Details

Данная работа посвящена исследованию методов объяснимого искусственного интеллекта для классификации состояния растений по гиперспектральным изображениям. Целью работы является выявление наиболее информативных спектральных каналов с помощью методов интерпретации, что в дальнейшем позволит перейти от дорогих гиперспектральных камер к более доступным мультиспектральным или гиперспектральным камерам с ограниченным числом каналов для массового внедрения в сельском хозяйстве.

This work is devoted to the study of explainable artificial intelligence methods for classifying plant condition using hyperspectral images. The goal of the work is to identify the most informative spectral channels using interpretation methods, which will subsequently enable the transition from expensive hyperspectral cameras to more affordable multispectral or hyperspectral cameras with a limited number of channels for mass implementation in agriculture.