Нейросеть научилась различать породы деревьев

Ученые из Сколтеха разработали алгоритм, распознающий породы деревьев на спутниковых фотографиях. Результаты работы опубликованы в журнале  IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.

illar2-3048372-small

Структура иерархической модели классификации. Источник: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing

Определение пород леса важно для эффективного лесопользования и контроля лесных массивов. Применение спутниковых данных позволяет решать эту задачу быстрее и экономичней других способов. Такой подход не требует наземных наблюдений в удаленных и обширных регионах.

Исследователи из Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных CDISE и Космического центра Сколтеха применили нейросетевой подход для автоматизации определения преобладающих пород по снимкам высокого и среднего пространственного разрешения. Использование иерархической модели классификации, а также дополнительных материалов (таких как высота растительного покрова), позволило существенно повысить качество предсказаний и обеспечить большую устойчивость алгоритма для его практического применения. 

«Сервисы на основе разработанной технологии могут быть востребованы коммерческими компаниями, выполняющими работы по таксации лесных участков, конечным потребителем которых являются лесозаготовители и лесопереработчики, а также ведомственные организации лесной отрасли для количественной и качественной оценки древесных ресурсов на арендованных территориях. Также наш подход может быть использован для экспресс-оценки инвестиционной привлекательности лесных участков на малоосвоенных лесных территориях», – поясняет первый автор работы, аспирантка Сколтеха Светлана Илларионова.​

Разработанные алгоритмы планируется интегрировать в платформу Геоалерт для автоматизации производства материалов лесоустройства, реализуемых с помощью специализированного ПО Парма-ГИС.

Контакты:
Skoltech Communications
+7 (495) 280 14 81

Tweet about this on Twitter0Share on Facebook0Pin on Pinterest0Share on Tumblr0Share on VK