Приборы и системы. Управление, контроль, диагностика Аннотация к статье << Назад Семантическая сегментация сезонных разновременных многоспектральных изображений с использованием моделей нечеткой логики и сети U-Net И.Н. ИЩУК, Ю.Ю. ГРОМОВ, А.А. СОЛОДОВНИКОВ, В.В. ВОЛОГИН, Я.И. ЛЬВОВИЧ В статье рассматривается задача семантической сегментации инфракрасных и видимых изображений растительности, дорожных покрытий, транспортных средств и инженерных сооружений полученных с многоспектральных средств беспилотных летательных аппаратов (БпЛА) для летнего, осеннего, и зимнего периодов года. Определение изменения радиационной температуры поверхности земли (ТПЗ) для различных периодов года с использованием данных многоспектральной съемки высокого пространственно-временного разрешения необходимо для моделирования радиационного теплопереноса среды и выявления устойчивых признаков различения техногенных объектов. Факторы, влияющие на ТПЗ, исследовались путем спектротемпоральной съемки заданного участка местности. Распознавание техногенных объектов проводилось с использованием сети глубокого обучения U-Net. Результаты показали, что в ясные и облачные дни имелись значительные различия в ТПЗ и выделении потока тепла для типичных техногенных поверхностей, таких как асфальтовые и бетонные дороги, металлические перекрытия, транспортные средства и инженерные сооружения. В ясные дни суточные колебания разных поверхностей значительно варьировались, чего не наблюдалось в облачные дни. Искусственные поверхности всегда выступали главным источником аномального тепла. Солнечное излучение и температура воздуха среди метеорологических факторов положительно коррелировали с температурой поверхностей. Влажность воздуха отрицательно коррелировала с ТПЗ и играла роль в охлаждении поверхности земли. Ключевые слова: разновременные многоспектральные изображения, беспилотный летательный аппарат, глубокое обучение, оценка параметров объектов, семантическая сегментация. DOI: 10.25791/pribor.8.2026.1697 Стр. 29-47.