Russische Ingenieure haben eine neue Drohne entwickelt und getestet. Er erkennt leicht eine gefährliche Pflanze - Bärenklau
Sosnovskys Vogelmiere ist eine große krautige Pflanze, eine Art der Gattung Vogelmiere der Schirmfamilie.
Der Saft der Pflanze gelangt unter Einfluss auf die HautSonnenlicht verursacht schwere Verbrennungen. Ihre Behandlung erfordert jedoch eine engmaschige ärztliche Überwachung über mehrere Wochen. Beachten wir, dass die Ausbreitung des Sosnowski-Bärenklau mittlerweile zu einer echten Umweltkatastrophe geworden ist – er hat sich vom zentralen Teil Russlands bis nach Sibirien, von Karelien bis zum Kaukasus ausgebreitet.
Sosnovskys Wolfsmilch ist eine der bekanntesten und problematischsten invasiven Arten in Russland.
Eines der Probleme im Umgang mit ihm ist seinaußergewöhnliche Vitalität und volle Samenverteilung. Um es zu finden, müssen Sie manuell um die Felder gehen oder Flugmaschinen verwenden. Leider können die meisten Satelliten keine ausreichend hohe Auflösung liefern, um einzelne Pflanzen zu erkennen. Gleichzeitig ist die Abrechnung von Anlagen mit UAV nicht ausreichend automatisiert und basiert häufig auf dem Einsatz von Flugzeugen, deren Betrieb teuer ist.
Eingabebild (links) und Ergebnis des vorgeschlagenen vollständig gefalteten neuronalen Netzwerks (rechts)
Um das Problem zu beseitigen, haben die Forscher angenommenEntscheidung für den Einsatz eines UAV. Ihre Besonderheit besteht darin, dass Sie mit einer außergewöhnlich hohen Auflösung aktuelle Informationen über die Verbreitung der Pflanze erhalten. auch wenn der Himmel bedeckt ist.
Als Hardwareplattform wählten sieEin DJI Matrice 200 Quadcopter und ein NVIDIA Jetson Nano Single-Board-Computer mit einem relativ leistungsstarken Videobeschleuniger, mit dem Sie direkt auf einem neuronalen Netzwerkgerät starten können.
Orthophotomosaik mit darauf markierten Bereichen von Wolfsmilch (hellgrün)
Ein Faltungs-Neuronales Netzwerk (CNN) ist für die Suche nach Bärenklau in Bildern einer Drohnenkamera verantwortlich, die das Bild empfängt, eine semantische Segmentierung durchführt und Bereiche mit Bärenklau darauf markiert.
Wir möchten Sie daran erinnern, dass es sich um ein Faltungs-Neuronales Netzwerk handeltEine spezielle Architektur künstlicher neuronaler Netze, die 1988 von Yann LeCun vorgeschlagen wurde und auf eine effektive Mustererkennung abzielt, ist Teil der Deep-Learning-Technologien.
Entwickler haben drei beliebte Architekturen ausgewähltCNN, um ihre Leistung für diese Aufgabe zu vergleichen: U-Net, SegNet und RefineNet. Die Forscher selbst haben einen Datensatz zusammengestellt, um die Algorithmen zu trainieren. Zu diesem Zweck filmten sie viele Drohnenaufnahmen in der Region Moskau mit zwei verschiedenen Drohnen und einer Action-Kamera (an der Drohne befestigt). Als Ergebnis wurden 263 Bilder erhalten, in denen die Autoren der Entwicklung die Gebiete mit Wolfsmilch markierten. Der Datensatz selbst ist auf GitHub verfügbar.
Nachdem die Autoren neuronale Netze trainiert hatten, testeten sie sie anSingle-Board-Computer und fand heraus, dass sie mit einer Frequenz von Zehntel oder Hundertstel eines Frames pro Sekunde arbeiten. Das beste Ergebnis erzielte ein U-Net-basiertes Netzwerk - 0,7 Bilder pro Sekunde. Die beste Klassifizierung wurde von einem SegNet-basierten Netzwerk mit einer Fläche unter der ROC-Kurve (eine übliche Metrik zur Bewertung der Qualität einer binären Klassifizierung) von 0,969 gezeigt.
weiter lesen
Im Reaktor des Kernkraftwerks Tschernobyl verstärkten sich die Kernreaktionen
Wissenschaftler haben gezeigt, wie ein Schwarzes Loch einen Stern zerreißt
Physiker haben ein Analogon eines Schwarzen Lochs erstellt und Hawkings Theorie bestätigt. Wohin führt es?