Кафедра інформаційних технологій і систем (ДМетІ)

Permanent URI for this community

http://crust.ust.edu.ua/handle/123456789/14593
UK: Кафедра інформаційних технологій і систем (Дніпровський металургійний інститут, ДМетІ) EN: Department of Information Technologies and Systems (DMetI)

Browse

Browsing Кафедра інформаційних технологій і систем (ДМетІ) by Subject "agricultural lands"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Land Cover Mapping with Sentinel-2 Imagery Using Deep Learning Semantic Segmentation Models
    (CEUR-WS Team, Aachen, Germany, 2024) Hnatushenko, Viktoriia V.; Honcharov, Oleksandr
    ENG: Land cover mapping is essential for environmental monitoring and evaluating the effects of human activities. Recent studies have demonstrated the effective application of particular deep learning models for tasks such as wetland mapping. Nonetheless, it is still ambiguous which advanced models developed for natural images are most appropriate for remote sensing data. This study focuses on the segmentation of agricultural fields using satellite imagery to distinguish between cultivated and non-cultivated areas. We employed Sentinel-2 imagery obtained during the summer of 2023 in Ukraine, illustrating the nation's varied land cover. The models were trained to differentiate among three principal categories: water, fields, and background. We chose and optimised five advanced semantic segmentation models, each embodying distinct methodological methods derived from U-Net. Upon examination, all models exhibited robust performance, with total accuracy spanning from 80% to 89.2%. The highest-performing models were U-Net with Residual Blocks and U-Net with Residual Blocks and Batch Normalisation, whereas U-Net with LeakyReLU Activation exhibited much quicker inference times. The findings suggest that semantic segmentation algorithms are highly effective for efficient land cover mapping utilising multispectral satellite images and establish a dependable benchmark for assessing future advancements in this domain.
  • Thumbnail Image
    Item
    Нейромережевий підхід сегментації сільськогосподарських угідь на супутникових зображеннях
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Гончаров, Олександр Геннадійович; Гнатушенко, Вікторія Володимирівна; Шевцова, Ольга Сергіївна
    UKR: В сучасному аграрному секторі важливу роль відіграє точне картографування та моніторинг агроугідь за допомогою супутникових знімків, що дозволяє оптимізувати використання ресурсів, планувати посівні площі та прогнозувати врожайність. Семантична сегментація геоданих за допомогою глибокого навчання відкриває нові можливості для автоматизації цих процесів, проте потребує ретельного вибору та оптимізації моделей, здатних ефективно працювати з високорозмірними геопросторовими даними. Дана робота присвячена аналізу та порівнянню трьох різних модифікацій архітектури U-Net для задачі семантичної сегментації агроугідь на основі супутникових зображень. Було досліджено моделі з різними архітектурними особливостями, включаючи застосування остаточних блоків, методів нормалізації та регуляризації. Результати показали, що деякі модифікації архітектури U-Net можуть значно підвищити точність сегментації, що відкриває шлях для подальших досліджень у напрямку вдосконалення алгоритмів обробки супутникових даних для потреб аграрного сектору.