Нейросеть научили определять виды деревьев по снимкам
Ученые из Университета штата Флорида создали нейросеть, которая научилась определять виды деревьев по снимкам с самолетов или спутников. Специалисты опубликовали свое исследование в журнале PLOS Biology, По словам специалистов, их ИИ-модель отличается высокой точностью.
Для обучения нейросети эксперты использовали снимки крон больше 40 тыс. деревьев, полученных с самолетов. Их предоставили специалисты Национальной сети экологических обсерваторий, которые делают фотографии в десятках регионов США. По словам ученых, такое сотрудничество позволит строить более качественные прогнозы о состоянии лесов. Исследователи также отметили, что их задача — создать первые широкомасштабные карты разнообразия видов деревьев в США.
Система уже позволила создать карты с высокой детализацией больше 100 млн деревьев на 24 участках по всей территории Штатов. Как показали испытания, точность работы достигает от 75% до 85%. Лучшие показатели ученые наблюдали в участках лесов с большим количеством открытого пространства. Также нейросеть особенно справляется с определением хвойных видов, в том числе сосен и кедров. Помимо этого, ИИ-модель может определять другие параметры, в том числе сообщать о том, живо ли дерево или нет.
Сотрудники университета подчеркнули, что понимание сильных сторон их алгоритмов пригодится, чтобы применять методы в разных лесных экосистемах. Ученые также добавили прогнозы своей нейросети в Google Earth Engine, платформу для геопространственного анализа данных. Таким образом новая система может помочь другим исследователям.
Российские специалисты также работают над внедрением искусственного интеллекта в мониторинг лесов. Нейросети будут следить за незаконной вырубкой деревьев. Работу такой ИИ-модели уже протестировали в нескольких регионах. Результаты оказались впечатляющими. Система оказалась на 62% быстрее человека. И это не единственный показатель, по которому нейросеть обошла обученных специалистов. Ожидается, что в ближайшее время новую технологию будут использовать в большом количестве регионов, а затем и по всей стране.
