Computer vision, Machine Learning

Нейронки, спутники и соя

Время прочтения: 2 мин.

В настоящее время есть набор общедоступных изображений от двух спутников дистанционного зондирования Земли Европейского космического агентства Sentinel-2. Спутники предназначены для мониторинга использования земель, растительности, лесных и водных ресурсов, также могут применяться при ликвидации последствий стихийных бедствий. Главное то, что данные с этих спутников общедоступны, бесплатны и обновляются каждые 5 дней.

Данная технология была использована для решения задачи выявления нецелевого использования полей предназначенных для выращивания сои.

Для сои характерно резкое повышение индекса NDVI (нормализованный относительный индекс растительности) в период созревания, на фоне остальных культур в тот же временной промежуток, благодаря этому решение заключается в следующем – для каждого поля для разных дат получаем индекс NDVI и в итоге имеем последовательный ряд картинок индекса NDVI.

Но как нам обработать последовательность изображений во времени – ведь это уже видео? Может быть, нейронные сети нам помогут? И действительно, изображения лучше всего обрабатываются с помощью свёрточных нейронных сетей, сокращенно CNN. Но чтобы обработать видео нужно чтобы сеть помнила, что было на прошлых кадрах. Это свойство имеет одна из лучших архитектур — LSTM (долгая краткосрочная память). Комбинируя эти 2 подхода, получаем следующую архитектуру.

С помощью имеющихся размеченных экспертом данных мы обучаем нейронную сеть предсказывать росла ли соя на полях. В результате узнаем с высокой долей достоверности (около 90% точности) используемость сельскохозяйственных полей.


Советуем почитать