Исследователи научили нейросеть мгновенно обрабатывать спутниковые снимки. ИИ может оценивать последствия лесных пожаров, рост городов и использование сельхозземель. О разработке «Хайтек» сообщила пресс-служба Российского научного фонда.
Исследователи из Физико-технического института Петрозаводского государственного университета вместе с учеными из Германии и Великобритании разработали универсальный метод машинного обучения, который позволяет оценивать энтропию (хаос) на картографических снимках. Технология ускоряет до нескольких секунд анализ изменений в использовании участков земли и природных ресурсов.
Для обучения системы двумерные изображения разделялись на круги с определенным радиусом, объясняют ученые. На каждом из них пиксели соединялись линией так, что в результате получилась последовательность элементов, различающихся по тональности. Такой подход позволяет преобразовать двухмерный снимок в одномерный ряд, который может анализировать система.
После обучения модели на нескольких снимках она способна с высокой точностью предсказывать значения энтропии уже на других снимках. Эффективность подхода оценивалась по сходству значений энтропии, предсказанных искусственным интеллектом и рассчитанных математическими методами. Исследование показало, что точность достигала от 81 до 99%, при этом время обработки сократилось с восьми дней до нескольких секунд.
Пример участка поверхности и соответствующее 2D-распределение энтропии (сверху), график сечения распределения энтропии (снизу). Изображение: Андрей Величко
Энтропия — это мера хаоса, нерегулярности или разнородности, которую используют для описания систем различной природы. Упорядоченность пикселей разных «оттенков» позволяет сделать вывод о том, как используется тот или иной участок земли. Традиционно для обработки таких данных используются специальные математические алгоритмы.
Анализируя спутниковые снимки, можно понять, насколько пострадал лес от пожара, сильного ветра или нашествия вредителей, отмечают ученые. Кроме того, снимки, сделанные в разные годы, можно использовать, чтобы оценить, как быстро естественные природные ландшафты сменяются городами или сельскохозяйственными землями.
Источник: hightech.fm
