RGB ドローン画像データを用いて NDVI を予測する経験的カーブレット変換に基づく深層 DenseNet モデル

RGB 画像から正確に正規化差分植生指数 (NDVI) の傾向を予測することは、作物を監視し、植物病や水不足に関連する問題を特定するために不可欠です。現在の NDVI 予測モデルは、主に伝統的な機械学習モデルに基づいており、大気条件に関連する問題のために信頼性に欠けています。RGB ドローン画像データを使用してプリンスエドワード島で NDVI を予測するために、本研究では経験的カーブレット変換と DenseNet モデルを統合した新しいフレームワークを提案します。RGB ドローン画像データの各チャネルは、経験的カーブレット変換手法を通過し、カーブレット係数が分析され、NDVI を設計する新しい式が作成されます。この新しい式の出力は、最終的な NDVI を予測するために深層 DenseNet に送信されました。提案されたモデルは、Q-Q プロット、回帰、相関係数、構造的類似性 (SSIM)、ピーク信号対雑音比 (PSNR)、平均二乗誤差 (MSE)、および精度 (ACC)、感度 (SEN)、F1スコア、特異性などの定量的指標を使用して評価されました。得られた結果は、提案されたモデルが SSIM = 0.98 の最高値、MSE = 120 の最低値をスコアリングすることで、以前のモデルを上回ったことを示しています。提案されたモデルは、農家の成長と植物の健康を監視し、作物の問題を特定するのに役立つと考えられています。