Ученые Самарского национального исследовательского университета имени С.П. Королёва и Российско-Армянского университета в Ереване представили концепцию «умного зрения» для спутников и беспилотников. В пресс-службе вуза сообщили, что в будущем разработка поможет внедрить гиперспектральные технологии в разные сферы. Проект уже получил гранты Российского фонда фундаментальных исследований и комитета по науке Министерства образования, науки, культуры и спорта Армении.
Исследователи рассказали, что создают самообучаемый алгоритм — будет рассчитывать признаки, необходимые для распознавания объектов гиперспектральных изображений. А также подбирать оптимальные фильтры для обработки целого изображения, управляя всего одним параметром. Благодаря этому новой системе не понадобится помощь человека, наземных компьютерных систем, нейросетей и баз данных. Это сделает диагностику проблем быстрее.
Кроме того, с новым алгоритмом появится возможность создавать мобильные гиперспектрометры. Их можно будет разместить на легких беспилотниках. Благодаря этому аппараты смогут рассчитывать признаки искомых объектов моментально с помощью бортовых чипов.
«На данном этапе наше исследование носит сугубо фундаментальный характер, но его прикладное значение очевидно. Наш подход позволяет получить алгоритм, способный самостоятельно рассчитывать информативные признаки искомых объектов на гиперспектральных изображениях без готовых индексов или конкретного образца под рукой», — рассказал руководитель проекта, заведующий кафедрой технической кибернетики Самарского университета профессор Александр Куприянов.
[shesht-info-block number=1]
В следующем году исследователи намерены создать прототип компьютерной системы, которая будет подстраиваться под различные задачи. Команда считает, что разработка окажется полезной в сферах геоинформатики, «умного» земледелия, дистанционного зондирования Земли и медицинской диагностики. В частности, новые гиперспектрометры смогут оценивать состояние посевов, увлажненность почвы, ее насыщенность минеральными удобрениями, наличие сорняков, больных растений, а также находить очаги поражения лесов и загрязнения водоемов.