Руски инжењери су развили и тестирали нови дрон. Он лако открива опасну биљку - хогвеед
Хогвеед Сосновски је велика зељаста биљка, врста рода хогвеед из породице кишобрана.
Сок биљке, доспевши на кожу, под утицајемсунчева светлост изазива тешке опекотине. Међутим, њихово лечење захтева пажљив медицински надзор током неколико недеља. Напоменимо да је сада ширење свиње Сосновског постало права еколошка катастрофа – проширила се од централног дела Русије до Сибира, од Карелије до Кавказа.&нбсп;
Хогвеед Сосновског је једна од најпознатијих и најпроблематичнијих инвазивних врста у Русији.
Један од проблема у суочавању с њим је његовизузетна виталност и пуна дистрибуција семена. Да бисте га пронашли, морате ручно да обиђете поља или да користите летеће машине. На несрећу, већина сателита није у стању да пружи довољно високу резолуцију за откривање појединачних биљака. Истовремено, рачуноводство постројења која користе УАВ није довољно аутоматизовано и често се заснива на употреби авиона који су скупи у раду.
Улазна слика (лево) и резултат предложене потпуно конволуционе неуронске мреже (десно)
Да би елиминисали проблем, истраживачи су усвојилиодлука о употреби беспилотне летелице. Њихова посебност је што вам омогућавају да добијете најновије информације о дистрибуцији постројења са изузетно високом резолуцијом,&нбсп; чак и када је небо наоблачено.
Као хардверску платформу изабрали сукуадцоптер ДЈИ Матрице 200 и НВИДИА Јетсон Нано једноплочни рачунар са релативно снажним видео акцелератором који вам омогућава покретање директно на уређају неуронске мреже.
Ортофотомозаик са означеним површинама хогвеед-а (светло зелена)
Конволуциона неуронска мрежа (ЦНН) је одговорна за тражење свиња у кадровима са камере за дрон, која прима оквир и врши семантичку сегментацију, обележавајући области са хогвеед на њему.
Подсетимо да је конволуциона неуронска мрежапосебна архитектура вештачких неуронских мрежа, коју је предложио Ианн ЛеЦун 1988. године и која има за циљ ефикасно препознавање образаца, део је технологија дубоког учења.
Програмери су изабрали три популарне архитектуреЦНН да упореди њихове перформансе за овај задатак: У-Нет, СегНет и РефинеНет. Сами истраживачи саставили су скуп података за обуку алгоритама. Да би то урадили, снимили су многе снимке беспилотних летелица у московском региону, користећи два различита дрона и једну акциону камеру (прикачену за дрон). Као резултат, добијене су 263 слике, на којима су аутори развоја подручја обележили свињском хогвеедом. Сам скуп података доступан је на ГитХуб-у.
Након што су обучили неуронске мреже, аутори су их тестиралирачунаром са једном плочом и открили су да раде на фреквенцији од десетинки или стотинки кадра у секунди. Најбољи резултат дала је мрежа заснована на У-Нету - 0,7 кадрова у секунди. Најбољу класификацију показала је мрежа заснована на СегНет-у са површином испод РОЦ-криве (уобичајена метрика за процену квалитета бинарне класификације) једнака 0,969.
Опширније
Нуклеарне реакције су се појачале у реактору нуклеарне електране у Чернобилу
Научници су показали како црна рупа цепа звезду
Физичари су створили аналог црне рупе и потврдили Хокингову теорију. Куда води?