Руски инженери разработиха и тестваха нов дрон. Той лесно открива опасно растение - свинска трева
Hogweed на Сосновски е голямо тревисто растение, вид от рода Hogweed от семейство чадъри.
Сокът на растението, попадайки върху кожата, под влияниеслънчевата светлина причинява тежки изгаряния. Лечението им обаче изисква строго лекарско наблюдение в продължение на няколко седмици. Нека да отбележим, че сега разпространението на свинската трева на Сосновски се превърна в истинска екологична катастрофа - тя се разпространи от централната част на Русия до Сибир, от Карелия до Кавказ.
Боровикът на Сосновски е един от най-известните и проблемни инвазивни видове в Русия.
Един от проблемите при общуването с него е неговиятизключителна жизненост и пълно разпределение на семената. За да го намерите, трябва ръчно да обиколите полетата или да използвате летящи машини. За съжаление повечето спътници не са в състояние да осигурят достатъчно висока разделителна способност за откриване на единични растения. В същото време счетоводството на заводи, използващи БЛА, не е достатъчно автоматизирано и често се основава на използването на самолети, които са скъпи за експлоатация.
Входно изображение (вляво) и резултатът от предложената напълно конволюционна невронна мрежа (вдясно)
За да премахнат проблема, изследователите приехарешение за използване на БЛА. Тяхната особеност е, че ви позволяват да получите най-новата информация за разпространението на растението с изключително висока разделителна способност, дори когато небето е облачно.
Като хардуерна платформа те избрахаквадрокоптер DJI Matrice 200 и едноплатен компютър NVIDIA Jetson Nano с относително мощен видео ускорител, който ви позволява да стартирате директно на невронно мрежово устройство.
Ортофотомозаика с маркирани върху нея области от отглеждане на магнезий (ярко зелено)
Конволюционна невронна мрежа (CNN) е отговорна за търсенето на обикновена трева в кадри от камера на дрон, която получава рамката и извършва семантична сегментация, маркирайки области с обикновена трева върху нея.
Нека ви напомним, че конволюционната невронна мрежа еспециална архитектура на изкуствени невронни мрежи, предложена от Yann LeCun през 1988 г. и насочена към ефективно разпознаване на образи, е част от технологиите за дълбоко обучение.
Разработчиците са избрали три популярни архитектуриCNN да сравни тяхната производителност за тази задача: U-Net, SegNet и RefineNet. Самите изследователи съставят набор от данни за обучение на алгоритмите. За целта те заснеха много кадри с безпилотни самолети в района на Москва, използвайки два различни безпилотни летателни апарата и една екшън камера (прикрепена към дрона). В резултат са получени 263 изображения, на които авторите на разработката са маркирали зоните с магарета. Самият набор от данни е достъпен на GitHub.
След като обучават невронни мрежи, авторите ги тестватедноплатен компютър и установи, че те работят с честота от десети или стотни от кадъра в секунда. Най-добрият резултат даде мрежа, базирана на U-Net - 0,7 кадъра в секунда. Най-добрата класификация беше показана от базирана на SegNet мрежа с площ под ROC-кривата (обща метрика за оценка на качеството на бинарната класификация), равна на 0.969.
Прочетете още
Ядрените реакции се засилиха в реактора на атомната електроцентрала в Чернобил
Учените показаха как черна дупка разкъсва звезда
Физиците са създали аналог на черна дупка и са потвърдили теорията на Хокинг. Къде води?