Дрон і нейромережа допоможуть визначити видовий склад лісу

Японські дослідники розробили метод напівавтоматичного розпізнавання типів дерев на знімках, зроблених мультикоптером під час польоту над лісом. Незважаючи на те, що автори використовували серійний дрон зі звичайною камерою і без додаткового обладнання, алгоритм навчився розрізняти шість видів дерев із середньою точністю 89 відсотків, повідомляється в препринті на arXiv.org.

Спостереження за деревами в лісах важливе насамперед для дослідників, які стежать за біорізноманітністю і розповсюдженням інвазивних видів рослин. Оскільки безпілотні літальні апарати переміщуються над лісом набагато швидше, ніж люди по лісі, деякі дослідники використовують їх для швидкого збору даних з великої площі. Але зазвичай для цього використовується аерофотозйомка за допомогою мультиспектральних камер або лідарів. Таким чином можна отримувати дані для великих масивів, але це вимагає великих витрат на обладнання, а роздільна здатність зображень виходить низькою.

Масанорі Онісі (Masanori Onishi) і Такеші Ісе (Takeshi Ise) з Кіотського Університету вирішили використовувати для відстеження типів дерев набагато дешевше джерело даних - квадрокоптер DJI Phantom 4 з вбудованою камерою. Дрон літав над лісом площею близько 47 гектарів у передмісті Кіото і робив знімки, автономно пересуваючись заданим маршрутом на висоті 80 метрів. Після польоту дослідники об'єднали зняті фотографії в ортографічну проекцію, а також створили на їх основі цифрову модель рельєфу.

На основі цих даних дослідники за допомогою автоматизованої програми провели сегментацію ортографічного знімка, залишивши на ньому тільки крони дерев. Потім вони створили сім класів об'єктів: шість типів або видів дерев, наприклад, вічнозелене широколисте дерево або сосна веймутова (), а також один клас для всіх інших об'єктів, таких як земля між деревами або будівлі.

Після цього дослідники розбили зображення на окремі об'єкти, створивши таким чином набір даних для алгоритму машинного навчання. Як алгоритм автори вибрали згорточну нейромережу GoogLeNet. Натренувавши нейромережу на частини набору даних дослідники отримали середню точність розпізнавання 89 відсотків, а для деяких типів дерев вона досягала 96 відсотків.

Раніше фінські дослідники навчилися автоматично визначати вид дерева за даними лазерного сканування. Під час випробувань система розпізнавала три види дерев з точністю до 95 відсотків. А швейцарські інженери перетворили дрон на автоматизовану систему обстеження порожнин на деревах. За рахунок декількох датчиків він самостійно визначає положення дупла на стволі, після чого підлітає впритул до стовбура і вводить всередину порожнини маніпулятор зі стереокамерою на кінці.