Классификация интенсивности цветения водорослей на основе методов машинного обучения и гиперспектральных данных БПЛА

В работе представлен подход к анализу гиперспектральных изображений высокого пространственного разрешения в прикладной задаче анализа состояния речных вод. Данный метод позволяет обнаружить цветение или загрязнение воды посторонними веществами. Гиперспектральные изображения высокого разрешения были получены с помощью гиперспектрометра, установленного на малом беспилотном летательном аппарате. Продемонстрирована разница между спектрами участков реки с разной интенсивностью цветения водорослей. Были взяты пробы речной воды, проведен химический анализ, который подтвердил различное содержание магния и кальция во всех пробах, соответствующее интенсивности цветения водорослей в воде. Для классификации акваторий с различной интенсивностью цветения водорослей было рассмотрено несколько алгоритмов классификации на основе машинного обучения и вегетационных индексов. Показана эффективность использования алгоритмов машинного обучения по сравнению с вегетационными индексами. Рассмотрено и проведено сравнение нескольких подходов понижения размерности гиперспектральных данных на основании селекции спектральных каналов для повышения производительности наиболее эффективных алгоритмов классификации.