В настоящее время в ряде стран, в том числе в России, необходимо решать важную научную проблему оперативного мониторинга хвойных лесов и выявления путем оперативного анализа данных мониторинга очагов размножения вредителей ,таких как уссурийский полиграф, союзный короед и т.п., и выявление степени повреждения ими деревьев хвойных пород. Сегодня для решения этой проблемы все чаще начинают использовать беспилотные летательные аппараты (БПЛА) с установленной на них видео аппаратурой для съемки лесных массивов. С помощью дистанционной съемки высокого разрешения, в принципе, по мнению ряда исследователей, возможно раннее обнаружение минимальных повреждений хвойных деревьев насекомыми-вредителями. Однако полученные в больших объемах снимки с БПЛА необходимо с высокой точностью и оперативно интерпретировать для выявления очагов размножения вредителей. Это означает, что требуются высокоинтеллектуальные инструменты для оперативной автоматической обработки и анализа данных мониторинга (снимков высокого разрешения).

Разработка новых моделей сверточных нейронных сетей (СНС), реализующего эти модели СНС программного обеспечения и создание на их основе прикладных технологий искусственного интеллекта (ИИ) для обнаружения очагов размножения вредителей леса и оперативной оценки на снимках с БПЛА состояния деревьев пихты и кедра, пораженных указанными выше вредителями лесов.По сути необходимо оперативно решать с помощью разработанных моделей СНС при распознавании деревьев на снимках с БПЛА две задачи классификации деревьев пихты и кедра по степени их заселения и поражения вредителями.

Проведенные нами исследования показали, что существующие модели СНС для семантической сегментации (попиксельной классификации) изображений не обеспечивают требуемую точность при решении этих двух задач классификации деревьев пихты и кедра. Поэтому для их решения следует разработать новые модели СНС на основе базовой модели U-Net.

Исследование качества сегментации с помощью таких моделей СНС должны проводиться с использованием датасетов, созданных в нашей научной группе. Предполагается, что будут создаваться еще датасеты по многоспектральным снимкам лесов, полученных с БПЛА.После выбора по результатам исследований наиболее эффективных моделей СНС необходимо разработать на их основе прикладные технологии ИИ, позволяющие решать различные лесотехнические задачи.

1. Новые модели СНС на основе базовой модели U-Net.
2. Результаты исследования эффективности новых моделей СНС.
3. Датасеты по многоспектральным снимкам лесов, полученных с БПЛА.
4. Прикладные технологии ИИ, позволяющие решать различные лесотехнические задачи.

2022 - 2023 гг.