Возможности нейронной сети YOLOv11 для задачи автоматической сегментации просек под ЛЭП

Наличие актуальных данных о расположении просек под линиями электропередач (ЛЭП) необходимо для дистанционного мониторинга их состояния, включая поиск участков зарастания просек древесной растительностью. Для получения границ просек под ЛЭП проводится ручное дешифрирование на космических снимках, однако такой метод требует значительных временных затрат, особенно для больших массивов данных дистанционного зондирования. Нейросетевые технологии, в частности сверточная нейросеть YOLO (англ. You Only Look Once), предлагают более быстрый, масштабируемый и точный поиск объектов на снимках, поэтому они успешно заменяют ручные методы дешифрирования. Для отделения просек от схожих объектов (например, вырубки геометрически правильной формы) определен класс низкорослой растительности. Также в состав классов для сегментации включен класс облаков, так как спектральная яркость просек и низкорослой растительности снижается при наличии облаков на снимке. Перед обучением YOLO проводилась подготовка набора данных космических снимков Sentinel-2 – загрузка через API платформы Google Earth Engine и ручная разметка 1396 изображений, а также аугментация снимков с редкими классами (облака и просека под ЛЭП). Нейросеть YOLO обучалась методом трансферного обучения на массиве снимков размером 1646 изображений обучающей выборки, 400 изображений валидационной выборки, тестировалась на тестовой выборке в 400 снимков. Показаны следующие результаты в выделении просек – метрика Average Precision для просеки достигла 0,652, среднее пересечение над объединением (англ. Intersection over Union, IoU) для того же класса равно 0,725, а среднее значение коэффициента Дайса – 0,83. Нейронная сеть успешно отделяет одни классы от других, что показано средним значением Average Precision, равным 0,696 и матрицей несоответствий, в которой только 2% от всех размеченных просек под ЛЭП и 1% от всех размеченных облаков ошибочно отнесены к низкорослой растительности. Несмотря на ошибочную сегментацию других типов просек (например, просеки вокруг дорог), нейросеть может быть использована на практике для автоматического выделения просек под ЛЭП.
Работа выполнена в рамках государственного задания ИКИ РАН (тема «Мониторинг», госрегистрация № 122042500031-8) и государственного задания ЦЭПЛ РАН им. А. С. Исаева по теме «Биоразнообразие и экосистемные функции лесов» (регистрационный номер НИОКТР 124013000750-1)