Tidigare under 2020 testades delsystemet för övervakning av skogsförändringar i testläge i hela området
Enligt Mikhail Nikitin, avdelningschefskydd, skydd och tillsyn i skogarna i ministeriet för naturresurser, skogsbruk och ekologi i Perm-territoriet, ökar systemet effektiviteten i kontroll- och övervakningsaktiviteter i regionen. Dessutom minskar det patrulleringskostnaderna genom att effektivisera skogsundersökningar. Det är mycket lättare och snabbare att reagera på specifika signaler som visas på kartan. Tack vare detta hittas fler och fler föremål med påstådda överträdelser. I framtiden kan dessa delsystem användas som en bevisbas i kontroll- och övervakningsaktiviteter och domstolar.
Innopolis University Developers and CompaniesInnogeotech har skapat en algoritm som eliminerar problemet med att sakna små objekt som är typiska för neurala nätverk: algoritmer för att bestämma rensningar fungerar med objekt med en storlek på 3 * 3 pixlar. Problemet med närvaron av dis från moln i bilderna löstes också - algoritmer skiljer automatiskt dimma på himlen från skogsförändringar, tidigare utfördes ytterligare bearbetning för detta. Algoritmerna fungerar på sommaren och vintern med bilder från rymdfarkosten Landsat 8 och Sentinel 2.
"Tjänst för automatisk övervakning av skogsändringarladdar ner data för rymdbilder varje vecka. Modern teknik för bildbehandling och djupinlärning gör det möjligt att effektivt lösa problem som verkade omöjliga för några år sedan - betonar Ramil Kuleev, chef för Institutet för artificiell intelligens vid Innopolis University - Skogsindustrins utvecklingsriktning är mycket viktig för oss, vi ser möjligheten att lösa problem med automatisk beskattning skogar, integrering av olika datakällor - rymdbilder, lidarbilder och drönare, prognoser för utvecklingen av negativa situationer, inklusive nödsituationer - bränder, skogstorkning ”.
”Vi har sänkt miniminivånområde med upptäckta skogsförändringar. Tack vare den stora volymen av referensprovet upptäcker vårt neurala nätverk för närvarande röjningar i bilder med moln och molnskuggor, förklarar Dmitry Shevelev, chef för skogsindustrins digitaliseringsprojekt vid Innopolis University. "Innan detta var vi tvungna att klippa bort molnen i bilderna, eller använda molnfria bilder. Vi fortsätter också att arbeta med att utöka databasen med satellitbildkällor. Nu håller delsystemet på att färdigställas när det gäller att använda data från inhemska satelliter Resurs-P och Kanopus-V."
På territoriet av Perm Territory för kontinuerligövervakningen kommer att omfatta 12,4 miljoner hektar skogsresurser. Innan dess introducerade utvecklarna av Innopolis University tekniken på Republiken Tatarstans territorium, i automatiserat läge övervakar den skogar på territoriet på 1,2 miljoner hektar - 31 skogsdistrikt i republiken. Tjänsten, som använder artificiell intelligens, analyserar rymdbilder som tas emot från jordsatelliter, förbehandlar dem och skickar resultaten till neurala nätverk, nätverken segmenterar dessa bilder och ger ut en vektor med polygoner. Denna tjänst utvecklades som en del av skapandet av ett integrerat fjärrövervakningssystem för Volga Federal District, som också övervakar jordbruksmark, infrastruktur, kapitalbyggande och processer för avfallshantering.
"Arbetserfarenhet på Republiken Tatarstans territoriumoch Perm-territoriet ger oss möjlighet att testa skogsövervakningstjänstens arbete över stora områden. Vi ser att tack vare det arbete som gjorts och ständiga förbättringar kan tjänsten nu skalas till stora områden, som inom en snar framtid täcker hela Rysslands skogsfond”, avslutar Dmitry Shevelev.
Läs också
Abort och vetenskap: vad kommer att hända med barnen som kommer att föda
Kolla in de vackraste bilderna på Hubble. Vad har teleskopet sett på 30 år?
NASA publicerade ett foto av jorden från månen, som togs 1968