نظام دعم القرار القائم على التعلم الآلي لاستثمار الأراضي

تقترح هذه الورقة البحثية منهجية لتصنيف الصور الجوية والأراضي باستخدام التعلم العميق مع التعلم التحويلي. تستخدم الدراسة مجموعة بيانات الصور الجوية (AID) ، والتي تحتوي على مجموعة متنوعة من الصور الجوية مع 30 فئة مشهد. تتضمن المنهجية المقترحة المعالجة المسبقة للبيانات ، وتقسيم مجموعة البيانات ، وزيادة صورة التدريب ، واختيار النموذج ، وتدريب النموذج ، والتقييم باستخدام مقاييس الأداء. تمت مقارنة ثلاثة نماذج للشبكات العصبية (ResNet50 و VGG19 و EfficientNetB3) ، ويتم اختيار أفضل نموذج بناءً على مقاييس الأداء مثل الدقة والاستدعاء ودرجة F1 ومصفوفة الارتباك. أظهرت النتائج فاعلية المنهجية المقترحة في التصنيف الدقيق للصور الجوية. يشير هذا إلى أن EfficientNetB3 لديه قدرة أعلى على تصنيف الصور الجوية والأراضي مقارنةً بـ ResNet50 و VGG19. حقق ResNet50 أداءً معتدلاً مع دقة أقل نسبيًا واسترجاع ودرجة F1 مقارنةً بـ EfficientNetB3. من ناحية أخرى ، أظهر VGG19 أدنى أداء عبر جميع المقاييس ، حيث أظهر قيمًا منخفضة الدقة والتذكر ودرجات F1 ، ويمكن أن تساهم هذه النتائج في تطبيقات مختلفة مثل التخطيط الحضري والتطوير العقاري وإدارة الأراضي.