Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Девятнадцатая международная конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XIX.B.400

Обработка изображений на спутниковых снимках с помощью нейронных сетей.

Касатиков Касатиков Н.Н. (1,2), Толмачев Толмачев С.А. (1), Рогожин Рогожин М.Е. (1), Гомозов Гомозов О.А. (1), Макеров Макеров М.И. (1), Токарев Токарев А.В. (1), Фадеева Фадеева А Д (2), Сытов Сытов A O (1), Кудрявцев Кудрявцев А.В. (1)
(1) АО «НИИ Точных приборов» (АО "НИИ ТП"), Москва, Россия
(2) Московский авиационный институт (национальный исследовательский университет), Москва, Россия
В наше время роль Искусственного интеллекта невероятно возросла. В замен традиционным процессам тематической обработки приходят новые-современные методы, вносящие существенное обновление, Применение современных технологий, включая IoT-технологии, технологии AI стали уже необходимы для работ почти во всех сферах, в том числе распознавании объектов в сфере Дистанционного зондирования Земли.
В основном для целей дистанционного зондирования земли и гражданских потребностей необходимо оперативно и качественно распознать нужные объекты, например, в случае наводнений, нужно как можно быстрее понять насколько сильно вода вышла из берегов.Для обнаружения антропогенных и созданных без участия человека образов лучше всего подходят методы нейронных сетей. В результате тренировок можно находить заданные объекты с высокой точностью. Это процесс трудный и занимает много времени, но очевидно, что нейронные сети становятся драйверами в этом вопросе.[1]
С практической точки развитие технологий нейронных сетей, означает создание декстопных приложений по решению заданных задач, в нашем случае обнаружению образов объекта.
Мы видим в наших исследованиях становление нескольких задач:
1)Распознавание образов объектов
2)Автоматическое формирование анализа информации
3)Мониторинг и диагностика состояния систем
Обработка данных включает в себя два параметра : предварительная, специальная. Предварительная включает контрастность, коррекция, морфологическая обработка, удаление шума, коррекция помех. Ко специальным относится обнаружение объектов с помощью нейронных сетей.
В нашем докладе мы покажем, как возможно распознавать образы объектов на видеоряде в режиме прямого эфира. Нами были изучены открытые данные и реализована наша программа, как на основе открытых баз знаний, так и созданных нами. В нашем примере показаны как статичные фотографии, так и видеоряд.
Для программы мы использовали открытую библиотеку YOLO[2].Ключевое преимущество YOLO от конкурирующих алгоритмов (CNN),предназначенных для таких же задач, заключается в том, что он очень быстро распознает объекты в режиме реального времени. Принцип работы YOLO подразумевает ввод сразу всего изображения, которое проходит через CNN только один раз. Именно поэтому ее и назвали - “Стоит только раз взглянуть”. В других алгоритмах, в отличии от YOLO, изображение проходит через CNN несколько раз, и из-за этого и обнаружение объектов идет дольше по времени. Кроме того, в работе описана ситуация с редактированием и сжатием изображения, которое нужно для качественной обработки групп снимков и видеопотоков.
В работе будет затронута связь обработки данных с помощью нейронных сетей с IoT-технологий (концепцией сети передачи данных между физическими объектами и технологиями), и для дальнейшего создания проекта цифрового двойника системы

Ключевые слова: нейронные сети, дзз, yolo,IoT-технология, цифровые двойники
Литература:
  1. )Касатиков Н.Н., Желанов С.А., Брехов О.М., Токарев А.В Методы нейронных сетей при распознавании образов антропогенных объектов Международная конференция
  2. «Авиация и космонавтика» 2020
  3. ) Касатиков Н.Н., Брехов О.М., Желанов С.А. Программирование нейросетей для распознавания образов //“Наука и бизнес: Пути развития” Москва 2021-#4(118).
  4. ) Касатиков Н.Н., Калинина О.И., Пархаев В.А. Модели и методы создания программной системы для обработки и анализа больших данных IoT устройств для оценки развития населенных пунктов //Сборник тезисов Гагаринские чтения Москва 2021-стр. 266 .
  5. ) Tse R. et al. Social network based crowd sensing for intelligent transportation and climate applications //Mobile Networks and Applications. – 2018. – Т. 23. – №. 1. – С. 177-183.

Презентация доклада

Технологии и методы использования спутниковых данных в системах мониторинга

91