Die Klassifizierung von Feldfrüchten spielt in der modernen Landwirtschaft eine entscheidende Rolle. Sie liefert wichtige Informationen, die bei der Frühbeobachtung von Ernten, dem Bewässerungsmanagement und anderen Arbeiten helfen können. Entscheidungsträger stehen bei der Klassifizierung von Feldfrüchten vor enormen Herausforderungen, da es schwierig ist, einzelne Typen voneinander zu unterscheiden. Durch die zunehmende Verfügbarkeit von Satellitenbildern mit detaillierten zeitlichen Informationen und Spektraldaten sowie die Fortschritte im Bereich des maschinellen Lernens haben sich effiziente Automatisierungsmöglichkeiten für die Überwachung und Steuerung der industriellen Landwirtschaft ergeben.
Bei dem vortrainierten Modell Prithvi-100M-multi-temporal-crop-classification, welches das Ergebnis einer Zusammenarbeit zwischen der NASA und IBM ist, handelt es sich um eine Optimierung des Ausgangsmodells zur Erdbeobachtung Prithvi-100m, das auf dem Dataset multitemporal-crop-classification basiert. Mit diesem Modell lässt sich die Identifizierung und Klassifizierung verschiedener Arten von Feldfrüchten anhand von multispektralen Satellitenbildern automatisieren.
Lizenzanforderungen
Für diesen Workflow gelten die folgenden Lizenzanforderungen:
- ArcGIS Desktop: ArcGIS Image Analyst-Erweiterung für ArcGIS Pro
- ArcGIS Enterprise: ArcGIS Image Server mit konfigurierter Raster-Analyse
- ArcGIS Online: ArcGIS Image for ArcGIS Online
Modelldetails
Dieses Modell hat die folgenden Merkmale:
- Eingabe: Raster (18-Band-Komposit), Mosaik-Dataset oder Image-Service
- Ausgabe: Klassifiziertes Raster mit 13 Klassen aus dem Cropland-Daten-Layer
- Berechnung: Dieser Workflow ist rechenintensiv. Empfohlen wird eine GPU mit Compute Capability Version 6.0 oder höher.
- Eignung für Geographien: Das Modell eignet sich gut für die Vereinigten Staaten.
- Achitektur: Das Modell beinhaltet das Modell Prithvi-100M-multitemporal zur Klassifizierung von Feldfrüchten von IBM und NASA und verwendet einen selbstüberwachenden Encoder, der mit einer ViT-Architektur und der MAE-Lernstrategie (Masked AutoEncoder) entwickelt wurde.
- Trainingsdaten: Das Modell ist eine Optimierung des vortrainierten Modells Prithvi-100m, das auf dem Dataset multitemporal-crop-classification basiert.
- Accuracy-Kennwerte: Die mittlere Intersection Over Union des Modells liegt bei 0,43 und seine mittlere Accuracy bei 64,06 Prozent.
Zugreifen auf das Modell und Herunterladen des Modells
Das vortrainierte Modell Prithvi - Crop Classification steht im ArcGIS Living Atlas of the World zum Download bereit. Alternativ können Sie direkt über ArcGIS Pro auf das Modell zugreifen oder es in ArcGIS Image for ArcGIS Online verwenden.
- Navigieren Sie zum ArcGIS Living Atlas of the World.
- Melden Sie sich mit Ihren ArcGIS Online-Anmeldedaten an.
- Suchen Sie nach Prithvi - Crop Classification, und öffnen Sie in den Suchergebnissen die entsprechende Elementseite.
- Klicken Sie auf die Schaltfläche Herunterladen, um das Modell herunterzuladen.
Sie können die heruntergeladene .dlpk-Datei direkt in ArcGIS Pro verwenden oder sie in ArcGIS Enterprise hochladen und dort verwenden. Außerdem können Sie das vortrainierte Modell bei Bedarf optimieren.
Versionshinweise
Es folgen die Versionshinweise:
| Datum | Beschreibung |
|---|---|
| Januar 2024 | Erste Version von "Prithvi - Crop Classification" |