Již dříve v 2020 byl v testovacím režimu testován subsystém sledování změny lesa na celém území
Podle Michail Nikitin, vedoucí odděleníochrany, ochrany a dozoru v lesích Ministerstva přírodních zdrojů, lesnictví a ekologie Permského území systém zvyšuje efektivitu kontrolní a dozorové činnosti v regionu. Kromě toho snižuje náklady na hlídání zjednodušením lesních průzkumů. Je mnohem snazší a rychlejší reagovat na konkrétní signály zobrazené na mapě. Díky tomu je stále více objektů s údajným porušením. V budoucnu mohou být tyto subsystémy použity jako základna důkazů v kontrolní a dozorové činnosti a u soudů.
Vývojáři a společnosti z Innopolis UniversityInnogeotech vytvořil algoritmus, který eliminuje problém chybějících malých objektů typických pro neuronové sítě: algoritmy pro určování clearingu pracují s objekty o velikosti 3 * 3 pixely. Rovněž byl vyřešen problém přítomnosti oparu z mraků v obrazech - algoritmy automaticky rozlišují opar na obloze od změn lesa, dříve bylo k tomu provedeno další zpracování. Algoritmy pracují v létě i v zimě se snímky kosmických lodí Landsat 8 a Sentinel 2.
"Služba pro automatické sledování změn v doménové struktuřestahuje data vesmírných snímků v týdenních intervalech. Moderní technologie zpracování obrazu a hlubokého učení umožňují efektivně řešit problémy, které se před několika lety zdály nemožné - zdůrazňuje Ramil Kuleev, ředitel Institutu umělé inteligence univerzity Innopolis - Směr vývoje pro lesnický průmysl je pro nás velmi důležitý, perspektivu vidíme v řešení problémů automatického zdanění lesy, integrace různých zdrojů dat - snímky vesmíru, snímky lidar a snímky dronů, předpovídání vývoje negativních situací, včetně mimořádných událostí - požáry, vysychání lesů “.
„Snížili jsme minimumplocha zjištěných změn lesa. Díky velkému objemu referenčního vzorku naše neuronová síť v současnosti detekuje mýtiny na obrázcích s mraky a stíny mraků, vysvětluje Dmitry Shevelev, vedoucí projektu digitalizace lesnického průmyslu na Univerzitě Innopolis. "Předtím jsme museli vyříznout mraky na obrázcích nebo použít obrázky bez mraků." Pokračujeme také v rozšiřování databáze zdrojů satelitních snímků. Nyní se subsystém dokončuje, pokud jde o využití dat z domácích satelitů Resurs-P a Kanopus-V.“
Na území Permského území nepřetržitěmonitorování bude zahrnovat 12,4 milionu hektarů lesních zdrojů. Předtím představili vývojáři Innopolis University technologii na území Republiky Tatarstán, v automatizovaném režimu sleduje lesy na území 1,2 milionu hektarů - 31 lesnických oblastí republiky. Tato služba pomocí technologie umělé inteligence analyzuje vesmírné obrazy přijaté ze satelitů Země, předpracuje je a odešle výsledky do neuronových sítí, sítě tyto obrazy segmentují a vydají vektor s polygony. Tato služba byla vyvinuta v rámci vytvoření integrovaného systému vzdáleného monitorování pro federální okruh v Volze, který také sleduje zemědělskou půdu, infrastrukturu a investiční výstavbu a procesy zpracování odpadu.
„Pracovní zkušenosti na území Republiky Tatarstána Permské území nám dává příležitost vyzkoušet práci lesní monitorovací služby na velkých plochách. Vidíme, že díky odvedené práci a neustálému zlepšování lze službu nyní rozšířit na velké oblasti a v blízké budoucnosti pokrýt celý lesní fond Ruska,“ uzavírá Dmitrij Shevelev.
Přečtěte si také
Potrat a věda: co se stane s dětmi, které porodí
Podívejte se na nejkrásnější obrázky Hubbla. Co viděl dalekohled za 30 let?
NASA zveřejnila fotografii Země z Měsíce, která byla pořízena v roce 1968