html текст
All interests
  • All interests
  • Design
  • Food
  • Gadgets
  • Humor
  • News
  • Photo
  • Travel
  • Video
Click to see the next recommended page
Like it
Don't like
Add to Favorites

Дрон и нейросеть помогут определить видовой состав леса


Masanori Onishi1, Takeshi Ise / arXiv.org, 2018

Японские исследователи разработали метод полуавтоматического распознавания типов деревьев на снимках, сделанных мультикоптером во время полета над лесом. Несмотря на то, что авторы использовали серийный дрон с обычной камерой и без дополнительного оборудования, алгоритм научился различать шесть видов деревьев со средней точностью 89 процентов, сообщается в препринте на arXiv.org.

Наблюдение за деревьями в лесах важно прежде всего для исследователей, следящих за биоразнообразием и распространением инвазивных видов растений. Поскольку беспилотные летательные аппараты перемещаются над лесом гораздо быстрее, чем люди по лесу, некоторые исследователи используют их для быстрого сбора данных с большой площади. Но обычно для этого используется аэрофотосъемка с помощью мультиспектральных камер или лидаров. Таким образом можно получать данные для больших массивов, но это требует больших затрат на оборудование, а разрешение изображений получается низким.

Масанори Ониси (Masanori Onishi) и Такеши Исе (Takeshi Ise) из Киотского Университета решили использовать для отслеживания типов деревьев гораздо более дешевый источник данных — квадрокоптер DJI Phantom 4 со встроенной камерой. Дрон летал над лесом площадью около 47 гектаров в пригороде Киото и делал снимки, автономно передвигаясь по заданному маршруту на высоте 80 метров. После полета исследователи объединили снятые фотографии в ортографическую проекцию, а также создали на их основе цифровую модель рельефа.

На основе этих данных исследователи с помощью автоматизированной программы провели сегментацию ортографического снимка, оставив на нем только кроны деревьев. Затем они создали семь классов объектов: шесть типов или видов деревьев, например, вечнозеленое широколистное дерево или сосна веймутова (Pinus strobus), а также один класс для всех остальных объектов, таких как земля между деревьями или здания.

Примеры изображений для каждого класса

Masanori Onishi1, Takeshi Ise / arXiv.org, 2018

После этого исследователи разбили изображение на отдельные объекты, создав таким образом набор данных для алгоритма машинного обучения. В качестве алгоритма авторы выбрали сверточную нейросеть GoogLeNet. Натренировав нейросеть на части набора данных исследователи получили среднюю точность распознавания 89 процентов, а для некоторых типов деревьев она достигала 96 процентов.

Ранее финские исследователи научились автоматически определять вид дерева по данным лазерного сканирования. Во время испытаний система распознавала три вида деревьев с точностью до 95 процентов. А швейцарские инженеры превратили дрон в автоматизированную систему обследования полостей в деревьях. За счет нескольких датчиков он самостоятельно определяет положение дупла на стволе, после чего подлетает вплотную к стволу и вводит внутрь полости манипулятор со стереокамерой на конце.

Григорий Копиев

Читать дальше
Twitter
Одноклассники
Мой Мир

материал с nplus1.ru

1

      Add

      You can create thematic collections and keep, for instance, all recipes in one place so you will never lose them.

      No images found
      Previous Next 0 / 0
      500
      • Advertisement
      • Animals
      • Architecture
      • Art
      • Auto
      • Aviation
      • Books
      • Cartoons
      • Celebrities
      • Children
      • Culture
      • Design
      • Economics
      • Education
      • Entertainment
      • Fashion
      • Fitness
      • Food
      • Gadgets
      • Games
      • Health
      • History
      • Hobby
      • Humor
      • Interior
      • Moto
      • Movies
      • Music
      • Nature
      • News
      • Photo
      • Pictures
      • Politics
      • Psychology
      • Science
      • Society
      • Sport
      • Technology
      • Travel
      • Video
      • Weapons
      • Web
      • Work
        Submit
        Valid formats are JPG, PNG, GIF.
        Not more than 5 Мb, please.
        30
        surfingbird.ru/site/
        RSS format guidelines
        500
        • Advertisement
        • Animals
        • Architecture
        • Art
        • Auto
        • Aviation
        • Books
        • Cartoons
        • Celebrities
        • Children
        • Culture
        • Design
        • Economics
        • Education
        • Entertainment
        • Fashion
        • Fitness
        • Food
        • Gadgets
        • Games
        • Health
        • History
        • Hobby
        • Humor
        • Interior
        • Moto
        • Movies
        • Music
        • Nature
        • News
        • Photo
        • Pictures
        • Politics
        • Psychology
        • Science
        • Society
        • Sport
        • Technology
        • Travel
        • Video
        • Weapons
        • Web
        • Work

          Submit

          Thank you! Wait for moderation.

          Тебе это не нравится?

          You can block the domain, tag, user or channel, and we'll stop recommend it to you. You can always unblock them in your settings.

          • nplus1.ru
          • университет
          • домен nplus1.ru

          Get a link

          Спасибо, твоя жалоба принята.

          Log on to Surfingbird

          Recover
          Sign up

          or

          Welcome to Surfingbird.com!

          You'll find thousands of interesting pages, photos, and videos inside.
          Join!

          • Personal
            recommendations

          • Stash
            interesting and useful stuff

          • Anywhere,
            anytime

          Do we already know you? Login or restore the password.

          Close

          Add to collection

             

            Facebook

            Ваш профиль на рассмотрении, обновите страницу через несколько секунд

            Facebook

            К сожалению, вы не попадаете под условия акции