В ГУАП представили модель машинного обучения для анализа ландшафта со скоростью полета дрона

Москва. 5 мая. ГеоИнфо — Ученые из Университета аэрокосмического приборостроения (ГУАП) разработали инновационную модель машинного обучения, предназначенную для анализа ландшафта местности в режиме реального времени. Новая система автоматически обрабатывает данные, полученные с беспилотных летательных аппаратов, и распознает объекты с высокой точностью — буквально со скоростью их полета. Об этом сообщает tvspb.ru.

Ранее создание карт местности было длительным процессом, требующим кропотливой ручной работы. Например, на построение карты рельефа лесного массива уходили сутки. Теперь эту задачу можно решить за считанные минуты — за время пролета дрона над обследуемой территорией.

Разработка стала результатом работы пяти сотрудников лаборатории машинного обучения Инженерной школы ГУАП. Основой технологии стал лидар — устройство, использующее лазерные лучи для измерения расстояний до объектов и формирования так называемого 3D-облака точек. Отраженные от поверхности сигналы формируют детализированную цифровую модель ландшафта: можно различить изгибы рек, мосты, леса и другие особенности местности.

Как пояснил Родион Машковцев, лаборант лаборатории машинного обучения, ранее применявшиеся математические алгоритмы не обеспечивали необходимой точности анализа и часто создавали цифровой «шум». Новая модель машинного обучения кардинально улучшает точность распознавания, позволяя решать сложные задачи в самых разных условиях — в том числе и при поиске людей в горах или густых лесах. Система способна «видеть» даже сквозь листву, что невозможно при использовании обычных оптических камер.

Сергей Ненашев, заведующий лабораторией промышленной электроники Инженерной школы, отметил: «Ранее мы использовали наземный лидар, но его возможности были ограничены по охвату территории. Воздушно-лазерное сканирование позволяет нам обрабатывать огромные площади — на километры в длину».

Весь процесс — от сбора до анализа данных — происходит в реальном времени. Нейросеть, встроенная в систему, моментально распознаёт объекты, а информация с беспилотников поступает на сервер, что позволяет работать с масштабными объемами данных.

Разработка имеет широкую сферу применения. По словам Романа Воронова, лаборанта лаборатории машинного обучения, технология может быть востребована в геодезии, нефтедобыче, промышленной инфраструктуре городов, кадастровых работах, сельском и лесном хозяйстве, логистике, мониторинге водоемов и охране объектов.

Компьютерное зрение, лежащее в основе решения, открывает новые горизонты автоматизации анализа местности и способно значительно повысить эффективность работы в самых различных отраслях.