文献

J-GLOBAL ID：202002281767089399   整理番号：20A0191647

マルチモーダルデータ融合と深層学習を用いたUAVからのダイズ収量予測【JST・京大機械翻訳】

Soybean yield prediction from UAV using multimodal data fusion and deep learning

著者 (7件)： Maimaitijiang Maitiniyazi (Department of Earth and Atmospheric Sciences, Saint Louis University, St. Louis, MO 63108, USA) ,  Sagan Vasit (Department of Earth and Atmospheric Sciences, Saint Louis University, St. Louis, MO 63108, USA) ,  Sidike Paheding (Department of Earth and Atmospheric Sciences, Saint Louis University, St. Louis, MO 63108, USA) ,  Sidike Paheding (Department of Electrical and Computer Engineering, Purdue University Northwest, Hammond, IN 46323, USA) ,  Hartling Sean (Department of Earth and Atmospheric Sciences, Saint Louis University, St. Louis, MO 63108, USA) ,  Esposito Flavio (Department of Computer Science, Saint Louis University, St. Louis, MO 63108, USA) ,  Fritschi Felix B. (Division of Plant Sciences, University of Missouri, Columbia, MO 65211, USA)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 237  ページ： Null  発行年： 2020年 
JST資料番号： C0252B  ISSN： 0034-4257  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 収穫前作物収量予測は穀物政策決定と食品安全保障のために重要である。圃場または区画規模での収量の早期推定は,高処理植物表現型および精密農業にも寄与する。無人航空機(UAV)プラットフォームとセンサ技術における新しい開発は,非常に高い空間とスペクトル分解能における同時マルチセンサ/マルチモーダルデータ収集を通して,費用対効果の高いデータ収集を容易にする。本研究の目的は,Deepニューラルネットワーク(DNN)のフレームワーク内でダイズ(Glycine max)穀物収量を推定するために,RGB,マルチスペクトルおよび熱センサを用いたUAVベースの多モードデータ融合の電力を評価することである。RGB,マルチスペクトル,および熱画像を,USA,ミシソース,コロンビアの試験サイトからの低コスト多官能UAVを用いて収集した。キャノピースペクトル,構造,熱及びテクスチャ特徴のような多モード情報を抽出し,部分最小二乗回帰(PLSR),ランダムフォレスト回帰(RFR),サポートベクトル回帰(SVR),入力レベル特徴融合ベースDNN(DNN-F1)及び中間レベル特徴融合ベースDNN(DNN-F2)を用いて作物穀物収量を予測した。結果は3つのメッセージにまとめられる。(1)多モードデータ融合は収率予測精度を改善し,空間変動により適応可能である。(2)DNNベースのモデルは,収率予測モデルの精度を改善する。最大の精度は,DNN-F2により得られ,R2は0.720で,相対的な二乗平均誤差(RMSE%)は15.9%であった。(3)DNNベースのモデルは,飽和効果の傾向が低く,著者らの研究において,Dwight,PanaおよびAG3432ダイズ遺伝子型を横切る穀物収量の予測において,より適応的な性能を示した。さらに,DNNベースモデルは,空間依存性と変動が少ない空間上で一貫した性能を示した。本研究は,DNNフレームワーク内の低コストUAVを用いた多モードデータ融合が作物収量の比較的正確でロバストな推定を提供し,高空間精度での高スループット表現型と作物圃場管理のための価値ある洞察を提供できることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *多モード ,  農作物 ,  *ダイズ ,  表現型 ,  作物収量 ,  穀類 ,  *データ融合 ,  スペクトル ,  無人機 ,  ニューラルネットワーク ,  リモートセンシング ,  電力 ,  データ収集 ,  ロバスト性 ,  予測モデル

著者キーワード (7件)： リモートセンシング ,  歩留り予測 ,  マルチモダリティ ,  データ融合 ,  深層学習 ,  表現型 ,  空間自己相関

分類 (2件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (6件)： マルチモーダル ,  データ融合 ,  深層学習 ,  UAV ,  ダイズ ,  収量予測