Учёные Пермского национального исследовательского политехнического университета (ПНИПУ) повысили точность распознавания несанкционированных свалок с помощью новой методики подготовки данных для автоматического анализа спутниковых снимков. Об этом ТАСС рассказали в пресс-службе Минобрнауки РФ.
По данным министерства, несанкционированные свалки наносят серьёзный ущерб экологии, но выявлять их вручную не всегда возможно. Инженеры уже используют нейросети для анализа спутниковых снимков, однако точность таких моделей пока низкая: они путают свалки с похожими объектами — карьерами и промышленными зонами. Из-за этого специалистам приходится вручную перепроверять тысячи снимков, и польза от автоматизации почти исчезает. Пермские учёные нашли способ сделать нейросеть точнее: они создали новую методику подготовки данных, которая заметно повышает качество распознавания. В результате точность определения свалок выросла с 56% до 95%.
Как этого добились
Чтобы нейросеть понимала, что находится вокруг участков на изображении, и не путала их с другими объектами, учёные создали программу, которая автоматически определяет характеристики территории: тип земного покрова, плотность населения, рельеф и другие. Программа самостоятельно собирает из открытых источников разнородные сведения, которые инженеру пришлось бы искать вручную. Она помогает модели учитывать не только внешний вид участка, но и особенности окружающей территории.
Для распознавания использовали стандартную модель нейросети для анализа изображений. Её обучили на расширенной выборке: в неё добавили снимки карьеров, промышленных зон и строительных площадок, внешне похожих на свалки.
Аспирант кафедры «Вычислительная математика, механика и биомеханика» инженер лаборатории прикладного искусственного интеллекта «Высшая школа авиационного двигателестроения» ПНИПУ Вадим Данелян отметил, что при проверке сравнили стандартный подход к обучению и новый — с дополнительными примерами объектов, которые напоминают свалки, но ими не являются. В результате качество распознавания заметно улучшилось, а доля ложных срабатываний — случаев, когда нейросеть ошибочно принимала участок за свалку, — снизилась примерно в 24 раза.
Учёные доказали, что для распознавания важно не только количество снимков, но и их состав. В вузе отметили, что разработка будет полезна экологическим службам и надзорным органам: она позволяет быстрее находить стихийные свалки и оперативно реагировать на нарушения.