ارزیابی روش های طبقه بندی شیءگرا و پیکسل مبنا جهت برآورد سطح زیرکشت گلخانه با استفاده از تصاویر پهپاد

با توجه به رشد روزافزون جمعیت و درنتیجه آن افزایش تقاضا برای سبزیجات و مواد غذایی، چشم انداز کشاورزی تغییر کرده است، بنابراین آگاهی از وضع موجود، تهیه نقشه کاربری و پوشش اراضی اهمیت زیادی پیداکرده است. هدف اصلی این تحقیق مقایسه طبقه بندی پیکسل مبنا و شی ءگرا جهت طبقه بندی گلخانه با استفاده از تصاویر پهپاد بوده است. در این تحقیق تصاویر پهپاد (باندهای آبی، سبز و قرمز) جهت تشخیص و ارزیابی تغییرات کاربری و پوشش اراضی با استفاده از الگوریتم های طبقه بندی پیکسل مبنا و شی ءگرا بر اساس نمونه های تعلیمی به چهار کلاس (گلخانه، استخر، بایر و فضای سبز) طبقه بندی شد. نتایج نشان داد بیشترین دقت برای الگوریتم SVM با صحت کلی ۸۳ درصد و ضریب کاپا ۰/۷۸ و الگوریتم ML با صحت کلی ۸۳ درصد و ضریب کاپا ۰/۷۷ در طبقه بندی پیکسل مبنا و در طبقه بندی شیءگرا دو الگوریتم بیز(Bayes ) با صحت کلی ۸۷ درصد و ضریب کاپا ۰/۸۳ و KNN با صحت کلی ۸۷ درصد و ضریب کاپا ۰/۸۲ بیشترین دقت را نشان دادند، هرچند ممکن است اختلاف کم دقت در دو روش، ناشی از استفاده از تنها سه باند مرئی برای طبقه بندی تصویر پهپاد باشد. در این تحقیق استفاده از روش طبقه بندی شی ءگرا در تهیه نقشه های کاربری اراضی پیشنهاد می شود.

کلیدواژه ها:

الگوریتم های طبقه بندی ، سنجش ازدور ، طبقه بندی نظارت شده ، گلخانه ، یزد