Картирование растительного покрова (в т.ч. с распознаванием очагов сорной растительности) осуществляется при помощи программно-аппаратного комплекса дистанционного детектирования растительности.
Для оценки ликвидности операций по рекультивации местности предлагается визуальный способ сбора фотографических данных с помощью беспилотного летательного аппарата (БПЛА) с оптикой высокого разрешения для дальнейшей полностью автоматической разметки изображения, распознавания образа сорной
растительности и создания файла аналитики.
Метод позволит подсчитать относительную площадь зарастания, определить такие параметры как размер
средней зона зарастания сорняками, координаты зон
зарастания и другие.
Данный метод состоит из предварительного обучения системы, тренировочного этапа и создания нейронной модели, натренированной методом машинного обучения.
Точность классификации варьируется в диапазоне от 82 % до 94% и зависит от сложности модели.
Модель распространения сорной растительности обладает высокой эколого-экономической ценностью,
Она оценивает объект по показателям ликвидности его дальнейшего уничтожения. Также может быть создан классификатор засоренности объекта, который в общем случае генерирует заключение о необходимости уборки и дает информацию о зонах ликвидности (наибольшего зарастания).
В качестве пилотного объекта для картирования предлагается использовать Борщевик Сосновского (Heracléum sosnówskyi), крупного травянистого растения, завезенного с Северного кавказа и ранее культивируемого в качестве кормовой культуры. Борщевик легко дичает и проникает в естественные экосистемы. Он занесен в список сорных и опасных растений — «Чёрную книгу флоры Средней России». Этот исключительно агрессивный вид угнетает природные луговые биоценозы, угрожает биологическому разнообразию природных ландшафтов. По некоторым оценкам, он занимает более миллиона гектаров в европейской части России.
Основные работы
Разметка изображений и создание нейронной модели классификатора являются работами исполнителя. Сбор обучающих и тренировочных данных являются частью работ заказчика. Для культурных растений зависимость между площадью зарастания и объемом биомассы с учетом времени года может дать модель прогнозирования объемно-весовых показателей переработанного вещества, таких как объем сахара, биоэтанола и пр. Данные показатели можно вычислить напрямую используя результаты работы классификатора. Основными признаками для создания классификатора методом машинного обучения будут видимые признаки вегетативной системы — листья и соцветия.
Результатом работы будет программно-аппаратный комплекс, состоящий из БПЛА серийной разработки, а также программного слоя аналитики на сайте Исполнителя, который позволит загружать данные и обрабатывать их в онлайн-сервисе исполнителя. Исходная обученная модель классификатора будет передана Заказчику, будут проведены работы по обучению персонала использованию результатов работы.
«Рой дронов»
Применение технологии “рои роботов” с групповым решением этой задачи дает пропорциональное уменьшение времени исследования. Оптимально одновременное использование 5 летательных
аппаратов увеличивает стоимость оказания услуги всего в 3 раза, одновременно снижает время полевых работ на 70%.
Особенности предложения
Для выполнения этих работ будет предоставлена методика планирования полетной миссии для сканирования на малых высотах с учетом огибаемого рельефа местности. Высота сканирования составит от 10 до 20 метров, GSD — около 2. Скорость сканирования около 5 Га за 40 минут работы комплекса. Способ планирования — полностью автоматический, офисный.
Предоставляется программное обеспечение для ручного выбора участков планирования на карте местности с возможностью анализа планирования и вычисления времени выполнения задачи.
Для выполнения данных измерений с высокой точностью предлагается использовать БПЛА профессиональной серии с кастомизацией комплекта сборки.
Он оснащен комплектом оптических средств высокого разрешения. В процессе съемки БПЛА производит автоматическую привязку данных к координатам.
Координаты объектов определяются с точностью до 0,1 м, что соответствует требованиям к определению границ кадастровых участков земель сельскохозяйственного назначения.