Російські інженери розробили та випробували новий дрон. Він легко виявляє небезпечну рослину — борщівник.
Борщівник Сосновського - велике трав'яниста рослина, вид роду борщівник сімейства зонтичні.
Сік рослини, потрапляючи на шкіру, під дієюсонячних променів викликає сильні опіки. При цьому для їхнього лікування потрібне пильне спостереження лікаря протягом кількох тижнів. Зазначимо, що зараз поширення борщівника Сосновського стало справжньою екологічною катастрофою - він поширився від центральної частини Росії до Сибіру, від Карелії до Кавказу.
Борщівник Сосновського - один з найвідоміших і проблемних інвазивних видів в Росії.
Одна з проблем в боротьбі з ним полягає в йоговиключної живучості та повномасштабному поширенні насіння. Щоб його знаходити, доводиться вручну обходити поля або використовувати літальні апарати. На жаль, більшість супутників не здатні надати досить високий дозвіл для виявлення поодиноких рослин. При цьому облік рослин за допомогою БПЛА недостатньо автоматизований і часто заснований на застосуванні дорогих в експлуатації літаків.
Вхідне зображення (зліва) і результат роботи запропонованої повністю сверточное нейронної мережі (праворуч)
Для усунення проблеми дослідники прийнялирішення використовувати БПЛА. Їх особливість у тому, що вони дозволяють отримати найсвіжішу інформацію про поширення рослини з винятково високою роздільною здатністю, nbsp; навіть коли небо затягнуте хмарами.
В якості апаратної платформи вони вибраликвадрокоптер DJI Matrice 200 і одноплатний комп'ютер NVIDIA Jetson Nano з відносно потужним відеоприскорювачем, що дозволяє запускати прямо на пристрої нейромережі.
Ортофотоплан із зазначеними на ньому районами зростання борщівника (яскраво зеленим кольором)
За пошук борщівника на кадрах з камери дрона відповідає крутна нейромережа (CNN), яка отримує кадр і проводить семантичну сегментацію, розмічаючи на ньому області з борщівником.
Нагадаємо, згорткова нейронна мережаспеціальна архітектура штучних нейронних мереж, запропонована Яном Лекуном у 1988 році та націлена на ефективне розпізнавання образів, входить до складу технологій глибокого навчання.
Розробники вибрали три популярні архітектуриCNN, щоб порівняти їх ефективність для цього завдання: U-Net, SegNet і RefineNet. Дослідники самі зібрали датасета для навчання алгоритмів. Для цього вони зняли безліч кадрів з дрона в Московській області, використовуючи два різних дрона і одну екшн-камеру (закріплену на Дронь). В результаті отримано 263 знімка, на яких автори розробки розмітили області з борщівник. Сам датасета доступний на GitHub.
Навчивши нейромережі, автори протестували їх наОдноплатний комп'ютері і з'ясували, що вони працюють з частотою в десяті або соті частки кадрів в секунду. Найкращий результат дала мережу на базі U-Net - 0,7 кадру в секунду. Найкращу класифікацію показала мережу на базі SegNet з площею під ROC-кривої (поширена метрика оцінки якості бінарної класифікації), що дорівнює 0,969.
Читати далі
У реакторі Чорнобильської АЕС посилилися ядерні реакції
Вчені показали, як чорна діра розриває зірку
Фізики створили аналог чорної діри і підтвердили теорію Хокінга. До чого це призведе?