Metode nenadgledane segmentacije slike za mapiranje stresom pogođenih regiona poljoprivrednog zemljišta

Autori

  • Nina Pajević Fakultet tehničkih nauka, Univerzitet u Novom Sadu Autor
  • Branko Brkljač Univerzitet u Novom Sadu, Fakultet tehničkih nauka Mentor

DOI:

https://doi.org/10.24867/16BE03Pajevic

Ključne reči:

Segmentacija, mašinsko učenje, kompjuterka vizija, Sentinel-2

Apstrakt

U okviru rada opisana je segmentacija Sentinel-2 satelitskih snimaka na osnovu izvedenih vegetacionih indeksa u cilju mapiranja stresom pogođenih regiona poljoprivrednog zemljišta. Baza podataka sastoji se od vremenske serije multispektralnih slika 48 poljoprivrednih parcela u Vojvodini. Vremenska serija obuhvata slike za 13 datuma u periodu od marta do septembra 2020. godine. Primenjene su tri metode segmentacije: segmentacija postavljanjem praga, segmentacija upotrebom k-means algoritma, i segmentacija upotrebom pyImSegm biblioteke. Segmentacijom prvom metodom nije uspešno detektovana cela oštećena površina, dok su druge dve metode pokazale dobru sposobnost mapiranja slabije razvijenih regiona.

##submission.authorBiography##

  • ##submission.authorWithAffiliation##

    Nina Pajević je rođena u Novom Sadu 1997. god. Osnovne akademske studije na Departmanu za energetiku, elektroniku i telekomunikacije, Fakultet tehničkih nauka, Univerzitet u Novom Sadu, smer Obrada signala, uspešno je završila 2020. god. Na istom fakultetu i studijskom programu upisuje i master akademske studije i 2021. godine stiče uslov za odbranu diplomskog-master rada.

Reference

[1] Zheng, Q., Huang, W., Cui, X., Shi, Y. and Liu, L., 2018. New Spectral Index for Detecting Wheat Yellow Rust Using Sentinel-2 Multispectral Imagery. Sensors, 18(3), p.868.
[2] Sentinel-2 User Handbook, https://sentinel.esa.int/documents/247904/685211/Sentinel-2_User_Handbook
(pristupljeno u septembru 2021.)
[3] Chemura, A., Mutanga, O. and Dube, T., 2016. Separability of coffee leaf rust infection levels with machine learning methods at Sentinel-2 MSI spectral resolutions. Precision Agriculture, 18(5), pp.859-881.
[4]https://stanford.edu/~cpiech/cs221/handouts/kmeans.html (pristupljeno u septembru 2021.)
[5]https://www.mathworks.com/help/images/ref/superpixels.html (pristupljeno u septembru 2021.)
[6] Borovec, J., Švihlík, J., Kybic, J. and Habart, D., 2017. Supervised and unsupervised segmentation using superpixels, model estimation, and graph cut. Journal of Electronic Imaging, 26(06), p.1.

##submission.downloads##

Objavljeno

2022-01-25

Broj časopisa

God. 37 Br. 02 (2022): Zbornik radova Fakulteta tehničkih nauka

Rubrika

Elektrotehničko i računarsko inženjerstvo