Rusijos inžinieriai sukūrė ir išbandė naują droną. Jis nesunkiai aptinka pavojingą augalą – kiaulę
Sosnovskio latvė yra didelis žolinis augalas, skėtinių šeimos šeivamedžių genties rūšis.
Augalo sultys, patekusios ant odos, veikiamossaulės spinduliai sukelia stiprius nudegimus. Tačiau jų gydymui kelias savaites reikia atidžiai stebėti gydytojus. Atkreipkime dėmesį, kad dabar Sosnovskio kiaulės paplitimas tapo tikra aplinkos katastrofa – iš centrinės Rusijos dalies jis išplito į Sibirą, nuo Karelijos iki Kaukazo.
Sosnovskio latvė yra viena garsiausių ir problemiškiausių invazinių rūšių Rusijoje.
Viena iš problemų bendraujant su juo yra joišskirtinis gyvybingumas ir visiškas sėklų pasiskirstymas. Norėdami jį rasti, turite rankiniu būdu apvažiuoti laukus arba naudoti skraidymo mašinas. Deja, dauguma palydovų negali užtikrinti pakankamai didelės skiriamosios gebos aptikti pavienius augalus. Tuo pačiu metu UAV naudojančių gamyklų apskaita nėra pakankamai automatizuota ir dažnai grindžiama brangių eksploatuoti orlaivių naudojimu.
Įvesties vaizdas (kairėje) ir siūlomo visiškai konvoliucinio neuroninio tinklo rezultatas (dešinėje)
Norėdami pašalinti problemą, mokslininkai priėmėsprendimas naudoti UAV. Jų ypatumas tas, kad jie leidžia išskirtinai didele raiška gauti naujausią informaciją apie augalo paplitimą, net kai dangus apsiniaukęs.
Kaip aparatinę platformą jie pasirinko„DJI Matrice 200“ kvadrokopteris ir „NVIDIA Jetson Nano“ vieno borto kompiuteris su gana galingu vaizdo greitintuvu, leidžiančiu paleisti tiesiai į neuroninį tinklo įrenginį.
Ortofotomozaika, ant kurios pažymėti augantys latvėnų plotai (ryškiai žalia)
Konvoliucinis neuroninis tinklas (CNN) yra atsakingas už kiaulienos paiešką kadruose iš drono kameros, kuri priima kadrą ir atlieka semantinę segmentaciją, pažymėdama jame plotus su kiaulėmis.
Priminsime, kad konvoliucinis neuroninis tinklas yraYann LeCun 1988 m. pasiūlyta speciali dirbtinių neuroninių tinklų architektūra, skirta efektyviam modelio atpažinimui, yra gilaus mokymosi technologijų dalis.
Kūrėjai pasirinko tris populiarias architektūrasCNN norėdamas palyginti savo užduotis: „U-Net“, „SegNet“ ir „RefineNet“. Patys tyrėjai sudarė duomenų rinkinį algoritmams mokyti. Norėdami tai padaryti, jie nufilmavo daug dronų filmuotą medžiagą Maskvos srityje, naudodami du skirtingus dronus ir vieną veiksmo kamerą (pritvirtintą prie drono). Dėl to buvo gauti 263 vaizdai, kuriuose kūrinio autoriai vietoves pažymėjo kiauliena. Pats duomenų rinkinys yra „GitHub“.
Išmokę neuronų tinklus, autoriai juos išbandėvieno borto kompiuterį ir sužinojo, kad jie veikia dešimtųjų ar šimtųjų kadrų per sekundę dažniu. Geriausią rezultatą pateikė „U-Net“ pagrindu veikiantis tinklas - 0,7 kadro per sekundę. Geriausią klasifikavimą parodė „SegNet“ pagrįstas tinklas, kurio plotas po ROC kreive (bendra metrika binarinės klasifikacijos kokybei įvertinti) lygi 0,969.
Skaityti daugiau
Černobylio atominės elektrinės reaktoriuje sustiprėjo branduolinės reakcijos
Mokslininkai parodė, kaip juodoji skylė išardo žvaigždę
Fizikai sukūrė juodosios skylės analogą ir patvirtino Hawkingo teoriją. Kur jis veda?