Молодежная инженерная команда «Киберорел» из СГТУ имени Ю.А. Гагарина разработала алгоритм для высокоточной классификации сельскохозяйственных земель по аэрофотоснимкам. Алгоритм создан в рамках федерального проекта «Кадры для БАС». Разработку завершили по заказу компании «ГЕОСАЭРО». Компания поставила перед студентами такую задачу в качестве практической части обучения. Разработка студентов базируется на передовых архитектурах нейронных сетей, которые способны генерировать семантические векторные маски.
В рамках проекта студенты сформировали специализированный многоразмерный датасет, в который вошли различные классы объектов. В том числе – введенный для повышения точности класс «пустые пиксели». Обучение модели YOLO для создания сегментированных масок и алгоритм полигонализации (преобразование объектов в многоугольные сетки) дали возможность сформировать векторную карту.
Авторам удалось соотнести обработанные тайлы (фрагменты изображения или данных) с метаданными. Это позволило конструировать целостные геопространственные карты.
Разработка включила сравнительный анализ производительности нейросетевых архитектур, использование трансферного обучения и продвинутые методы аугментации данных для повышения устойчивости и обобщающей способности модели. Алгоритм эффективно различает два базовых класса земель: лес и поле. Разработчики планируют расширить классификационные возможности до большего числа категорий.
Авторы проекта отмечают, что в области автоматизированной классификации сельскохозяйственных угодий по аэрофотоснимкам сейчас нет аналогов — полноценных российских инструментальных решений.
Заказчик решения задачи — «ГЕОСАЭРО» — планирует внедрить разработанное решение для дальнейшего использования в учебном процессе для отработки навыков пилотирования БПЛА. В компании отметили, что предложенные сценарии (пожар, поиск, съемка) демонстрируют понимание практических задач, решаемых с помощью БПЛА, и могут стать хорошей основой для обучающего симулятора.
Свежие комментарии