MIS-ME: A Multi-modal Framework for Soil Moisture Estimation

要約

土壌水分の推定は、灌漑、施肥、収穫の最適な計画を作成する際の精密な農業を可能にする重要なタスクです。
統計モデルと機械学習モデルを利用して、天気予報、土壌特性、作物の特性などの従来のデータ ソースから土壌水分を推定するのが一般的です。
しかし、土壌水分を推定するために航空画像や地理空間画像を利用することへの関心が高まっています。
これらの画像は高解像度の作物の詳細を捉えていますが、収集にはコストがかかり、解釈は困難です。
Imagine は、スマートフォンで取得した視覚的手がかりと天気予報から得られる統計データを使用して土壌水分を予測する、AI 強化ソフトウェア ツールです。
この研究は、土壌水分推定のためのマルチモーダルなアプローチを開発するという目標に向けた第一歩です。
特に、地上局から撮影された現実世界の画像とそれに対応する気象データで構成されるデータセットを厳選します。
また、土壌水分推定のためのマルチモーダルフレームワークである MIS-ME (気象と画像に基づく土壌水分推定器) も提案します。
私たちの広範な分析により、MIS-ME は 10.14% の MAPE を達成し、気象データの MAPE が 3.25%、画像データの MAPE が 2.15% 削減され、従来の単峰性アプローチを上回るパフォーマンスを示し、カスタマイズされたマルチモーダル アプローチの有効性が強調されています。
私たちのコードとデータセットは https://github.com/OSU-Complex-Systems/MIS-ME.git で入手できます。

要約(オリジナル)

Soil moisture estimation is an important task to enable precision agriculture in creating optimal plans for irrigation, fertilization, and harvest. It is common to utilize statistical and machine learning models to estimate soil moisture from traditional data sources such as weather forecasts, soil properties, and crop properties. However, there is a growing interest in utilizing aerial and geospatial imagery to estimate soil moisture. Although these images capture high-resolution crop details, they are expensive to curate and challenging to interpret. Imagine, an AI-enhanced software tool that predicts soil moisture using visual cues captured by smartphones and statistical data given by weather forecasts. This work is a first step towards that goal of developing a multi-modal approach for soil moisture estimation. In particular, we curate a dataset consisting of real-world images taken from ground stations and their corresponding weather data. We also propose MIS-ME – Meteorological & Image based Soil Moisture Estimator, a multi-modal framework for soil moisture estimation. Our extensive analysis shows that MIS-ME achieves a MAPE of 10.14%, outperforming traditional unimodal approaches with a reduction of 3.25% in MAPE for meteorological data and 2.15% in MAPE for image data, highlighting the effectiveness of tailored multi-modal approaches. Our code and dataset will be available at https://github.com/OSU-Complex-Systems/MIS-ME.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google