Порівняння методів машинного навчання для класифікації сільськогосподарських культур за супутниковими знімками
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Кваліфікаційна робота містить: 109 сторінок, 19 рисунків, 18 таблиць, 30 джерел.
Сільське господарство відіграє ключову роль у забезпеченні глобальної продовольчої безпеки та підтримці економічної стабільності. Ефективний моніторинг сільськогосподарських угідь є важливим для оптимізації врожайності, управління ресурсами та прийняття обґрунтованих політичних рішень у цьому секторі. У сучасному сільському господарстві зростає важливість точної та своєчасної класифікації сільськогосподарських культур. Точна інформація про типи культур та їх просторовий розподіл є необхідною для оцінки врожайності, управління ресурсами та прийняття обґрунтованих політичних рішень в аграрному секторі.
Метою є порівняти ефективність різних моделей машинного навчання для задачі класифікації типів сільськогосподарських культур за супутниковими знімками і оцінити вплив вегетаційних показників на їхню точність. Об’єктом дослідження є процес автоматизованої класифікації типів сільськогосподарських культур за супутниковими знімками Sentinel-2. Предметом дослідження є методи машинного навчання, що застосовуються для аналізу супутникових знімків та класифікації типів сільськогосподарських культур.
У даному аналізі порівнювалася точність та продуктивність методів машинного навчання, використовуючи два датасети – з вегетаційними індексами та без них, щоб визначити їх вплив на результати. З порівняльного аналізу випливає, що найкращий результат за точністю мав SVM, але був найповільнішим і був зі зменшеною вибіркою. Найкращим по відношенні часу і точності був XGBoost (з вегетаційними індексами та без точність виявилася однаковою).
Опис
Ключові слова
вегетаційний індекс, машинне навчання, sentinel-2, аналіз даних, vegetation index, machine learning, sentinel-2, data analysis
Бібліографічний опис
Мельник, В. В. Порівняння методів машинного навчання для класифікації сільськогосподарських культур за супутниковими знімками : дипломна робота ... бакалавра : 113 Прикладна математика / Мельник Володимир Володимирович. – Київ, 2025. – 109 с.