லிங்-வேய் சென், பின்-ஹுய் லீ, யூ-மின் ஹுவாங்*
தொழிலாளர் பற்றாக்குறையை நிவர்த்தி செய்ய முயல்கிறோம், குறிப்பாக, கிராமப்புறங்களில் வயதான தொழிலாளர்களை நிவர்த்தி செய்து விவசாய நிர்வாகத்தை எளிதாக்குகிறோம். தைவானில் பல வணிகப் பயிர்கள் மலைப்பகுதிகளில் பயிரிடப்படுவதால், தைவானில் விவசாய உபகரணங்களின் இயக்கம் மற்றும் இயக்கம் சிக்கலானது. இத்தகைய சாய்வான விவசாயப் பகுதிகளில் உள்ள கலப்புப் பயிர்களுக்கு, மர இனங்களை அடையாளம் காண்பது விவசாய மேலாண்மைக்கு உதவுகிறது மற்றும் விவசாய நடவடிக்கைகளுக்குத் தேவைப்படும் உழைப்பைக் குறைக்கிறது. காணக்கூடிய-ஒளி கேமராக்களால் சேகரிக்கப்பட்ட பொதுவான ஒளியியல் படங்கள் பதிவு செய்வதற்குப் போதுமானவை, ஆனால் மர இனங்களை அடையாளம் காண்பதில் துணை முடிவுகளை அளிக்கின்றன. மல்டிஸ்பெக்ட்ரல் கேமராவைப் பயன்படுத்துவது தாவரங்களை அவற்றின் நிறமாலை பதில்களின் அடிப்படையில் அடையாளம் காண உதவுகிறது. UAV புலப்படும் ஒளி மற்றும் மல்டிஸ்பெக்ட்ரல் இமேஜரியைப் பயன்படுத்தி மர இனங்களை வகைப்படுத்துவதற்கான ஒரு முறையை நாங்கள் முன்வைக்கிறோம். மர இனங்களுக்கிடையேயான நிறமாலை பிரதிபலிப்பு மதிப்புகளில் உள்ள வேறுபாடுகளை நாங்கள் பயன்படுத்துகிறோம் மற்றும் மாதிரியின் வகைப்பாடு செயல்திறனை மேம்படுத்த அகச்சிவப்பு இசைக்குழு படங்களை அருகில் பயன்படுத்துகிறோம். CNN அடிப்படையிலான ஆழமான நரம்பியல் மாதிரிகள் பரவலாகப் பயன்படுத்தப்படுகின்றன மற்றும் அதிக துல்லியத்தை அளிக்கின்றன, ஆனால் 100% சரியான முடிவுகளை அடைவது கடினம், மேலும் மாதிரி சிக்கலானது பொதுவாக செயல்திறனுடன் அதிகரிக்கிறது. இது அமைப்பின் இறுதி முடிவுகள் குறித்த நிச்சயமற்ற தன்மைக்கு வழிவகுக்கிறது. விளக்கமளிக்கக்கூடிய AI முக்கிய தகவலைப் பிரித்தெடுத்து, மாதிரியின் முடிவுகள் அல்லது செயல்களைப் பற்றிய சிறந்த புரிதலை அளிக்கும் வகையில் விளக்குகிறது. மாடலுக்குப் பிந்தைய காலத்தை விளக்குவதற்கு காட்சிப்படுத்தலைப் பயன்படுத்துகிறோம் (நான்கு பிக்சல் நிலை பண்புக்கூறு முறைகள் மற்றும் ஒரு பிராந்திய நிலை பண்புக்கூறு முறை). Pixel level attributionக்கான Fuzzy IG ஆனது டெக்ஸ்ச்சர் அம்சங்களை சிறப்பாகக் குறிக்கிறது, மேலும் பிராந்திய நிலை பண்புக்கூறு பிக்சல் நிலை பண்புக்கூறை விட வாழ்க்கைப் பகுதிகளை மிகவும் திறம்பட பிரதிபலிக்கிறது, இது மனித புரிதலுக்கு உதவுகிறது.