러시아 엔지니어들이 새로운 드론을 개발하고 테스트했습니다. 그는 위험한 식물인 호그위드(hogweed)를 쉽게 감지합니다.
Sosnovsky의 hogweed는 우산 가족의 hogweed 속의 종인 큰 초본 식물입니다.
영향을 받아 피부에 닿는 식물의 주스햇빛은 심한 화상을 일으킵니다. 그러나 이들의 치료에는 몇 주 동안 면밀한 의료 감독이 필요합니다. 이제 Sosnovsky의 hogweed의 확산은 실제 환경 재앙이 되었습니다. 이는 러시아 중부에서 시베리아로, 카렐리아에서 코카서스로 퍼졌습니다.
Sosnovsky의 hogweed는 러시아에서 가장 유명하고 문제가되는 침입 종 중 하나입니다.
그를 다루는 문제 중 하나는탁월한 활력과 완전한 종자 분포. 그것을 찾으려면 수동으로 들판을 돌아 다니거나 비행 기계를 사용해야합니다. 안타깝게도 대부분의 위성은 단일 식물을 감지 할 수있을만큼 높은 해상도를 제공하지 못합니다. 동시에, UAV를 사용하는 플랜트의 회계는 충분히 자동화되지 않았으며 종종 운영 비용이 비싼 항공기 사용을 기반으로합니다.
입력 이미지 (왼쪽) 및 제안 된 완전 컨벌루션 신경망의 결과 (오른쪽)
이 문제를 제거하기 위해 연구진은 다음을 채택했습니다.UAV를 사용하기로 결정했습니다. 이들의 특징은 매우 높은 해상도로 식물 분포에 대한 최신 정보를 얻을 수 있다는 것입니다. 하늘이 흐려도.
하드웨어 플랫폼으로서 그들은DJI Matrice 200 쿼드 콥터 및 상대적으로 강력한 비디오 가속기가 장착 된 NVIDIA Jetson Nano 단일 보드 컴퓨터로 신경망 장치에서 직접 실행할 수 있습니다.
호그 위드가 자라는 영역이 표시된 정사 광 모자이크 (밝은 녹색)
CNN(Convolutional Neural Network)은 드론 카메라에서 프레임 내 호그위드를 검색하는 역할을 담당하며, 드론 카메라는 프레임을 수신하고 의미론적 분할을 수행하여 호그위드가 있는 영역을 표시합니다.
컨볼루션 신경망은 다음과 같다는 점을 상기시켜 드리겠습니다.효과적인 패턴 인식을 목표로 1988년 Yann LeCun이 제안한 인공 신경망의 특수 아키텍처는 딥 러닝 기술의 일부입니다.
개발자는 세 가지 인기있는 아키텍처를 선택했습니다.이 작업에 대한 성능을 비교하는 CNN : U-Net, SegNet 및 RefineNet. 연구자들은 알고리즘을 훈련하기 위해 데이터 세트를 모았습니다. 이를 위해 모스크바 지역에서 두 개의 다른 드론과 하나의 액션 카메라 (드론에 부착 된)를 사용하여 많은 드론 영상을 촬영했습니다. 그 결과 263 개의 이미지가 얻어졌고 개발의 저자는 호그 위드로 영역을 표시했습니다. 데이터 세트 자체는 GitHub에서 사용할 수 있습니다.
훈련 된 신경망을 통해 저자는단일 보드 컴퓨터는 초당 1/10 또는 1/100 프레임의 주파수에서 작동한다는 것을 발견했습니다. 최상의 결과는 U-Net (초당 0.7 프레임) 기반 네트워크에서 제공되었습니다. ROC 곡선 아래 영역 (이진 분류의 품질을 평가하기위한 공통 메트릭)이 0.969 인 SegNet 기반 네트워크에서 가장 좋은 분류가 표시되었습니다.
더 읽어보기
체르노빌 원자력 발전소 원자로에서 핵 반응 강화
과학자들은 블랙홀이 별을 찢는 방법을 보여주었습니다
물리학 자들은 블랙홀의 아날로그를 만들어 호킹의 이론을 확인했습니다. 어디로 가는가?