Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.21046/2070-7401-2026-23-3-9-24
Ключевые слова: artificial intelligence, deep learning, remote sensing, agromonitoring, agriculture, review, искусственный интеллект, глубокое обучение, дистанционное зондирование Земли, агромониторинг, сельское хозяйство, обзор
Аннотация: В третьем десятилетии XXI в. развитие методов искусственного интеллекта позволило вывести соответствующие алгоритмы, в частности, основанные на моделях глубокого обучения (ГО), на первые позиции при анализе данных ДЗЗ в агромониторинге, позволяя повысить точность и эффективность при решении задач обнаружения объектов и их классификПоказать полностьюации, анализа изменений и др. Было опубликовано около тысячи статей, включая около 69 обзорных. Однако ни одно исследование не пыталось охватить весь спектр достижений в приложениях ГО с ДЗЗ в агромониторинге. Цель данного обзора заключается в выявлении основных трендов и пробелов в знаниях при разработке приложений дистанционного агромониторинга посредством изучения соответствующих обзоров. Следуя рекомендуемым руководящим принципам, были выявлены 37 обзорных исследований, опубликованных в период с 2020 по март 2024 г. В выбранных обзорах обсуждаются различные задачи агромониторинга и методы их решения, включая такие аспекты, как архитектуры ГО, источники данных, оценка производительности моделей, возникающие проблемы. Используя библиометрический анализ, настоящее исследование выявило общие темы, выделило производительность моделей ГО, пробелы в знаниях и тенденции развития этой области знаний. Насколько нам известно, в этой статье представлен наиболее полный обзор данной области и обозначены будущие направления исследований. In the third decade of the 21st century, the development of artificial intelligence has enabled algorithms, particularly those based on deep learning (DL) models, to take a leading position in the analysis of remote sensing data for agromonitoring. This advancement has allowed for improved accuracy and efficiency in tasks such as object detection and classification, change analysis, etc. Approximately one thousand articles have been published on this topic, including around 69 review papers. However, none has attempted to cover the entire spectrum of achievements in DL applications with remote sensing data in agromonitoring. The aim of this review is to identify the main trends and knowledge gaps in the development of remote agromonitoring applications by examining relevant review papers. Following recommended guidelines, 37 review studies published from 2020 to March 2024 were identified. The selected reviews discuss various agromonitoring tasks and methods for their resolution, including aspects such as DL architectures, data sources, model performance evaluation, and emerging challenges. Using bibliometric analysis, this study reveals common themes, highlights DL models performance, knowledge gaps, and development trends in this field. To the best of our knowledge, we present the most comprehensive review of this area and outline future research directions.
Журнал: Современные проблемы дистанционного зондирования Земли из космоса
Выпуск журнала: Т. 23, № 3
Номера страниц: 9-24
ISSN журнала: 20707401
Место издания: Москва
Издатель: Институт космических исследований РАН