Регистрация автора

В данный момент регистрация на портале совершается по приглашениям (invite-based system). Для получения приглашения просим вас направить запрос на электронную почту more@blogi-blogi.com, указав в теме письма «Запрос на регистрацию автора» или через форму регистрации авторов на сайте.

Форма регистрации  →

Портал от блогеров — для блогеров.

 

Дрон и нейросеть помогут определить видовой состав леса

Дрон и нейросеть помогут определить видовой состав леса

Masanori Onishi1, Takeshi Ise / arXiv.org, 2018

Японские исследователи разработали метод полуавтоматического распознавания типов деревьев на снимках, сделанных мультикоптером во время полета над лесом. Несмотря на то, что авторы использовали серийный дрон с обычной камерой и без дополнительного оборудования, алгоритм научился различать шесть видов деревьев со средней точностью 89 процентов, сообщается в препринте на arXiv.org.

Наблюдение за деревьями в лесах важно прежде всего для исследователей, следящих за биоразнообразием и распространением инвазивных видов растений. Поскольку беспилотные летательные аппараты перемещаются над лесом гораздо быстрее, чем люди по лесу, некоторые исследователи используют их для быстрого сбора данных с большой площади. Но обычно для этого используется аэрофотосъемка с помощью мультиспектральных камер или лидаров. Таким образом можно получать данные для больших массивов, но это требует больших затрат на оборудование, а разрешение изображений получается низким.

Масанори Ониси (Masanori Onishi) и Такеши Исе (Takeshi Ise) из Киотского Университета решили использовать для отслеживания типов деревьев гораздо более дешевый источник данных — квадрокоптер DJI Phantom 4 со встроенной камерой. Дрон летал над лесом площадью около 47 гектаров в пригороде Киото и делал снимки, автономно передвигаясь по заданному маршруту на высоте 80 метров. После полета исследователи объединили снятые фотографии в ортографическую проекцию, а также создали на их основе цифровую модель рельефа.

На основе этих данных исследователи с помощью автоматизированной программы провели сегментацию ортографического снимка, оставив на нем только кроны деревьев. Затем они создали семь классов объектов: шесть типов или видов деревьев, например, вечнозеленое широколистное дерево или сосна веймутова (Pinus strobus), а также один класс для всех остальных объектов, таких как земля между деревьями или здания.

После этого исследователи разбили изображение на отдельные объекты, создав таким образом набор данных для алгоритма машинного обучения. В качестве алгоритма авторы выбрали сверточную нейросеть GoogLeNet. Натренировав нейросеть на части набора данных исследователи получили среднюю точность распознавания 89 процентов, а для некоторых типов деревьев она достигала 96 процентов.

Ранее финские исследователи научились автоматически определять вид дерева по данным лазерного сканирования. Во время испытаний система распознавала три вида деревьев с точностью до 95 процентов. А швейцарские инженеры превратили дрон в автоматизированную систему обследования полостей в деревьях. За счет нескольких датчиков он самостоятельно определяет положение дупла на стволе, после чего подлетает вплотную к стволу и вводит внутрь полости манипулятор со стереокамерой на конце.

Григорий Копиев

Поделиться
Автор

N+1 — научно-популярное развлекательное издание о том, что происходит в науке, технике и технологиях прямо сейчас. Новости, большие статьи, блоги - это все про нас. Мы ищем самое интересное и доставляем это читателям в понятной, ясной, привлекательной (и с визуальной точки зрения) форме. Мы - чуть больше, чем просто наука!

Нет комментариев

ОСТАВЬТЕ ВАШ КОММЕНТАРИЙ: