Ρώσοι μηχανικοί ανέπτυξαν και δοκίμασαν ένα νέο drone. Εντοπίζει εύκολα ένα επικίνδυνο φυτό - χοιρινό
Το hogweed του Sosnovsky είναι ένα μεγάλο ποώδες φυτό, ένα είδος γένους hogweed της οικογένειας ομπρέλας.
Ο χυμός του φυτού, που παίρνει στο δέρμα, υπό την επίδρασητο ηλιακό φως προκαλεί σοβαρά εγκαύματα. Ωστόσο, η θεραπεία τους απαιτεί στενή ιατρική παρακολούθηση για αρκετές εβδομάδες. Ας σημειώσουμε ότι τώρα η εξάπλωση του χοίρου του Sosnovsky έχει γίνει μια πραγματική περιβαλλοντική καταστροφή - έχει εξαπλωθεί από το κεντρικό τμήμα της Ρωσίας στη Σιβηρία, από την Καρελία στον Καύκασο.
Το hogweed του Sosnovsky είναι ένα από τα πιο διάσημα και προβληματικά χωροκατακτητικά είδη στη Ρωσία.
Ένα από τα προβλήματα που αντιμετωπίζει είναι το δικό τουεξαιρετική ζωτικότητα και πλήρης κατανομή σπόρων. Για να το βρείτε, πρέπει να περιηγηθείτε χειροκίνητα στα χωράφια ή να χρησιμοποιήσετε ιπτάμενα μηχανήματα. Δυστυχώς, οι περισσότεροι δορυφόροι δεν μπορούν να παρέχουν αρκετά υψηλή ανάλυση για να ανιχνεύουν μεμονωμένα φυτά. Ταυτόχρονα, η λογιστική των εγκαταστάσεων που χρησιμοποιούν UAV δεν είναι επαρκώς αυτοματοποιημένη και συχνά βασίζεται στη χρήση αεροσκαφών που είναι δαπανηρά στην εκμετάλλευση.
Εικόνα εισαγωγής (αριστερά) και το αποτέλεσμα του προτεινόμενου πλήρως συνελικτικού νευρικού δικτύου (δεξιά)
Για να εξαλείψουν το πρόβλημα, οι ερευνητές υιοθέτησαναπόφαση χρήσης UAV. Η ιδιαιτερότητά τους είναι ότι σας επιτρέπουν να λαμβάνετε τις πιο πρόσφατες πληροφορίες για τη διανομή του φυτού με εξαιρετικά υψηλή ανάλυση, ακόμα κι όταν ο ουρανός είναι συννεφιασμένος.
Ως πλατφόρμα υλικού, επέλεξανDJI Matrice 200 quadcopter και NVIDIA Jetson Nano μονός υπολογιστής με σχετικά ισχυρό επιταχυντή βίντεο που σας επιτρέπει να ξεκινήσετε απευθείας σε μια συσκευή νευρωνικού δικτύου.
Ορθοφωτοσωμικό μωσαϊκό με τις περιοχές καλλιέργειας hogweed (φωτεινό πράσινο)
Ένα συνελικτικό νευρωνικό δίκτυο (CNN) είναι υπεύθυνο για την αναζήτηση χοιρινού χοιρινού σε καρέ από μια κάμερα drone, η οποία λαμβάνει το πλαίσιο και πραγματοποιεί σημασιολογική τμηματοποίηση, επισημαίνοντας περιοχές με χοιρινό χοίρο σε αυτό.
Να σας υπενθυμίσουμε ότι ένα συνελικτικό νευρωνικό δίκτυο είναιΜια ειδική αρχιτεκτονική τεχνητών νευρωνικών δικτύων, που προτάθηκε από τον Yann LeCun το 1988 και στοχεύει στην αποτελεσματική αναγνώριση προτύπων, αποτελεί μέρος των τεχνολογιών βαθιάς μάθησης.
Οι προγραμματιστές έχουν επιλέξει τρεις δημοφιλείς αρχιτεκτονικέςCNN για να συγκρίνουν την απόδοσή τους για αυτήν την εργασία: U-Net, SegNet και RefineNet. Οι ίδιοι οι ερευνητές συνέταξαν ένα σύνολο δεδομένων για να εκπαιδεύσουν τους αλγόριθμους. Για να το κάνουν αυτό, μαγνητοσκόπησαν πολλά πλάνα drone στην περιοχή της Μόσχας, χρησιμοποιώντας δύο διαφορετικά drone και μία κάμερα δράσης (προσαρτημένη στο drone). Ως αποτέλεσμα, ελήφθησαν 263 εικόνες, στις οποίες οι συγγραφείς της ανάπτυξης σημείωσαν τις περιοχές με γουγκουίντ. Το ίδιο το σύνολο δεδομένων είναι διαθέσιμο στο GitHub.
Έχοντας εκπαιδεύσει νευρωνικά δίκτυα, οι συγγραφείς τα δοκίμασανυπολογιστής μονής πλακέτας και ανακάλυψε ότι λειτουργούν με συχνότητα δέκατων ή εκατοστών ενός καρέ ανά δευτερόλεπτο. Το καλύτερο αποτέλεσμα δόθηκε από ένα δίκτυο βασισμένο σε U-Net - 0,7 καρέ ανά δευτερόλεπτο. Η καλύτερη ταξινόμηση εμφανίστηκε από ένα δίκτυο που βασίζεται σε SegNet με μια περιοχή κάτω από την καμπύλη ROC (μια κοινή μέτρηση για την αξιολόγηση της ποιότητας μιας δυαδικής ταξινόμησης) ίση με 0,996.
Διαβάστε περισσότερα
Οι πυρηνικές αντιδράσεις εντάθηκαν στον αντιδραστήρα του πυρηνικού σταθμού του Τσερνομπίλ
Οι επιστήμονες έχουν δείξει πώς μια μαύρη τρύπα διαλύει ένα αστέρι
Οι φυσικοί έχουν δημιουργήσει ένα ανάλογο μιας μαύρης τρύπας και επιβεβαίωσαν τη θεωρία του Hawking. Πού οδηγεί;