文献

J-GLOBAL ID：202202272001481730   整理番号：22A0780910

サトウキビ作物の同定を支援するためのリモートセンシングと機械学習モデリング【JST・京大機械翻訳】

Remote Sensing and Machine Learning Modeling to Support the Identification of Sugarcane Crops

著者 (13件)： Lozano-Garzon Carlos (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Bravo-Cordoba German (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Castro Harold (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Gonzalez-Rodriguez Geovanny (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Nino David (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Nunez Haydemar (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Pardo Carolina (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Vivas Aurelio (Systems and Computing Engineering Department, Universidad de los Andes, Bogota, Colombia) ,  Castro Yuber (Banco Agrario de Colombia, Bogota, Colombia) ,  Medina Jazmin (Banco Agrario de Colombia, Bogota, Colombia) ,  Motta Luis Carlos (Banco Agrario de Colombia, Bogota, Colombia) ,  Rojas Julio Rene (Banco Agrario de Colombia, Bogota, Colombia) ,  Suarez Luis Ignacio (Banco Agrario de Colombia, Bogota, Colombia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 17542-17555  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 農業融資機関の主な関心事の一つは,ローンが要求されたとき,彼らが与えられた目的に,彼らが使用することを確実にすることである。特に,Banco Agrario deコロンビアが作物農家のローンを grantぐとき,栽培サイトへの検証訪問を計画し,ローン協定に規定された作物が,その健康を評価し,評価するかどうかをチェックする。これらの訪問は,スケジュール,訓練された人員の欠如,およびアクセスの困難さを必要とする広大な領域にわたる訪問数のために,困難であった。本論文は,自由衛星画像を処理するための機械学習モデルに基づくソフトウェアツールを提案し,現場訪問を行う前に投資計画を有する非コンプライアント作物の銀行の同定を支持し,訪問を優先するそれらの地域に焦点を当てて投資の損失を最小にした。コロンビアのボイカの部門に沿ったサトウキビを,研究事例として選択した。コロンビアData Cube(CDCol)による自由アクセス衛星画像を用いて,土地を分類し,作物の存在を予測するために機械学習モデルを適用し,ランダム森林モデルはLandsat-8画像を用いて91%の全F1スコアを達成し,K最近傍モデルはSentinel-2画像を用いて98%の全F1スコアを達成した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 銀行 ,  投資計画 ,  *農作物 ,  *サトウキビ ,  コロンビア共和国 ,  土地 ,  *モデリング ,  栽培 ,  *リモートセンシング ,  衛星利用画像 ,  支援プログラム ,  *機械学習
準シソーラス用語： 融資 ,  農家 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： サトウキビ ,  作物 ,  同定 ,  支援 ,  リモートセンシング ,  機械学習 ,  モデリング