Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
Search Results
Item Розпізнавання ушкодженого лісу за допомогою згорткових моделей при дистанційному зондуванні(Видавництво Львівської політехніки, 2021-10-10) Русин, Б. П.; Луцик, О. А.; Косаревич, Р. Я.; Обух, Ю. В.; Rusyn, B. P.; Lutsyk, O. A.; Kosarevych, R. Ya.; Obukh, Yu. V.; Фізико-механічний інститут ім. Г. В. Карпенка НАН України; Karpenko Physico-mechanical Institute of the NAS of UkraineДетально розглянуто проблему всихання лісів, яка останніми рокамии набула неконтрольованого характеру. Проаналізовано основні причини пошкодження лісу, серед яких найвідоміші – зміна клімату, хвороби та шкідники. Наведено втрати лісового господарства внаслідок захворювань дерев, масштабних та поширених і в інших країнах. Вирішити ці проблеми можливо за умови якісного моніторингу із залученням засобів автоматизованого дистанційного зондування та сучасних методів аналізу зображень, зокрема й підходів штучного інтелекту, таких як нейронні мережі та глибинне навчання. Запропоновано підхід до автоматичної локалізації та розпізнавання дерев, уражених всиханням, що має велике практичне значення для екологічного моніторингу та лісництва. Для розпізнавання та локалізації ушкодженого лісу розроблено згорткову модель глибинного навчання із використанням бібліотек tensorflow та keras. Ця модель складається із мережі детектора та окремої мережі класифікатора. Для навчання та перевірки запропонованої мережі на підставі зображень, отриманих засобами дистанційного зондування, створено навчальну базу даних, яка містить 8500 зображень. Здійснено порівняння запропонованої моделі з наявними методами на підставі таких характеристик, як точність та швидкодія. Оцінено точність та швидкодію запропонованої системи розпізнавання на валідаційній вибірці зображень, розмір якої становить 1700 зображень. Здійснено оптимізацію моделі для практичного використання з CPU та GPU за рахунок псевдоквантування під час навчання. Це допомагає розподілити значення ваг під час навчання і наблизити їх вигляд до рівномірного закону розподілу, що дає змогу ефективніше застосовувати квантування до вихідної моделі. Також встановлено середню тривалість роботи алгоритму. В середовищі Visual C++ на підставі запропонованої моделі створено експертну програму, яка дає змогу здійснювати екологічний моніторинг та аналіз сухих лісів у польових умовах у режимі реального часу. Під час розроблення програмного забезпечення використано такі бібліотеки, як OpenCV та Direct, код підтримує стандарти об’єктно-орієнтованого програмування. Результати роботи та запропоноване програмне забезпечення можуть бути використані в системах дистанційного моніторингу і класифікації для екологічного моніторингу та для вирішення прикладних завдань лісівництва.