Los ingenieros rusos han desarrollado y probado un nuevo dron. Detecta fácilmente una planta peligrosa: el hogweed.
La perejil de Sosnovsky es una gran planta herbácea, una especie del género hogweed de la familia de los paraguas.
El jugo de la planta, al entrar en contacto con la piel, bajo la influencia.солнечных лучей вызывает сильнейшие ожоги. При этом для их лечения требуется пристальное наблюдение врача в течение нескольких недель. Отметим, что сейчас распространение борщевика Сосновского стало настоящей экологической катастрофой — он распространился от центральной части России до Сибири, от Карелии до Кавказа.
La perejil de Sosnovsky es una de las especies invasoras más famosas y problemáticas de Rusia.
Uno de los problemas al tratar con él es suvitalidad excepcional y distribución completa de semillas. Para encontrarlo, debe recorrer los campos manualmente o usar máquinas voladoras. Desafortunadamente, la mayoría de los satélites no pueden proporcionar una resolución lo suficientemente alta como para detectar plantas individuales. Al mismo tiempo, la contabilidad de las plantas que utilizan vehículos aéreos no tripulados no está lo suficientemente automatizada y, a menudo, se basa en el uso de aeronaves que son caras de operar.
Imagen de entrada (izquierda) y el resultado de la red neuronal totalmente convolucional propuesta (derecha)
Para eliminar el problema, los investigadores decidieron utilizar vehículos aéreos no tripulados.Obtenga la información más reciente sobre la distribución de la planta con una resolución excepcionalmente alta, incluso cuando el cielo está nublado.
Como plataforma de hardware, eligieronun quadcopter DJI Matrice 200 y una computadora de placa única NVIDIA Jetson Nano con un acelerador de video relativamente potente que le permite iniciar directamente en un dispositivo de red neuronal.
Ortofotomosaico con áreas de hogweed creciendo marcadas en él (verde brillante)
Una red neuronal convolucional (CNN) es responsable de buscar perejil en las imágenes de la cámara del dron, que recibeKadri lleva a cabo la segmentación semántica marcando áreas con perejil.
Recordemos que una red neuronal convolucional, una arquitectura especial de redes neuronales artificiales, propuesta por Jan LeCun en 1988 y destinada al reconocimiento efectivo de patrones, se incluye en elcomo parte de las tecnologías de aprendizaje profundo.
Los desarrolladores han elegido tres arquitecturas popularesCNN para comparar su desempeño para esta tarea: U-Net, SegNet y RefineNet. Los propios investigadores elaboraron un conjunto de datos para entrenar los algoritmos. Para hacer esto, filmaron muchas imágenes de drones en la región de Moscú, usando dos drones diferentes y una cámara de acción (adjunta al dron). Como resultado, se obtuvieron 263 imágenes, en las que los autores del desarrollo marcaron las áreas con hogweed. El conjunto de datos en sí está disponible en GitHub.
Habiendo entrenado redes neuronales, los autores las probaron encomputadora de placa única y descubrió que funcionan a una frecuencia de décimas o centésimas de fotograma por segundo. El mejor resultado lo dio una red basada en U-Net: 0,7 fotogramas por segundo. La mejor clasificación fue mostrada por una red basada en SegNet con un área bajo la curva ROC (una métrica común para evaluar la calidad de una clasificación binaria) igual a 0.969.
Lee mas
Se intensifican las reacciones nucleares en el reactor de la central nuclear de Chernobyl
Los científicos han demostrado cómo un agujero negro destroza una estrella
Los físicos han creado un análogo de un agujero negro y han confirmado la teoría de Hawking. ¿A dónde lleva?