Ruski inženjeri razvili su i testirali novi dron. On lako otkriva opasnu biljku - hogweed
Hogweed Sosnovskog velika je zeljasta biljka, vrsta iz roda hogweed iz obitelji kišobrana.
Sok biljke, uzimajući na kožu, pod utjecajemsunčeva svjetlost uzrokuje ozbiljne opekline. Međutim, njihovo liječenje zahtijeva strogi medicinski nadzor nekoliko tjedana. Podsjetimo, sada je širenje svinjske trave Sosnovskog postalo prava ekološka katastrofa - proširila se od središnjeg dijela Rusije do Sibira, od Karelije do Kavkaza.
Hogweed Sosnovskog jedna je od najpoznatijih i najproblematičnijih invazivnih vrsta u Rusiji.
Jedan od problema u suočavanju s njim je njegovizuzetna vitalnost i puna raspodjela sjemena. Da biste ga pronašli, morate ručno obići polja ili koristiti leteće strojeve. Nažalost, većina satelita nije u mogućnosti pružiti dovoljno visoku rezoluciju za otkrivanje pojedinačnih biljaka. Istodobno, računovodstvo postrojenja koja koriste UAV nije dovoljno automatizirano i često se temelji na korištenju zrakoplova kojima je skupo raditi.
Ulazna slika (lijevo) i rezultat predložene potpuno konvolucijske neuronske mreže (desno)
Kako bi uklonili problem, istraživači su usvojiliodluka o korištenju UAV-a. Njihova je posebnost što omogućuju dobivanje najnovijih informacija o rasprostranjenosti biljke s iznimno visokom rezolucijom, čak i kad je nebo naoblačeno.
Kao hardversku platformu odabrali suDJI Matrice 200 quadcopter i NVIDIA Jetson Nano jednopločno računalo s relativno snažnim video akceleratorom koji vam omogućuje pokretanje izravno na uređaju neuronske mreže.
Ortofotomozaik s označenim površinama hogweeda (svijetlozelena)
Konvolucijska neuronska mreža (CNN) odgovorna je za traženje svinjske trave u kadrovima s kamere drona, koja prima kadar i provodi semantičku segmentaciju, označavajući područja s svinjskom travom na njemu.
Podsjetimo da je konvolucijska neuronska mrežaposebna arhitektura umjetnih neuronskih mreža, koju je 1988. predložio Yann LeCun i usmjerena na učinkovito prepoznavanje uzoraka, dio je tehnologija dubokog učenja.
Programeri su odabrali tri popularne arhitektureCNN za usporedbu njihove izvedbe za ovaj zadatak: U-Net, SegNet i RefineNet. Sami istraživači sastavili su skup podataka za obuku algoritama. Da bi to učinili, snimili su mnoge snimke bespilotnih letjelica u moskovskoj regiji, koristeći dva različita drona i jednu akcijsku kameru (pričvršćenu na dron). Kao rezultat toga, dobivene su 263 slike na kojima su autori razvoja područja obilježili hogweedom. Sam skup podataka dostupan je na GitHubu.
Nakon što su obučili neuronske mreže, autori su ih testirali najednopločno računalo i otkrili su da rade na frekvenciji od desetinki ili stotinki kadra u sekundi. Najbolji rezultat dala je mreža zasnovana na U-Netu - 0,7 sličica u sekundi. Najbolju klasifikaciju pokazala je mreža zasnovana na SegNetu s površinom ispod ROC-krivulje (uobičajena metrika za procjenu kvalitete binarne klasifikacije) jednaka 0,969.
Čitaj više
Nuklearne reakcije su se pojačale u reaktoru nuklearne elektrane u Černobilu
Znanstvenici su pokazali kako crna rupa cijepa zvijezdu
Fizičari su stvorili analog crne rupe i potvrdili Hawkingovu teoriju. Kamo vodi?