Нейросети адаптировали для государственного мониторинга земель

МОСКВА, 25 октября. /ТАСС/. Исследователи из России приспособили нейросети, используемые для обработки данных с беспилотников с лазерными радарами, для проведения государственного мониторинга земель и выявления присутствующих на них определенных объектах. Разработка алгоритма позволит автоматизировать рутинные процессы при земельном планировании, сообщил Центр научной коммуникации МФТИ.

"Вместо того, чтобы тратить целый день на обход земельных участков, мы запускаем беспилотник с лидаром, делаем съемку. Чистим данные от шумов и отправляем в нейросеть. Она сегментирует и классифицирует данные так, что мы понимаем, где на территории есть здания - к примеру, гараж", - пояснил аспирант физтех-школы радиотехники и компьютерных технологий МФТИ Сергей Самарин, чьи слова приводит центр научной коммуникации вуза.

Исследователи пришли к такому выводу при проведении экспериментов с нейросетью на базе алгоритма PointNext, созданного для обработки данных с лидаров - лазерных радаров. Подобные устройства в последние годы начали активно устанавливать на борт автономных беспилотников. В процессе работы лидар облучает территорию лазерными импульсами, отслеживает время их возвращения и по этой задержке определяет расстояние до объекта, в результате чего формируется трехмерный массив из точек.

Этот массив анализируется нейросетью, которая сопоставляет положение точек друг с другом и использует эти данные для составления трехмерной карты местности и выявления на ней различных неровностей поверхности. Российские исследователи адаптировали алгоритм PointNext для выявления различных объектов на антропогенных ландшафтах, в том числе для поиска построек, деревьев, свободной земли, крыш зданий и прочих неровностей поверхности.

Для этого ученые подготовили несколько виртуальных моделей подобных ландшафтов при помощи разработанного в РФ генеративного алгоритма, и отобрали из них те, которые позволяли максимально качественно обучать нейросеть. В результате этого система ИИ научилась распознавать объекты в наборах данных с лидаров с 99,98% точностью, что в перспективе позволит использовать ее для автоматизированного мониторинга земель.

В частности, ученые предполагают, что созданный ими подход позволит ускорить проведение так называемой "гаражной амнистии" в Краснодарском крае и других регионах России, а также для выявления незаконного строительства и контроля за нарушениями при строительстве, в том числе для соблюдения этажности и отступов от границ земельных участков.