Приборы и системы. Управление, контроль, диагностика Аннотация к статье << Назад Алгоритмы семантической сегментации разновременных многоспектральных изображений с использованием глубокого обучения Ю.Ю. ГРОМОВ, И.Н. ИЩУК, Ю.Г. ВЕСЕЛОВ, В.В. РОДИОНОВ В статье рассматривается задача семантической сегментации различных объектов, включая растительность, дорожные покрытия, транспортные средства и инженерные сооружения, с приведением примеров оценки их состояния. Оценка объема биомассы растительности имеет большое значение для эффективного управления биомассой, при этом качественная оценка биомассы растительности требует количественного анализа полога деревьев. Автоматизированное извлечение полога деревьев способствует более быстрой и эффективной оценки содержания биомассы в вегетативных зонах по сравнению с традиционными ручными методами картирования. Анализ дорожных покрытий позволяет различать асфальтовые и бетонные покрытия, а также вычислять их площади. В свою очередь, оценка материалов, из которых изготовлены транспортные средства, дает возможность различать автомобильный и бронированный транспорт от их макетов, выполняемых не из металла, а из других материалов, а также выделять объекты, изготовленные из алюминия, такие как самолеты и вертолеты. Экспериментальные исследования проводились в инженерном городке, площадью 11,4 гектара. С помощью многоспектральной камеры беспилотного летательного аппарата были получены разновременные изображения с пространственным разрешением 15 см в четырех диапазонах: Blue, Green, Red и FIR. Съемка земной поверхности в течении суток осуществлялась 6 раз с 6.00 до 24.00 с интервалом в 4 часа. В исследовании была сделана попытка автоматического определения параметров объектов с помощью сверточной нейронной сети глубокого обучения U-Net. Ключевые слова: разновременные многоспектральные изображения, беспилотный летательный аппарат, глубокое обучение, оценка параметров объектов, семантическая сегментация. DOI: 10.25791/pribor.2.2025.1555 Стр. 01-16.