Компания "ИнноГеоТех" и университет "Иннополис" протестировали нейросетевой сервис в Татарстане, Краснодарском и Пермском краях, Иркутской области. Система, созданная совместной командой, распознает до 100 объектов за 10 минут. Сервис распознавания земельных участков разработан в рамках платформы, где также реализованы алгоритмы по распознаванию карьеров, вырубок, гарей, участков используемой пашни, участков леса с помощью технологий машинного обучения и компьютерного зрения. Нейронные сети анализируют данные дистанционного зондирования Земли - спутниковые снимки и материалы аэрофотосъемки, после чего информацию можно сравнить с отраслевыми сведениями. Полученные данные анализирует оператор, который подтверждает обнаруженные нарушения или проводит дополнительную проверку. До внедрения искусственного интеллекта весь процесс проводился вручную.
Директор института искусственного интеллекта университета "Иннополис" Рамиль Кулеев прокомментировал: "Насколько мне известно, мы первыми в России начали применять алгоритмы искусственного интеллекта для распознавания земельных участков при помощи данных ДЗЗ. На начальном этапе проекта мы применили ряд собственных гипотез, касающихся в том числе методик распознавания земельных участков. Полученные выводы мы использовали для оптимального построения нейронных сетей, способных распознавать земельные участки и другие классы объектов. По итогам проекта мы пришли к выводу, что интегрированные в сервис алгоритмы способны существенно оптимизировать бизнес-процессы, связанные с землеустройством и градостроительной деятельностью".
Руководитель проекта ООО "ИнноГеоТех" Валерия Тихонова рассказала, что компания занимается созданием цифровых сервисов дистанционного мониторинга хозяйственной деятельности с 2017 г. "Мы создали сервисы для лесного комплекса, сельского хозяйства и экологического мониторинга. В рамках проекта команда встретилась с новыми интересными задачами, которые помогают нам улучшать качество и точность работы нейросетевых сервисов. Как известно, чем больше разнообразных и нетривиальных данных загружено в обучающую выборку нейронной сети, так называемый Data Set, тем более точной и гибкой становится сама нейронная сеть. Работая над данным проектом нам удалось решить ряд интересных и сложных кейсов, благодаря чему сегодня мы можем говорить о создании производительного и точного нейросетевого механизма", - сообщила Валерия Тихонова.
Создатели сервиса планируют дальше развивать технологию распознавания земельных участков и зданий по данным ДЗЗ, а также работать над повышением точности детектирования, оптимизации работы алгоритмов, тиражированием работы сервиса в регионах России.
Эксперты рассказали, что искусственный интеллект (ИИ) для распознавания земельных участков используется во многих сегментах экономики и привели примеры.
Директор по продуктам и технологиям Группы Т1 Александр Рожков сообщил, что похожие сервисы на основе использования квадрокоптеров применяются в Москве и Московской области. "Например, в Московской области таким образом выявляются нарушения, связанные с использованием объектов нежилого фонда и земель. Благодаря совершенствованию алгоритмов компьютерного зрения показатель автоматизированного выявления нарушений растет – в 2020 г. он составил 37% от общего количества обнаруженных нарушений. По прогнозам в этом году доля может вырасти до 60%, - рассказывает Александр Рожков. - В конце прошлого года "Ростелеком" во взаимодействии с Аналитическим центром Минсельхоза разработал новую методику автоматизированного дешифрирования и сравнения контуров пахотных земель на основе данных дистанционного зондирования земли (ДЗЗ). Она была проверена в двух пилотных регионах и показала высокую эффективность и точность. Также можно привести пример из Татарстана, где данные ДЗЗ, GPS и GIS, технологии оценки урожайности и переменного нормирования используются в рамках "точного земледелия". В мае текущего года стало известно о разработке ученых из Сколтеха - системы мониторинга, позволяющей производить сегментацию изображения в режиме реального времени на борту БПЛА и идентифицировать борщевик".
Архитектор Softline Digital Иван Корсаков отметил, что ИИ для распознавания земельных участков используется во многих сегментах экономики. "Например, в сельском хозяйстве, а именно в том подходе, что сейчас называется "точным земледелием". С помощью распознавания земельных участков получают данные об использовании почвы, здоровье растений, на основе которых возможно строить различные прогнозные модели. Много применений в военной области - распознавание капитального строительства и военной техники. Возможно распознавать незаконное строительство или незаконные свалки. Направление перспективно, но именно анализ спутниковых снимков уже активно решается многими игроками на рынке. Обычно это еще один из многих источников данных, которые служат вспомогательными системами для большой прогнозной модели. Анализ же фотографий с БПЛА пока демонстрирует меньшую распространенность, так как задачи, которые там возникают, обычно более узкие", - прокомментировал Иван Корсаков.
Востребованность этого направления обозначена на федеральном уровне. Так, в январе 2021 г. глава правительства РФ Михаил Мишустин сообщил о запуске эксперимента по созданию единого информационного ресурса данных о земле и недвижимости. В сентябре Росреестром был представлен единый ресурс о земле и недвижимости для четырех пилотных регионов, в 2022 г. планируется распространить опыт на другие субъекты РФ. Базовыми данными для создания Единого информационного ресурса о земле и недвижимости будут сведения единой электронной картографической основы, федерального фонда пространственных данных, ЕГРН, фонда данных государственной кадастровой оценки, федерального фонда данных ДЗЗ из космоса и государственного адресного реестра.
Направления применения технологий ИИ для анализа данных ДЗЗ и БПЛА обозначены и в федеральном проекте "Искусственный интеллект" нацпрограммы "Цифровая экономика".
Источник: ComNews