„Skoltech“mokslininkai sukūrė žemės ūkio stebėjimo sistemą, leidžiančią realaus laiko vaizdų segmentavimą UAV laive ir identifikuoti kiaulę.
Tyrimo rezultatai skelbiami autoritetingame mokslo žurnale „IEEE Transactions on Computers“. Sosnovskio kiauliena yra kenksmingas augalas, keliantis pavojų žemės ūkiui, vietinėms ekosistemoms ir žmonių sveikatai. Augalų sultys, patekusios ant odos, veikiamos saulės spindulių, sukelia sunkius nudegimus, kuriuos gydyti galima tik atidžiai prižiūrint gydytojams kelias savaites.
Šiuo metu Sosnovskio latvių paplitimas tapo tikra ekologine katastrofa - ji išplito iš centrinės Rusijos dalies į Sibirą, nuo Karelijos iki Kaukazo. Kasmet šalies valdžia kovai su kiaulėmis skiria milžiniškas sumas - 2020 metais vien Maskvoje buvo skirta 350 milijonų rublių. Taigi kova su kiaulėmis yra vienas svarbiausių šiuolaikinio vidaus žemės ūkio, ekologijos ir sveikatos priežiūros klausimų.
Viduryje dėl didelio augalo augimo greičio, jo nepretenzybiškumo ir spartaus plitimo, kiaulės buvo planuojamos naudoti kaip pašariniai pašarai gyvuliams. Tačiau greitai paaiškėjo, kad kiaulės netinka pašarams, o išskirtinės gamtinės savybės yra rimta problema. Tik vienas augalas per metus gali išauginti iki 100 tūkstančių sėklų, kurias gali paskleisti vėjas. O tai reiškia, kad net vienas augalas, praleistas valant teritoriją nuo latvių, gali panaikinti visų darbų rezultatus.
Skoltech mokslininkai iš Mokslinių ir inžinerinių kompiuterinių technologijų centro atliko užduotis su dideliais duomenų rinkiniais prieš dvejus metus, kai pradėjo kurti stebėsenos platformą, su tiksliu realiu laiku lokalizuoti Sosnovskio kiaulę. „Tradiciniai stebėjimo metodai nėra pakankamai veiksmingi - stebėjimas iš žemės yra per daug priklausomas nuo žmogiškojo faktoriaus, o erdvės jutimas yra naudingas tik dideliems krūmams nustatyti.
Vaizdai iš palydovų turi nepakankamą skiriamąją gebą atpažinti atskirus augalus, o dėl priklausomybės nuo oro sąlygų ir orbitos dydžio šis metodas yra nepraktiškas norint gauti svarbiausią informaciją “, - sako pirmasis tyrimo autorius,„ Skoltech “absolventas Aleksandras Menščikovas.
Mokslininkai nusprendė naudoti UAV, kurie pateikia naujausią informaciją apie didelės skiriamosios gebos augalo pasiskirstymą net tada, kai dangus yra padengtas debesimis, taip pat atsisako tradicinės „duomenų rinkimo - ortomozaikos kūrimo - koncepcijos. vaizdas “aerofotografijos apdorojimui tiesiogiai UAV lėktuve skrydžio metu.
„Net jei tradicinis požiūris suteikia išsamiausią informaciją apie tiriamą sritį, jo efektyvumas yra panašus į laive esančių duomenų apdorojimą vieno tipo objektų - Sosnovskio kiaulės - segmentavimui. Be to, tradiciniam metodui prireikia dar kelių valandų, kad vaizdas būtų susiuvamas ir išanalizuotas pasibaigus skrydžiui, o skrydžio metu apdorojama laive, o operatorius gauna realaus laiko duomenis apie latvių vietą bazėje. stotis.
Šis metodas leidžia jums pradėti valyti kiaulę dar prieš baigiant UAV skrydį, o skrydžio pabaigoje operatorius jau turi visus duomenis apie visų augalų vietą tiriamoje teritorijoje “, - aiškina Aleksandras.. Šios rūšies stebėjimo sistemos sukūrimas reiškia, kad laive turi būti naudojamas UAV ir kompaktiškas skaičiavimo įrenginys, galintis paleisti „sunkius“segmentavimo algoritmus, pagrįstus vadinamaisiais visiškai konvoliuciniais neuroniniais tinklais (FCNN).
Tokie neuroniniai tinklai leidžia pikselių tikslumu pasirinkti netaisyklingos formos dominančius objektus (šiuo atveju - Sosnovskio kiaulę), kurie, aptinkant kiaulę, leis tiksliai atpažinti atskirus augalus ir taip padidinti tikimybę naikina piktžoles pasirinktoje teritorijoje.
Pagrindinis projekto įgyvendinimo iššūkis buvo visiškai konvoliucinių neuroninių tinklų paleidimas mažos galios sistemose, tokiose kaip vienos plokštės kompiuteriai. Ne kiekvienas kompiuteris turi pakankamai skaičiavimo išteklių ir ne kiekvienas procesorius palaiko operacijas, reikalingas FCNN paleisti. Todėl mokslininkams reikėjo rasti tinkamą vieno plokštės kompiuterio architektūrą ir optimizuoti neuroninį tinklą, kad jis galėtų juo veikti.
„Populiarios architektūros„ UNet “,„ SegNet “,„ ResNet “buvo pasirinktos kaip neuroniniai tinklai tyrimams ir modifikuotos naudoti vienkartiniame kompiuteryje. Sukurta stebėjimo sistema buvo sumontuota UAV ir išbandyta skrydžio metu. Dėl to skrendant dešimties metrų aukštyje pavyko 40 minučių pasiekti iki 28 hektarų ploto tyrimą. Tuo pačiu metu nebuvo praleista nė viena gamykla “, - sako projekto mokslinis vadovas Andrejus Somovas,„ Skoltech “vyresnysis dėstytojas.
„Net jei mūsų sistemos 4K vaizdų apdorojimo greitis šiuo metu nėra labai didelis - iki 0,7 kadrų per sekundę, tačiau net ir esant tokiems rodikliams, sistema leidžia kelis kartus padidinti kenksmingų augalų lokalizavimo efektyvumą“, - priduria jis. Andrejus Somovas.
Stebėsenos sistemos pagrindas yra didžiulis žemės ūkio potencialas. „Skoltech“plėtra gali būti naudojama kitų kultūrų stebėsenai, be kita ko, naudojant daugiapektrus tyrimus, siekiant nustatyti įvairius vegetatyvinius rodiklius, įvertinti sveikatą ir augalų ligas.
Karvių pastarnokų identifikavimo projektas yra išsamus tyrimas, kuriame dirbo trijų „Skoltech“centrų magistrantai, magistrantai ir darbuotojai: Mokslinių ir inžinerinių kompiuterinių technologijų centras užduotims su dideliais duomenų rinkiniais, Dizaino centras, gamybos technologijos ir medžiagos ir Kosmoso centras - Aleksandras Menščikovas, Dmitrijus Šadrinas, Viktoras Prutjanovas, Daniilis Lopatkinas, Sergejus Sosninas, Jevgenijus Tsykunovas, Jevgenijus Jakovlevas ir Andrejus Somovas.