Tidligere i 2020 blev delsystemet til overvågning af skovændringer testet i testtilstand i hele området
Ifølge Mikhail Nikitin, afdelingslederbeskyttelse, beskyttelse og tilsyn i skovene i Perm-territoriet, Ministeriet for Naturressourcer, Skovbrug og Økologi, øger systemet effektiviteten af kontrol- og overvågningsaktiviteter i regionen. Derudover reducerer det patroludgifter ved at strømline skovundersøgelser. Det er meget lettere og hurtigere at reagere på specifikke signaler, der vises på kortet. Takket være dette findes flere og flere objekter med påståede overtrædelser. I fremtiden kan disse delsystemer bruges som en evidensbase i kontrol- og tilsynsaktiviteter og domstole.
Innopolis University Developers and CompaniesINNOGEOTECH har oprettet en algoritme, der eliminerer problemet med manglende små objekter, der er typiske for neurale netværk: algoritmer til bestemmelse af clearings fungerer med objekter med en størrelse på 3 * 3 pixels. Problemet med tilstedeværelsen af tåge fra skyer på billederne blev også løst - algoritmer skelner automatisk tåge på himlen fra skovændringer, tidligere blev yderligere behandling udført for dette. Algoritmerne fungerer om sommeren og vinteren med billeder fra rumfartøjet Landsat 8 og Sentinel 2.
"Service til automatisk overvågning af skovændringerdownloader pladsbilleddata med ugentlige intervaller. Moderne teknologier til billedbehandling og dyb læring gør det muligt effektivt at løse problemer, der syntes umulige for et par år siden - understreger Ramil Kuleev, direktør for Institute of Artificial Intelligence ved Innopolis University - Retningen for udviklingen for skovbrugsindustrien er meget vigtig for os, vi ser udsigten til at løse problemer med automatisk beskatning skove, integration af forskellige datakilder - rumbilleder, lidarbilleder og dronebilleder, forudsigelse af udviklingen af negative situationer, herunder nødsituationer - brande, tørring af skov ”.
”Vi har reduceret minimumsgrænsenområde med opdagede skovændringer. Takket være den store mængde af referenceprøven, opdager vores neurale netværk i øjeblikket lysninger i billeder med skyer og skyskygger, forklarer Dmitry Shevelev, leder af skovindustriens digitaliseringsprojekt ved Innopolis University. ”Før dette skulle vi skære skyerne ud i billederne eller bruge skyfri billeder. Vi fortsætter også med at arbejde på at udvide databasen med satellitbilledkilder. Nu er undersystemet færdiggjort med hensyn til at bruge data fra indenlandske satellitter Resurs-P og Kanopus-V."
På Perm-territoriets territorium for kontinuerligovervågning vil omfatte 12,4 millioner hektar skovressourcer. Forud for det introducerede udviklerne af Innopolis University teknologien på republikken Tatarstan, i automatisk tilstand overvåger den skove på 1,2 millioner hektar - 31 skovdistrikter i republikken. Tjenesten ved hjælp af kunstig intelligens-teknologi analyserer rumbilleder modtaget fra jordsatellitter, forbehandler dem og sender resultaterne til neurale netværk, netværkene segmenterer disse billeder og udsteder en vektor med polygoner. Denne service er udviklet som en del af oprettelsen af et integreret fjernovervågningssystem til Volga Federal District, som også overvåger landbrugsjord, infrastruktur, kapitalbyggeri og affaldsbehandlingsprocesser.
"Arbejdserfaring på Republikken Tatarstans territoriumog Perm-territoriet giver os mulighed for at teste skovovervågningstjenestens arbejde over store områder. Vi ser, at takket være det udførte arbejde og løbende forbedringer, kan tjenesten nu skaleres til store områder, der i den nærmeste fremtid dækker hele Ruslands skovfond,” slutter Dmitry Shevelev.
Læs også
Abort og videnskab: hvad vil der ske med de børn, der føder
Tjek de smukkeste billeder af Hubble. Hvad har teleskopet set i 30 år?
NASA offentliggjorde et foto af jorden fra månen, som blev taget i 1968