В России нейросеть улучшили для поиска несанкционированных свалок
Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) разработали методику, которая значительно повысила точность распознавания несанкционированных свалок с помощью автоматического анализа спутниковых снимков. Пишет ТАСС.
Несанкционированные свалки представляют серьезную угрозу экологии, однако их выявление вручную часто затруднено. Инженеры применяют нейросети для анализа спутниковых изображений, но их точность оставляет желать лучшего: модели часто путают свалки с карьерами и промышленными зонами. Это приводит к необходимости ручной проверки тысяч снимков, что снижает эффективность автоматизации. Ученые из ПНИПУ нашли способ повысить точность нейросети, создав новую методику подготовки данных, что позволило увеличить точность распознавания свалок с 56% до 95%.
Для улучшения работы нейросети исследователи разработали программу, которая автоматически определяет характеристики окружающей территории, такие как тип земного покрова, плотность населения и рельеф. Эта программа собирает информацию из открытых источников, что избавляет инженеров от необходимости искать данные вручную. Это позволяет модели учитывать не только внешний вид участка, но и его окружение. Для распознавания использовалась стандартная модель нейросети, обученная на расширенной выборке, включающей снимки карьеров, промышленных зон и строительных площадок, которые могут быть похожи на свалки.
В ходе проверки ученые сравнили традиционный подход к обучению нейросети с новым, включающим дополнительные примеры объектов, которые внешне напоминают свалки, но таковыми не являются. В результате качество распознавания значительно улучшилось, а доля ложных срабатываний снизилась примерно в 24 раза. Ученые отметили, что для повышения точности распознавания важно не только количество снимков, но и их разнообразие. Разработка будет полезна для экологических служб и надзорных органов, так как позволит быстрее находить стихийные свалки и оперативно реагировать на нарушения.
