РОЗПІЗНАВАННЯ УШКОДЖЕНОГО ЛІСУ ЗА ДОПОМОГОЮ ЗГОРТКОВИХ МОДЕЛЕЙ ПРИ ДИСТАНЦІЙНОМУ ЗОНДУВАННЯ

Проведено детальний огляд проблеми всихання лісів, яка останні роки набула не контрольованого характеру. Про­а­­на­лізовано основні причини пошкодження лісу, серед яких найбільш відомими є зміна клімату, хвороби та шкідники. Наведено втрати лісового господарства внаслідок захворювання дерев, які є масштабними та роз­пов­сюдженими і в інших країнах. Вирішення цих проблем є можливим за умови якісного моніторингу із залученням засобів авто­ма­ти­зо­ваного дистанційного зондування та сучасних методів аналізу зображень, в т.ч. й підходи штучного інтелекту, такі 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 з використанням бібліотек tensorflow та keras. Ця модель складається з мережі детектора та окремої мережі класифікатора. Для навчання та перевірки запропонованої мережі на підставі зображень, отриманих засобами дистанційного зондування, була створена навчальна база даних, яка містить 8500 зображень. Зроблено порівняння запропонованої моделі з наявними методами на підставі таких характеристик як точ­ність та швидкодія. Проведено оцінювання точності та швидкодії запропонованої системи розпізнавання на валіда­цій­ній вибірці зображень, розмір якої становить 1700 зображень.

Здійснено оптимізацію моделі для практичного використання з CPU та GPU за рахунок псевдо квантування під час навчання. Це допомагає розподілити значення ваг в процесі навчання і наблизити їх вигляд до рівномірного закону розподілу, що дає змогу більш ефективно 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 в режимі реального часу. Під час розроблення програмного забезпечення використовувалися такі бібліотеки, як OpenCV та Direct, код підтримує стандарти об'єктна орієнтованого програмування. Результати роботи та розроблене програмне забезпечення можуть бути використані в системах дистанційного моніторингу та класифікації для екологічного моніторингу та в прикладних задачах лісівництва.