Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 14–18 ноября 2022 г.

(http://conf.rse.geosmis.ru)

XX.A.48

Модели полносверточных нейронных сетей для семантической сегментации поврежденных союзным короедом деревьев кедра на многоспектральных снимках с БПЛА

Марков Н.Г. (1), Керчев И.А. (2), Маслов К.А. (1), Мачука К.Р. (1), Токарева О.С. (1), Осипова В.В. (1)
(1) Национальный исследовательский Томский политехнический университет, Томск, Россия
(2) Институт мониторинга климатических и экологических систем СО РАН, Томск, Россия
В последние годы в России активно проявился агрессивный лесной вредитель - союзный короед Ips amitinus (Eichhoff), заселяющий деревья сосны сибирской кедровой (кедра). Поэтому актуальным является оперативный мониторинг кедровников и выявление по его результатам деревьев кедра на начальных стадиях повреждения таким вредителем. Использование беспилотных летательных аппаратов (БПЛА) обеспечивает высокую оперативность наблюдений и получение снимков крон деревьев кедра со сверхвысоким пространственным разрешением. Однако необходимы эффективные модели и методы для анализа таких снимков (Марков и др., 2022). Доклад посвящен разработке моделей полносверточных нейронных сетей, основанных на известной модели U Net, и их исследованию при решении задачи семантической сегментации деревьев кедра, поврежденных союзным короедом, на многоспектральных снимках с БПЛА.
Для анализа состояния деревьев кедра экспертами было выделено пять классов кедра: «Условно здоровое», «Свежезаселенное», «С усохшей вершиной», «Свежий сухостой», «Старый сухостой» и класс «Фон». В качестве исходных данных использовались многоспектральные снимки с квадрокоптера DJI Phantom 3 Standart. Для решения задачи семантической сегментации таких многоспектральных снимков с целью выявления на них пораженных деревьев были предложены две модели: модифицированная модель классической полносверточной сети U Net и оригинальная модель multihead-U Net (MH U Net). Модель MH U Net – это ансамбль из трех классических моделей U Net различной глубины, причем модели делят между собой часть весов и пытаются одновременно анализировать изображение в различных масштабах. Для поиска оптимальных весовых коэффициентов этих полносверточных сетей максимизировалось значение усредненного коэффициента Жаккара (mIoU) с использованием алгоритма оптимизации Adam.
Обучение и исследование эффективности этих моделей проводились как при использовании многоспектральных снимков, так и при использовании полученных из них RGB-снимков. Результаты исследований показали, что обе модели как для многоспектральных снимков, так и для RGB-снимков успешно классифицируют пиксели на снимках с БПЛА, относящиеся к деревьям классов «Условно здоровое», «Свежезаселенное», «Старый сухостой» и к фону. Качество классификации поврежденных деревьев, находящихся в промежуточных состояниях, несколько ниже. В докладе приводятся результаты сравнительного анализа точности классификации пикселей на многоспектральных и RGB-снимках.

Ключевые слова: беспилотный летательный аппарат, полносверточная нейронная сеть, семантическая сегментация изображений, сосна сибирская кедровая, союзный короед
Литература:
  1. Марков Н.Г., Маслов К.А., Керчев И.А., Токарева О.С. Модели U-Net для семантической сегментации повреждённых деревьев сосны сибирской кедровой на снимках с БПЛА // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 65–77.

Презентация доклада

Видео доклада



Ссылка для цитирования: Марков Н.Г., Керчев И.А., Маслов К.А., Мачука К.Р., Токарева О.С., Осипова В.В. Модели полносверточных нейронных сетей для семантической сегментации поврежденных союзным короедом деревьев кедра на многоспектральных снимках с БПЛА // Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2022. C. 52. DOI 10.21046/20DZZconf-2022a

Методы и алгоритмы обработки спутниковых данных

52