항공 이미지에서 작물 분류를 위한 딥 러닝 모델: 리뷰

최근 몇 년 동안 인공위성 또는 무인 항공기(UAV) 이미지에서 얻은 원격 감지 데이터의 사용이 수확량 예측, 토양 분류 또는 작물 매핑과 같은 작물 분류 작업에 있어 인기를 얻고 있습니다. 개선된 시간, 방사 및 공간 해상도로 얻은 정보의 용이한 접근 가능성은 방대한 양의 데이터 축적을 초래했습니다. 이 데이터를 분석하는 요구를 충족하기 위해 혁신적인 솔루션이 필요하며, 인공지능 기술이 필요한 지원을 제공합니다. 이 체계적인 리뷰는 항공 이미지에서 원격 감지 데이터를 사용한 작물 분류를 위한 딥 러닝 기술의 효과성을 평가하는 것을 목표로 합니다. 검토된 논문들은 컨볼루션 신경망(CNN), 장기 단기 기억 네트워크, 트랜스포머, 하이브리드 CNN-순환 신경망 모델을 포함한 다양한 딥 러닝 아키텍처에 초점을 맞추고 있으며, 데이터 증강, 전이 학습, 다중 모드 융합과 같은 기술을 통합하여 모델 성능을 개선합니다. 이 리뷰는 새로운 딥 러닝 아키텍처를 개발하거나 다양한 유형의 원격 감지 데이터를 결합하여 작물 분류 정확도를 향상시키기 위한 이러한 기술의 사용을 분석합니다. 또한 공간 및 스펙트럼 해상도, 이미지 주석, 샘플 품질과 같은 요인이 작물 분류에 미치는 영향을 평가합니다. 앙상블 모델 또는 여러 데이터 소스를 통합하는 것은 딥 러닝 모델의 분류 정확도를 향상시키는 경향이 있습니다. 위성 이미지는 접근성이 좋고 일반적으로 무료로 제공되기 때문에 가장 일반적으로 사용되는 데이터 소스입니다. 이 연구는 정확성을 높이고 작물 분류 작업을 위한 딥 러닝 모델 및 데이터 세트의 현재 상태에 대한 귀중한 통찰력을 제공하기 위해 대량의 훈련 데이터와 비작물 클래스 통합의 필요성을 강조합니다.