Venäläiset insinöörit ovat kehittäneet ja testannut uuden dronin. Hän havaitsee helposti vaarallisen kasvin - ruohon
Sosnovskyn latvokas on suuri nurmikasvi, sateenvarjolajin latvaslajin laji.
Kasvin mehu, joka joutuu kosketuksiin ihon kanssa, on vaikutuksen alaisenaauringonvalo aiheuttaa vakavia palovammoja. Niiden hoito vaatii kuitenkin tiivistä lääkärin valvontaa useiden viikkojen ajan. Huomattakoon, että nyt Sosnovskin ruohon leviämisestä on tullut todellinen ympäristökatastrofi - se on levinnyt Venäjän keskiosasta Siperiaan, Karjalasta Kaukasiaan.
Sosnovskyn latvokas on yksi Venäjän tunnetuimmista ja ongelmallisimmista invasiivisista lajeista.
Yksi ongelmista hänen kanssaan tekemisessä on hänenpoikkeuksellinen elinvoima ja täydellinen siementen jakautuminen. Sen löytämiseksi sinun täytyy käydä manuaalisesti pellon ympäri tai käyttää lentokoneita. Valitettavasti useimmat satelliitit eivät pysty tarjoamaan riittävän suurta resoluutiota yksittäisten kasvien havaitsemiseksi. Samalla UAV-koneita käyttävien laitosten kirjanpito ei ole riittävän automatisoitua, ja se perustuu usein lentokoneiden käyttöön, joiden käyttö on kallista.
Syöttökuva (vasemmalla) ja ehdotetun täysin konvoluutioisen hermoverkon tulos (oikealla)
Ongelman poistamiseksi tutkijat omaksuivatpäätös käyttää UAV:ta. Niiden erikoisuus on, että niiden avulla saat viimeisimmät tiedot kasvin levinneisyydestä poikkeuksellisen korkealla resoluutiolla, vaikka taivas on pilvinen.
Laitteistoalustana he valitsivatDJI Matrice 200-kvadrokopteri ja NVIDIA Jetson Nano -kortti, jossa on suhteellisen tehokas videokiihdytin, jonka avulla voit käynnistää suoraan hermoverkkolaitteella.
Ortofotomosaiikki, johon on merkitty kasvavia latvasalueita (kirkkaan vihreä)
Konvoluutiohermoverkko (CNN) on vastuussa hogweedin etsimisestä kehyksistä droonikamerasta, joka vastaanottaa kehyksen ja suorittaa semanttisen segmentoinnin ja merkitsee siihen alueita, joissa on rypäleitä.
Muistutetaan, että konvoluutiohermoverkko onYann LeCunin vuonna 1988 ehdottama erityinen keinotekoisten hermoverkkojen arkkitehtuuri, jonka tavoitteena on tehokas hahmontunnistus, on osa syväoppimisteknologiaa.
Kehittäjät ovat valinneet kolme suosittua arkkitehtuuriaCNN vertaa suorituskykyään tähän tehtävään: U-Net, SegNet ja RefineNet. Tutkijat itse koosivat tietojoukon algoritmien kouluttamiseksi. Tätä varten he kuvasivat monia drone-materiaaleja Moskovan alueella käyttäen kahta erilaista dronia ja yhtä toimintakameraa (kiinnitetty droneen). Tuloksena saatiin 263 kuvaa, joissa kehityksen tekijät merkitsivät alueet latvalla. Itse tietojoukko on saatavilla GitHubissa.
Koulutettuaan hermoverkkoja kirjoittajat testasivat niitäyhden kortin tietokone ja huomasi, että ne toimivat taajuudella kymmenykset tai sadasosat kehyksestä sekunnissa. Parhaan tuloksen antoi U-Net-pohjainen verkko - 0,7 kuvaa sekunnissa. Parhaan luokituksen osoitti SegNet-pohjainen verkko, jonka alue ROC-käyrän (yhteinen mittari binääriluokituksen laadun arvioimiseksi) alapuolella oli 0,969.
Lue lisää
Ydinreaktiot lisääntyivät Tšernobylin ydinvoimalan reaktorissa
Tutkijat ovat osoittaneet, kuinka musta aukko repii tähden
Fyysikot ovat luoneet analogin mustasta aukosta ja vahvistaneet Hawkingin teorian. Minne se johtaa?