر آلودگي و ابرها است. يك چالش مهم در حوزه‌ي سنجش از دور ، كمبود تصاوير برچسب‌دار است. ماهواره‌هاي متعددي مدام در حال توليد تصاوير ماهواره‌اي هستند ولي توليد برچسب همگام با توليد تصوير نيست و اين امر يك چالش مهم در نحوه‌ي بهره‌برداري از تصاوير ماهواره‌اي است. هدف ما در اين تحقيق اين است كه مدلي بسازيم كه بتواند زمين‌هاي كشاورزي شمال ايران را به درستي شناسايي كند اما تصاوير راداري برچسب‌دار براي ايران در دسترس قرار ندارد. با اين حال، مجموعه دادگان برچسب‌دار براي كشورهاي ديگر از جمله ايالات متحده در دسترس است. با توجه به متفاوت بودن توزيع دادگان در دو كشور ايران و ايالات متحده، مدل آموزش ديده در يك كشور، در كشور ديگر با افت دقت و كارايي مواجه شد. براي حل اين چالش از ايده انطباق حوزه استفاده كرديم تا با كمك گرفتن از تصاوير برچسب‌دار در كشور مبدأ و تصاوير بدون برچسب در كشور مقصد مدل را به گونه‌اي آموزش دهيم تا در حوزه مقصد عملكرد قابل قبولي داشته باشد. ما در آزمايش‌هاي خود دو روش كلي انطباق حوزه را بررسي كرديم. يكي ترجمه‌ي تصاوير از حوزه‌ي مبدأ به مقصد و ديگري هم‌ترازي نقشه‌هاي ويژگي دو حوزه‌ي مبدأ و مقصد بود. در رويكرد ترجمه‌ي تصاوير، ما به دنبال آن بوديم تا ضمن حفظ محتوي تصاوير حوزه‌ي مبدأ، به آنها سبك تصاوير حوزه‌ي مقصد را بدهيم طوري كه گويا اين تصاوير از حوزه‌ي مقصد نمونه‌برداري شده‌اند. در اين روش، مدلي كه ابتدا روي تصاوير حوزه‌ي مبدأ آموزش ديده است با استفاده از تصاوير ترجمه شده تنظيم دقيق شد تا در حوزه‌ي مقصد عملكرد خوبي داشته باشد. رويكرد دوم شامل دو گام آموزشي به ازاي يك دسته تصوير بود. گام اول مدل با استفاده از تصاوير و برچسب‌هاي حوزه‌ي مبدأ آموزش ديد و در گام دوم تنها با استفاده از تصاوير دو حوزه‌ي مبدأ و مقصد سعي شد وزن‌هاي مدل به گونه‌اي تنظيم گردند تا توزيع نقشه‌هاي ويژگي توليد شده‌ براي تصاوير دو حوزه‌ي مبدأ و مقصد هم‌تراز گردند تا بدين صورت مدل نتواند دو حوزه را از هم تميز دهد و عملكرد يكساني براي وظيفه‌ي ناحيه‌بندي معنايي براي دو حوزه داشته باشد. مشاهده كرديم اين دو روش كلي براي تصاوير راداري مؤثر واقع نشدند و اين مي‌تواند به ويژگي‌هاي ارائه شده توسط اين تصاوير و محدوديت‌هاي اين دسته از تصاوير برگردد.

210764

دانشگاه علم و صنعت ايران

محسن سرياني - شاهرج جليليان

مهندسي كامپيوتر گرايش هوش مصنوعي و روباتيكز

محمدرضا محمدي