Применение технологий искусственного интеллекта в задачах обработки данных дистанционного мониторинга поверхности земли

DOI: 10.25728/avtprom.2024.01.06

Представлен метод классификации разновременных многоспектральных изображений поверхности земли с использованием сверточной нейронной сети глубокого обучения U-net. Изображения видимого и инфракрасного диапазона длин волн были получены с помощью многоспектральной оптико-электронной системы беспилотного летательного аппарата и использовались для построения ортофотопланов местности. На основе полученных данных производилось обучение нейронной сети для решения задач обнаружения техногенных объектов. Метод интеллектуального распознавания объектов дистанционного мониторинга, основанный на глубоком обучении и оценках теплофизических параметров, позволяет создавать фоноцелевую обстановку с использованием генетического алгоритма. Этот алгоритм решает коэффициентную обратную задачу теплопроводности и предоставляет оценки теплофизических параметров материалов. Для обучения модели введено 18 классов объектов, которые были изучены на основе разницы в тепловом контрасте между техногенными объектами и фоном (антропогенным или природным ландшафтом). Съемка земной поверхности проводилась 6 раз в течение суток с интервалом 4 ч. Эксперимент был проведен в летний период 4-5 августа 2021 г. Было показано, что модель демонстрирует применимость с различной достоверностью, в процессе работы модели были обнаружены искомые классы объектов.