Už skôr v 2020 bol testovaný subsystém monitorovania zmeny lesa v testovacom režime na celom území
Tvrdí to vedúci oddelenia Michail Nikitinochrana, ochrana a dohľad v lesoch Ministerstva prírodných zdrojov, lesníctva a ekológie permského územia, systém zvyšuje efektívnosť kontrolných a dozorných činností v regióne. Okrem toho znižuje náklady na hliadkovanie zjednodušením lesných prieskumov. Je oveľa jednoduchšie a rýchlejšie reagovať na konkrétne signály zobrazené na mape. Vďaka tomu sa nachádza čoraz viac objektov s údajným porušením. V budúcnosti môžu byť tieto subsystémy použité ako základňa dôkazov v kontrolných a dozorných činnostiach a na súdoch.
Vývojári a spoločnosti na univerzite InnopolisINNOGEOTECH vytvoril algoritmus, ktorý eliminuje problém chýbajúcich malých objektov typických pre neurónové siete: algoritmy na určovanie čistenia pracujú s objektmi s veľkosťou 3 * 3 pixelov alebo viac. Vyriešil sa tiež problém prítomnosti oparu z oblakov na snímkach - algoritmy automaticky rozlišujú opar na oblohe od zmien lesa, predtým sa k tomu vykonalo ďalšie spracovanie. Algoritmy pracujú v lete aj v zime so snímkami z kozmických lodí Landsat 8 a Sentinel 2.
"Služba na automatické sledovanie zmien v lesesťahuje údaje o vesmírnych snímkach v týždenných intervaloch. Moderné technológie spracovania obrazu a hĺbkového učenia umožňujú efektívne riešiť problémy, ktoré sa pred niekoľkými rokmi zdali nemožné - zdôrazňuje Ramil Kuleev, riaditeľ Inštitútu umelej inteligencie Univerzity Innopolis - Smer vývoja pre lesnícky priemysel je pre nás veľmi dôležitý, perspektívu vidíme v riešení problémov automatického zdaňovania lesy, integrácia rôznych zdrojov údajov - snímky vesmíru, snímky lidaru a snímky dronov, predpovedanie vývoja negatívnych situácií vrátane mimoriadnych udalostí - požiare, vysychanie lesa “.
„Znížili sme minimumoblasť zistených zmien lesa. Vďaka veľkému objemu referenčnej vzorky naša neurónová sieť v súčasnosti deteguje čistinky na obrázkoch s oblakmi a tieňmi mrakov, vysvetľuje Dmitry Shevelev, vedúci projektu digitalizácie lesného priemyslu na Univerzite Innopolis. „Predtým sme museli vystrihnúť oblaky na obrázkoch alebo použiť obrázky bez mrakov. Naďalej pracujeme aj na rozširovaní databázy zdrojov satelitných snímok. Teraz sa dokončuje subsystém z hľadiska využívania údajov z domácich satelitov Resurs-P a Kanopus-V.“
Na území Permského územia nepretržiteSúčasťou monitorovania bude 12,4 milióna hektárov lesných zdrojov. Predtým vývojári univerzity Innopolis zaviedli technológiu na území Tatarskej republiky, v automatizovanom režime monitoruje lesy na území 1,2 milióna hektárov - 31 lesných okresov republiky. Služba pomocou technológie umelej inteligencie analyzuje vesmírne obrazy prijaté zo satelitov Zeme, predspracuje ich a výsledky odošle do neurónových sietí, siete tieto obrázky segmentujú a vydajú vektor s polygónmi. Táto služba bola vyvinutá v rámci vytvorenia integrovaného systému diaľkového monitorovania pre federálny okres Volga, ktorý tiež monitoruje poľnohospodársku pôdu, infraštruktúru a investičnú výstavbu a procesy spracovania odpadu.
„Pracovné skúsenosti na území Tatarskej republikya Permské územie nám dáva možnosť otestovať prácu lesnej monitorovacej služby na veľkých plochách. Vidíme, že vďaka vykonanej práci a neustálemu zdokonaľovaniu je teraz možné túto službu rozšíriť na veľké územia a v blízkej budúcnosti pokryť celý lesný fond Ruska,“ uzatvára Dmitrij Shevelev.
Prečítajte si tiež
Potraty a veda: čo sa stane s deťmi, ktoré budú rodiť
Pozrite sa na najkrajšie obrázky Hubbla. Čo videl teleskop za 30 rokov?
NASA zverejnila fotografiu Zeme z Mesiaca, ktorá bola urobená v roku 1968