Ученые Пермского национального исследовательского политехнического университета разработали методику подготовки данных для автоматического поиска несанкционированных свалок на спутниковых снимках. Как сообщает ТАСС со ссылкой на Минобрнауки РФ, точность распознавания выросла с 56% до 95%.
Используемые для такой работы нейросети могут ошибочно принимать за свалки внешне похожие объекты, включая карьеры и промышленные зоны. Из-за этого специалистам приходится вручную перепроверять большое количество спутниковых изображений.
Для учета особенностей территории исследователи создали программу, которая автоматически определяет тип земного покрова, плотность населения, рельеф и другие характеристики. Необходимые сведения она самостоятельно собирает из открытых источников.
Стандартную модель нейросети для анализа изображений обучили на расширенной выборке. Помимо снимков свалок, в нее включили изображения карьеров, промышленных территорий и строительных площадок, которые имеют сходные визуальные признаки.
При испытаниях ученые сравнили обычный подход к обучению с методом, использующим дополнительные примеры похожих объектов. Доля ложных срабатываний, при которых участок ошибочно определялся как свалка, уменьшилась примерно в 24 раза.
Исследование показало, что результат распознавания зависит не только от количества снимков, но и от состава обучающей выборки. Разработка предназначена для экологических служб и надзорных органов, которым необходимо быстрее выявлять стихийные свалки и реагировать на нарушения.