Искусственный интеллект поможет в поиске борщевика Сосновского

Ученые из Сколтеха разработали систему мониторинга для сельского хозяйства, позволяющую производить сегментацию изображения в режиме реального времени на борту беспилотного летательного аппарата (БПЛА) и идентифицировать борщевик. Результаты исследования опубликованы в авторитетном научном журнале IEEE Transactions on Computers,  сообщает пресс-служба Сколтеха.

По словам первого автора исследования Александра Меньщикова, традиционные методы мониторинга недостаточно эффективны, поскольку наблюдение с земли слишком сильно зависит от человеческого фактора, а космическое зондирование хорошо подходит лишь для распознавания больших зарослей. Снимки со спутников имеют недостаточное разрешение, чтобы распознать отдельные растения, в то время как зависимость от погоды и кратности орбиты делают такой метод непрактичным для получения наиболее актуальной информации. 

Несмотря на то, что традиционный подход дает наиболее исчерпывающую информацию об исследуемой территории, его эффективность сравнима с обработкой данных на борту для сегментации борщевика Сосновского. Кроме того, традиционный метод требует ещё несколько часов для сшивки изображения и его анализа после окончания полета, в то время как обработка на борту происходит во время полета, а оператор получает данные о местоположении борщевика в реальном времени на базовой станции. Такой подход позволяет приступить к работам по уничтожению борщевика еще до завершения полета БПЛА, а к концу полета оператор уже располагает всеми данными о местоположении растений на обследуемой территории.

Создание такого рода системы мониторинга подразумевает использование БПЛА и компактного вычислительного устройства на борту, которое способно запускать «тяжеловесные» алгоритмы сегментации на основе т.н. полностью сверточных нейронных сетей (FCNN – Fully Convolutional Neural Networks). Такие нейронные сети позволяют выделять интересующие объекты (в данном случае – борщевик Сосновского) неправильной формы с точностью до пикселя, что в задаче детектирования борщевика даст возможность с точностью распознавать отдельные растения и, тем самым, увеличить шансы уничтожения сорняка на выбранной территории.

Главной проблемой при реализации проекта оказался запуск полностью сверточных нейронных сетей на маломощных системах, таких как одноплатные компьютеры. Далеко не каждый компьютер имеет достаточно вычислительных ресурсов и далеко не каждый процессор поддерживает операции, необходимые для запуска FCNN. Поэтому ученым пришлось подобрать подходящую архитектуру одноплатного компьютера и оптимизировать нейронную сеть, чтобы она смогла запуститься на нем.

На данный момент скорость обработки 4К изображения нашей достигает 0,7 кадров/сек., однако и при таких показателях система позволяет в несколько раз повысить эффективность локализации вредоносных растений.

Подход, лежащий в основе системы мониторинга, имеет огромный потенциал для сельского хозяйства. Разработку Сколтеха можно будет использовать для мониторинга других культур, в том числе с помощью мультиспектральной съемки для выявления различных вегетативных показателей, оценки здоровья и наличия болезней растений.