Gewasclassificatie

Het algoritme voor gewasherkenning is bedoeld om de gewasdeclaraties van boeren te bevestigen. Hiervoor wordt een Random Forest-model gebruikt dat gewassen classificeert op basis van verschillende (geïnterpoleerde) tijdreeksen van satellietsignalen. Het model werkt op het niveau van geometrieën (Features of Interest, FOI), niet op pixelniveau. De training gebeurt op basis van boerenverklaringen, waarbij eerst uitschieters worden verwijderd.    Het model maakt gebruik van gewasgroepen (superclasses), die later in het seizoen verder kunnen worden opgesplitst (vroege versus late groepen). Om regionale variaties (zoals klimaat en bodemtype) op te vangen, wordt het model per agronomische zone getraind.    Alle FOI’s met een verklaring in een zone worden gebruikt als trainingsdata, behalve de FOI’s die als uitschieter zijn gemarkeerd. Uitschieters worden geïdentificeerd met een eenvoudig Random Forest-model dat bekijkt hoe vaak FOI’s met hetzelfde gewastype in dezelfde bladeren van het model eindigen. Alleen gewasgroepen met minimaal 30 verklaringen per zone worden meegenomen, om vertekening te voorkomen. Hoewel het model met ontbrekende data om kan gaan, neemt de betrouwbaarheid af bij te weinig input. Daarom worden alleen FOI’s met voldoende gegevens (boven een bepaalde drempel) meegenomen in de training en validatie.    Het gaat hier niet om een zelflerend algoritme.

Als het algoritme een afwijking vindt, kijkt eerst een medewerker naar het resultaat. Als de medewerker het eens is met de afwijking, dan laat hij dit weten aan de aanvrager. De aanvrager kan daarna via een speciale app (de geotag foto-app) bewijsmateriaal opsturen om te laten zien dat het misschien toch goed is.