Résumé:
Une solution hyperspectral basée sur les véhicules aériens sans pilote « Unmanned Aerial Vehicles
UAV » pour la détection des paramètres physiologiques de plastiques a été explorée dans un cadre
d’apprentissage automatique. Une gamme de mesures complémentaires ont été recueillies sur le
terrain d’expérience d’imagerie, basée sur une diversité d’échantillons de polymères plastiques dans
des conditions artificiel et naturel. À partir des données de l’UAV, une référence de réflectance
blanche précise en position a été produite pour corriger les différences de réponse spectrale en
tenant compte de la référence sombre afin de corriger les effets des variations des capteurs de
caméra au fil du temps à l’aide d’un système automatisé et en mosaïque méthodologie. Les données
de UAV obtenues ont ensuite été utilisées dans un cadre d’apprentissage automatique.
Deux approches ont été évaluées pour identifier les méthodes non supervisées les plus performantes
(LDA et K-NN). Une étude de la stratégie d’apprentissage et de la valeur de l’utilisation des bandes
spectrales comme caractéristiques de prédiction a également été effectuée à l’aide du sélecteur de
caractéristiques « "mRMR" redondance minimale-pertinence maximale ». Enfin, l’utilité de l’imagerie
hyper-spectrale basée sur les UAV a été démontrée en détectant les effets de la lumière solaire et de
l’éclairage artificiel sur les différents polymères plastiques en estimant leur impact sur les résultats
d’identification
