سامانه همایش های دانشگاه شمال

صفحه اصلی / دانشگاه، حقوق عامه، انفال و مسئولیت های اجتماعی

استفاده از بینایی ماشین و یادگیری عمیق برای تشخیص تخریب جنگل‌ها از تصاویر ماهواره‌ای و پهپادی

نویسندگان :

امیر علی آبادیان¹ سهند یخکشی²

1- استادیار و عضو هیات علمی دانشگاه شمال آمل 2- دانشجوی کارشناسی ارشد دانشگاه شمال آمل

کلمات کلیدی :

بینایی ماشین،یادگیری عمیق،تصاویر ماهواره‌ای،تصاویر پهپادی،تشخیص تخریب جنگل،پردازش تصویر.

چکیده :

چکیده هدف پژوهش: تخریب جنگل‌ها یکی از مهم‌ترین چالش‌های زیست‌محیطی عصر حاضر به شمار می‌رود که پیامدهای گسترده‌ای بر اقلیم، تنوع زیستی و چرخه‌های طبیعی دارد. پایش سنتی این تخریب‌ها به دلیل وسعت مناطق جنگلی، هزینه‌بر و زمان‌بر است. هدف این پژوهش، طراحی یک چارچوب هوشمند مبتنی بر بینایی ماشین و یادگیری عمیق برای تشخیص خودکار تخریب جنگل‌ها با استفاده از تصاویر ماهواره‌ای و پهپادی است. روش پژوهش: در این تحقیق از تصاویر ماهواره‌ای Landsat و Sentinel و همچنین تصاویر پهپادی با وضوح بالا استفاده شد. پس از مرحله پیش‌پردازش شامل اصلاح نویز، افزایش کنتراست و هم‌ترازی مکانی، داده‌ها وارد شبکه‌های عصبی کانولوشنی عمیق شامل CNN و ResNet شدند. فرآیند آموزش با داده‌های برچسب‌خورده تخریب و عدم تخریب انجام گرفت. یافته‌ها: نتایج نشان داد مدل ResNet با دقت بالای 94 درصد توانایی بسیار مناسبی در تشخیص نواحی تخریب‌شده دارد. همچنین استفاده همزمان از تصاویر ماهواره‌ای و پهپادی باعث افزایش قابل توجه دقت تشخیص مرزهای تخریب شد. بحث: ترکیب داده‌های چندمقیاسی و معماری‌های عمیق باعث کاهش خطای تشخیص در مناطق پوشیده از ابر و نواحی نیمه‌تخریب‌شده گردید. نتیجه‌گیری: سامانه پیشنهادی می‌تواند به‌عنوان یک ابزار تصمیم‌یار کارآمد در مدیریت منابع طبیعی، پایش تخریب جنگل‌ها و برنامه‌ریزی حفاظتی مورد استفاده قرار گیرد و نقش مهمی در کاهش خسارات زیست‌محیطی ایفا نماید. کلمات کلیدی: بینایی ماشین، یادگیری عمیق، تصاویر ماهواره‌ای، تصاویر پهپادی، تشخیص تخریب جنگل، پردازش تصویر.