MLVI-CNN: выявление стресса растений по гиперспектральным данным с использованием оптимизированных машинным обучением индексов и глубокого обучения Раннее выявление абиотического стресса сельскохозяйственных культур необходимо для устойчивого растениеводства. Традиционные индексы NDVI и NDWI обладают ограниченной чувствительностью к ранним изменениям водного режима и структуры растений. Авторы предложили два индекса: индекс растительности, оптимизированный средствами машинного обучения (MLVI), и гиперспектральный индекс стресса растительности (H_VSI). Информативные спектральные каналы NIR, SWIR1 и SWIR2 выбирались с помощью рекурсивного исключения признаков (RFE). Значения индексов использовались в одномерной свёрточной нейронной сети (1D-CNN), классифицирующей шесть уровней стресса. Сообщается о точности 83,40%, корреляции MLVI с эталонными показателями стресса r = 0,98 и обнаружении признаков стресса на 10–15 дней раньше по сравнению с традиционными индексами. Источник