다중규모 농업 센싱에서의 딥러닝 리뷰

인구 증가, 기후 변화 및 전 세계 COVID-19 팬데믹은 글로벌 농업 생산에 대한 압박을 증가시키고 있습니다. 지속 가능한 친환경 농업 개발을 보장하면서 농작물 수확량을 늘리는 과제는 전 세계적으로 공통된 문제입니다. 자율 시스템, 센싱 기술 및 인공지능은 이 문제를 해결할 수 있는 큰 기회를 제공합니다. 정밀 농업(PA)에서는 비파괴 및 비침습적인 원격 및 근접 센싱 방법이 가시적 및 비가시적 스펙트럼에서 농작물을 관찰하기 위해 널리 사용되고 있습니다. 요즘은 고성능 이미지 센서(예: RGB, 다중 스펙트럼, 초분광, 열 및 SAR)와 무인 이동 플랫폼(예: 위성, UAV 및 지상 농업 로봇)의 통합이 이루어져, 풍부한 농작물 정보가 압축된 많은 고해상도 농지 이미지가 생성되고 있습니다. 그러나 이는 이러한 이미지를 신속하고 효율적으로 완전히 활용하는 방법 및 정보 기반 의사 결정을 통해 세밀한 농작물 관리를 수행하는 방법과 같은 도전과제를 동반하고 있습니다. 지난 몇 년 동안 딥러닝(DL)은 방대한 데이터 세트에서 특징 학습의 강력한 능력 덕분에 많은 산업을 재편할 잠재력을 보여주었으며, 농업 산업도 예외는 아닙니다. 점점 더 많은 농업 과학자들이 토지 매핑, 농작물 분류, 생물/비생물 스트레스 모니터링 및 수확량 예측과 같은 이미지 기반 농지 관찰에서 딥러닝의 응용에 주목하고 있습니다. 이러한 연구에 대한 업데이트를 제공하기 위해, 우리는 다중규모 농업 원격 및 근접 센싱에서 딥러닝에 특별한 중점을 두고 포괄적인 조사를 수행했습니다. 구체적으로, 토지, 필드, 캐노피 및 잎 규모의 농작물 센싱에서 컨볼루션 신경망 기반 감독 학습(CNN-SL), 전이 학습(TL) 및 소수 샷 학습(FSL)의 응용을 이 리뷰의 초점으로 두었습니다. 우리는 이 작업이 PA에서 DL에 관한 글로벌 농업 커뮤니티의 참고자료가 되고 현대 농업의 발전을 촉진하기 위한 더 깊고 넓은 연구를 영감을 줄 수 있기를 희망합니다.